随着中国经济的不断发展,燃煤火电厂排放的氮氧化物总量逐年增加,空气污染情况严重,氮氧化物的排放要求也越来越严格,因此降低发电厂NO_X排放成为一个刻不容缓的问题。选择性催化还原(SCR)烟气脱硝技术已在我国燃煤电厂得到广泛应用,然而SCR脱硝系统在实际控制运行方面还存在很多的不足。本文以某电厂200MW超高压机组的SCR脱硝系统为研究对象。首先,对国内外脱硝技术的发展现状进行探讨,对脱硝系统喷氨量控制的技术特点、反应原理进行深入分析。利用Langmuir和Eley-Rideal机理,搭建SCR的机理模型,利用粒子群算法对机理模型参数进行寻优,确定参数值,并检验其模型精度。其次利用电厂SCR系统数据建立径向基神经网络(RBF)对出口氮氧化物浓度的数学模型。通过平均绝对误差(MAE)和均方根误差(RMSE)对模型进行检测,模型具有很高的控制精度。最后将SCR机理模型作为控制对象,数学模型作为预测模型,利用混沌粒子群算法(CPSO)对喷氨量进行滚动优化。在MATLAB软件平台上搭建SCR系统模型,将传统喷氨量控制与神经网络预测控制进行对比,可以看出神经网络的控制精度更高并且减少氨气的逃逸率。