1.一种针对于SCR脱硝系统失真态NOx浓度的高精度智能预测方法，其特征为，包括如下步骤：

（1）建立与SCR系统入口、出口NOx浓度分析仪工作状态相匹配的NOx浓度测量数据切换控制框架；

（2）在炉内燃烧参数、机组负荷、磨煤机运行参数的输入下，训练得到失真态入口NOx浓度智能预测模型；

（3）在喷氨量、入口NOx浓度、炉内燃烧参数的输入下，训练得到失真态出口NOx浓度智能预测模型；

（4）在上述3个步骤的基础上，通过单独针对性的调整入口或者出口NOx浓度智能预测模型下游的延迟模块系统特性参数，实现失真态与非失真态NOx浓度的切换，最终获得全时段、高精度的NOx浓度测量数据；

所述NOx浓度智能预测模型下游的延迟模块系统特性参数，体现为预设的延迟时间τ，其设定规则为： ；其中，τ为需要设定的延迟模块延迟时间， 为对应入口或出口NOx浓度分析仪单次维护运行状态的持续总时长，κ为经验性设定系数，根据运行情况取1/8‑1/4之间的任意值。

2.根据权利要求1所述的针对于SCR脱硝系统失真态NOx浓度的高精度智能预测方法，其特征在于：步骤（1）中，入口、出口NOx浓度分析仪工作状态分别有0和1两种，状态0表示NOx浓度分析仪正常工作，输出的NOx浓度测量值正确，状态1表示NOx浓度分析仪处于维护运行状态，输出的NOx浓度测量值处于失真态，实际测量结果不准确。

3.根据权利要求2所述的针对于SCR脱硝系统失真态NOx浓度的高精度智能预测方法，其特征在于：步骤（1）中，NOx浓度测量数据切换控制框架对NOx浓度分析状态为0的运行时间段T1，取用NOx浓度分析仪正常输出的NOx浓度测量值；而对于NOx浓度分析仪状态为1的运行时间段T2，取用经入口或出口NOx浓度智能预测模型输出的NOx浓度预测值。

4.根据权利要求1所述的针对于SCR脱硝系统失真态NOx浓度的高精度智能预测方法，其特征在于：步骤（2）中，失真态入口NOx浓度智能预测模型中，炉内燃烧参数包括总分量、总煤量、上层燃尽风门开度、上层二次小风门开度，机组负荷为机组的实发功率，磨煤机运行参数包括每台磨煤机的启停工作状态及瞬时给煤量。

5.根据权利要求1所述的针对于SCR脱硝系统失真态NOx浓度的高精度智能预测方法，其特征在于：步骤（3）中，失真态出口NOx浓度智能预测模型中，喷氨量为SCR脱硝系统对应侧反应器的瞬时喷氨流量，入口NOx浓度为对应侧入口NOx浓度分析仪输出的NOx浓度实际测量值，炉内燃烧参数包括总分量、总没量、上层燃尽风门开度、上层二次小风门开度、烟气流量。

6.根据权利要求1所述的针对于SCR脱硝系统失真态NOx浓度的高精度智能预测方法，其特征在于：步骤（2）和（3）中，失真态入口NOx浓度智能预测模型和失真态出口NOx浓度智能预测模型均联合应用模糊树模型、支持向量机模型进行NOx浓度预测。

7.根据权利要求6所述的针对于SCR脱硝系统失真态NOx浓度的高精度智能预测方法，其特征在于：NOx浓度预测以模糊树模型预测输出为主，以支持向量机模型预测输出未付，具体的联合应用规则为： ， ；计算相邻时刻模糊树模型的预测结 果变 化趋势 、相邻时 刻 模糊树 模型的 预 测结果 变化 趋势 ；

，其中：  为t+1时刻下的入口或出口NOx浓

度智能预测模型预测输出值； 为t+1时刻下基于模糊树模型的入口或出口NOx浓度预测值； 为t+1时刻下基于支持向量机模型的入口或出口NOx浓度预测值。

8.根据权利要求1所述的针对于SCR脱硝系统失真态NOx浓度的高精度智能预测方法，其特征在于：步骤（4）中，所述全时段、高精度的NOx浓度测量数据中，全时段由NOx浓度分析仪正常运行时间段、NOx浓度分析仪维护运行时间短共同组成；其中因延迟时间τ的设定，NOx浓度分析仪维护结束后的短暂时间短内，仍取用NOx浓度智能预测模型输出的NOx浓度预测值。