我国的能源结构决定了在很长时间内燃煤发电仍占重要地位,煤炭燃烧过程中排放的氮氧化物（NOx）、硫氧化物（SOx）、颗粒物（PM）等污染物是造成区域灰霾的重要原因。在国家改善区域大气环境质量重大需求推动下,燃煤发电污染物减排技术已是取得了重要进展。但是近年来,在碳达峰、碳中和背景下,燃煤发电机组受深度调峰、煤质不稳定、节能降耗要求等多种因素影响,运行工况复杂,这对污染物减排带来了新的挑战。本文基于燃煤电厂超低排放系统的运行高可靠性、稳定性和经济性要求,研究了燃煤电厂超低排放智能调控系统的搭建和应用方法,开展了智能调控系统构建、气态污染物浓度预测、环保系统优化控制等研究,为提升脱硫、SCR脱硝系统的运行水平、降低能源消耗和物料消耗提出了解决方案并开展了工业验证。首先,结合燃煤电厂超低排放生产调控实际,设计开发了“云边端”协同的超低排放智能调控系统平台。从数据协同、模型协同、应用协同三个方面的要求出发对云侧、边缘侧和端侧进行了系统架构设计。在云端构建了以设备信息模型为核心的数据管理体系。设计了基于hadoop的分布式时序数据库,读写性能指标达到200万点/秒,在1000个并发查询的测试环境中,响应速度在700ms以内,与传统的单机数据库相比,平均读写速度提升超过400%。设计了基于算子封装和拖拽组合的可视化建模工具,提高了模型开发速度和验证效率。在边缘侧和端侧对数据采集、数据接口、边缘存储、边缘计算等模块进行了设计,实现了提高系统数据读写速度的同时降低数据库故障概率、减少故障恢复时间,提高了系统的可靠性和稳定性。其次,针对大型燃煤机组运行工况波动幅度大、波动频繁,烟气污染物浓度检测滞后、数据失真等问题,提出了基于LSTM神经网络训练的污染物浓度多模型预测方法。通过KL散度计算分析各个输入参数之间的相关性;通过对特征数据进行分析,找到输入参数和输出参数之间的延时时间。通过LSTM神经网络训练实现NOx、SO2等污染物浓度的预测。对于NOx浓度预测,预测值和测试值的均方根误差为7.3 mg/m~3,R~2为91.60%。对于SO2浓度预测,高负荷段的均方根误差为18.16mg/m~3,中负荷段的均方根误差为13.56mg/m~3,低负荷段的均方根误差为14.84mg/m~3。第三,针对脱硝喷氨控制存在的系统数据延迟、参数耦合复杂等问题,采用DMC控制方法建立喷氨优化控制模型并整定其控制参数,提出了SCR脱硝控制优化策略与方法。结果显示,相比于电厂DCS系统原有PID控制方法在机组变负荷时出口NOx浓度波动在±40mg/m~3,负荷平稳时波动在±30mg/m~3,所提SCR脱硝系统优化控制方法能有效降低烟气出口处的NOx浓度波动,在变负荷时出口NOx浓度波动在±10mg/m~3,负荷平稳时波动在±5mg/m~3,显著降低了出口NOx浓度波动。第四,针对超低排放系统中湿法脱硫吸收系统优化控制存在的控制变量多、参数关系复杂、脱硫机理不明确、吸收塔内氧化过程无法探知等问题,提出了湿法脱硫系统的循环泵优化控制策略与氧化系统优化运行策略。对浆液循环泵,建立吸收塔内SO2吸收脱除过程模型,出口SO2浓度RMSE为2.20mg/m~3。获得了不同p H、入口SO2浓度、烟气量等工况下的推荐喷淋组合。通过仿真研究循环泵开启台数与p H、入口SO2浓度、烟气量等工况的关系,并与实际工人依据经验的循环泵运行台数进行了对比,进一步验证了循环泵优化方法的可行性。对氧化风机,建立了氧化过程模型,对强制氧化过程与自然氧化过程的机理进行研究,提出了基于氧化风需求量的氧化系统运行优化控制策略,结果显示:随着机组负荷的变化,自然氧化率在10%到35%之间波动,氧化风需求量在107m~3/min到360 m~3/min之间波动;经验证,氧化系统实时运行优化方法能够在保证脱硫装置氧化率和脱硫副产物石膏品质的前提下,相比氧化风机按额定功率运行能耗降低23.7%。最后,在某1000MW燃煤发电机组对前文建立的超低排放装置智能调控系统、烟气污染物入口浓度预测模型、SCR脱硝系统的喷氨优化控制模型、湿法脱硫系统的氧化风机和循环泵运行优化控制模型进行了工业验证研究。超低排放智能调控系统平台部署了设备信息管理、可视化建模工具等功能模块,实现了设备异构数据的融合处理,通过可视化建模工具对气态污染物浓度预测模型和优化模型进行了可视化建模,并利用云端海量数据对模型进行了训练。工程验证研究发现,云边端协同架构体系能够较好的满足工业优化控制场景需要。对于脱硝系统,投运后脱硝出口NOX浓度均值从35.8mg/m~3控制到40mg/m~3,氨逃逸均值从0.95 ppm下降到0.74 ppm,可有效节省耗氨量10%以上,氨逃逸降低15%以上。对于脱硫系统,可降低23.7%的氧化风机能耗和34.1%的浆液循环泵能耗。