随着经济的迅速发展,人类生活、生产的化石燃料需求正在不断增长,导致CO2排放量不断上升,造成严重的温室效应问题。燃煤电厂是主要的碳排放源之一,对烟气中的CO2进行捕集是缓解气候变化、促进人类社会可持续发展的重要方式之一。燃烧后二氧化碳捕集技术应用范围广,技术成熟度高,其中化学吸收法二氧化碳捕集技术捕集效率较高,捕集效果好,烟气处理量大,并成功的取得了工程应用,因此成为燃烧后最常用的捕集技术之一。其中醇胺溶液（MEA）吸收法具有吸收速率快、吸收效率高等优点,因此发展迅速。但MEA吸收法的工艺需要大量蒸汽满足醇胺再生所需热量,导致捕集能耗与成本较高。当前降低再生能耗成本的方法中,优化工艺参数具有成本低、操作难度小的特点,因此成为研究的热点之一。本文以胜利电厂CO2捕集工程为背景,围绕关键参数优化,对CO2捕集系统再生过程进行了优化。针对CO2捕集过程单位再生能耗非线性规划问题,建立了基于机理模型的二氧化碳捕集系统单位再生能耗优化模型,运用非线性规划方法中的罚函数法及牛顿法,以进入再生塔的富液温度为决策变量,对再生能耗进行了优化;基于最优富液入塔温度,对返塔冷凝液温度、富液升温差进行了参数敏感性分析;基于Aspen Plus流程模拟,与经验法进行了对比分析,结果表明,再生能耗降低了7.43%,验证了所设计优化方法的有效性。针对CO2捕集过程单位再生能耗模型精确度以及吸收、再生特性参数对再生能耗的影响问题,将影响二氧化碳捕集系统再生能耗的重要参数:二氧化碳捕集率、吸收液浓度、再生塔塔底压力、贫液负载率作为关键参数,基于Aspen Plus流程模拟,建立了单位再生能耗BP神经网络模型;基于建立的BP神经网络模型,建立了单位再生能耗优化模型,将四个关键参数作为决策变量,优化了单位再生能耗;并进行案例分析,验证了所建立神经网络模型的有效性,通过仿真与现有文献计算的单位再生能耗进行比较,结果表明,再生能耗分别降低了16.88%、27.86%、13.25%、17.95%,验证了所设计优化方法的有效性。针对CO2捕集系统再生过程能耗-成本多目标优化问题,同时考虑了单位再生能耗最低与CO2减排成本最低两个目标,建立了多目标优化模型,以二氧化碳捕集率、吸收液浓度、再生塔塔底压力、贫液负载作为决策变量。根据多目标优化模型,采用多目标粒子群优化算法,对能耗-成本多目标优化问题进行了优化求解。以胜利电厂100吨/天CO2捕集工程为背景,进行了案例分析,对二氧化碳捕集率、吸收液浓度、再生塔塔底压力、贫液负载进行参数敏感性分析,计算了这些参数对单位再生能耗和CO2减排成本的敏感度系数,验证选决策变量的有效性,通过仿真得到了能耗-成本两目标最优Pareto解集,并与仅考虑一个目标的优化结果进行了比较,比较结果表明,本文多目标优化可以避免因只考虑最低单位再生能耗而产生的高额CO2减排成本,也可以避免因只考虑CO2减排成本而产生的大量再生能耗,因此为CO2捕集系统优化配置奠定了理论基础,也为现场工程参数设定提供了理论依据,验证了所设计优化方法的有效性。