十三五期间国家对大气污染治理提出了更高的要求,燃煤电厂烟气排放是主要的大气污染因素之一,因此电厂脱硝系统优化得到了相应的重视。如今电厂脱硝系统控制策略多采用复合控制方式,这是一种以摩尔比为前馈以PID计算为反馈的控制策略。但是由于现场环境复杂导致反应器入口NO_x浓度的测量存在多种问题,由于被控对象迟延大、惯性大、非线性导致PID控制方式的控制效果不理想。针对SCR反应器入口NO_x浓度测量的问题,本文提出了基于BP神经网络的NO_x浓度软测量模型,依据电厂历史运行数据建立了SCR反应器入口NO_x浓度的软测量模型。在建立NO_x浓度软测量模型的过程中改进了基于互信息的模型辅助变量筛选算法并应用到了辅助变量筛选过程中,使用了遗传算法对BP神经网络的初始权值、阈值进行寻优降低了网络的学习时间。建立的软测量模型有效解决了机组运行过程中反应器入口吹扫所带来的NO_x测量问题以及烟气中NO_x浓度测量响应慢的问题。针对PID控制效果不理想的问题,本文使用动态矩阵控制代替PID控制,首先使用递推最小二乘算法依据现场运行数据辨识出了某机组的SCR反应器模型,在此模型的基础上对比了PID控制和动态矩阵控制的控制效果。动态矩阵控制有效的克服了系统迟延大、惯性大的问题,预测控制的滚动优化作用还可以一定程度上克服系统的非线性问题。最后本文介绍了将优化后的复合控制策略应用到某电厂的实际例子,有效的解决了电厂原方案的控制缺陷,降低了机组空气预热器的结晶程度,避免了机组排放烟气的频繁瞬时超标,实践证明这种优化控制策略在SCR脱硝系统中的应用具有较好的效果。