近几年大气污染问题越来越不容忽视,氮氧化物排放控制也得到了越来越多的关注。我国煤炭为主的能源结构决定了火电的重要地位,对于火电厂氮氧化物排放,我国也做出了严苛的限制规定,火电厂也必须响应国家要求做出相应措施来减少氮氧化物的排放,因此火电厂氮氧化物排放问题研究显得尤为重要。目前绝大部分建模都是静态模型,但通过机理分析可知,氮氧化物的生成存在时延,静态建模不够准确。为此,本文提出了基于时间序列神经网络的动态模型,对火电厂氮氧化物的排放进行动态建模研究,并通过对比分析,验证了动态建模的优越性。文章首先通过对氮氧化物的生成机理分析,确定影响锅炉氮氧化物生成的25个运行参数为输入变量。其中炉膛温度为炉膛内部测得的3个层温数据,与传统的采用尾部烟气温度代替炉膛温度相比,提高了温度测量的精度。接下来,采用因子分析法对输入变量进行了预处理,通过对输入变量进行因子分析,得到了 4个公共因子,代替原来的25个输入变量,降低了原始输入数据之间的共线性,也减小了模型运算量。接下来,分别采用支持向量机算法和时间序列神经网络算法,对锅炉氮氧化物排放进行了静态和动态建模研究,通过对比分析,验证了时间序列神经网络建模的优越性,与静态的支持向量机模型相比,动态时间序列神经网络模型的准确度得到了进一步提高。