【Objectif】 Les systèmes de prétraitement pour la capture du carbone sont confrontés à des problèmes tels qu'une consommation énergétique élevée, des coûts d'exploitation élevés et une efficacité de purification instable. Les fluctuations de la valeur du pH du liquide de lavage affectent significativement l'efficacité d'absorption du SO2. En prenant comme objet d'étude le système de prétraitement pour la capture du carbone d'une centrale électrique, une méthode de modélisation hybride combinant un modèle mécanistique et une approche basée sur les données a été proposée. 【Méthode】 Cette méthode combine la cinétique chimique mécanistique et l'algorithme d'apprentissage automatique des arbres de décision, en utilisant des outils Python pour construire le modèle, permettant une prédiction précise des paramètres clés comme la valeur du pH du liquide de lavage et la concentration massique des émissions de SO2 à la sortie, validée par des données opérationnelles réelles. 【Résultats】 Les résultats montrent que les coefficients de corrélation du modèle pour le pH et la concentration massique de SO2 à la sortie sont respectivement de 0,85 et 0,80, témoignant d'une bonne performance de simulation. Basé sur des données opérationnelles réelles, une analyse de sensibilité a été effectuée sur des paramètres de fonctionnement clés tels que la température des fumées à l'entrée, le rapport liquide/gaz, et la quantité de solution alcaline ajoutée, montrant une bonne aptitude du modèle à suivre ces variations. 【Conclusion】 Ce modèle fournit une base théorique pour l'optimisation des procédés, la réduction de la consommation énergétique et la stabilité de fonctionnement des systèmes de prétraitement pour la capture du carbone.

capture de carbone; prétraitement des fumées; modélisation mécanistique; piloté par les données; prédiction de la valeur du pH