【Objetivo】 Los sistemas de pretratamiento para captura de carbono enfrentan problemas de alto consumo de energía, altos costos operativos y eficiencia de purificación inestable, donde las fluctuaciones del valor de pH del líquido de lavado afectan significativamente la eficiencia de absorción de SO2. Tomando como objeto de estudio el sistema de pretratamiento de captura de carbono de una planta eléctrica, se propone un método de modelado híbrido que integra un modelo mecanicista y el aprendizaje basado en datos. 【Método】 Este método combina la cinética química mecanicista con el algoritmo de aprendizaje automático de árboles de decisión, utilizando herramientas Python para construir el modelo, con el fin de predecir con precisión parámetros clave como el valor de pH del líquido de lavado y la concentración de masa de emisiones de SO2 a la salida, validado con datos reales de operación. 【Resultados】 Los resultados muestran que los coeficientes de correlación del modelo para el pH y la concentración de masa de emisiones de SO2 a la salida son 0.85 y 0.80 respectivamente, reflejando un buen rendimiento de simulación. Basado en datos reales de operación, se realizó un análisis de sensibilidad sobre parámetros operativos clave como la temperatura del gas de entrada, la relación líquido-gas y la cantidad de solución alcalina añadida, demostrando que el modelo tiene buena capacidad de seguimiento. 【Conclusión】 Este modelo provee una base teórica para la optimización de procesos, reducción del consumo de energía y operación estable del sistema de pretratamiento para captura de carbono.

captura de carbono; pretratamiento de gases de combustión; modelado mecanicista; conducción por datos; predicción del valor de pH