应对全球气候变暖,减少温室气体排放是全人类面临的重要挑战。碳捕集和封存技术（Carbon Capture and Storage,CCS）可以将化石燃料转变为零碳排放的清洁能源,是降低CO2排放的主要手段之一。CO2运输环节将捕集压缩后的CO2运输到特定地质封存点储存,是连接捕集与封存的纽带。其中,管道运输具有运量大、成本低和安全性高等优势,被认为是最经济和安全的运输方式。管道中CO2质量流量的准确测量是大宗碳排放交易的重要依据,同时也对监测CCS项目运行情况,评估项目成本有着重要作用。然而在CCS条件下输送管道内CO2可以呈现单相气、单相液、气液两相和含杂质气液两相等状态,并随工况不断变化,给精确测量CO2流量带来挑战。此外电网中可再生能源的不稳定性使得部署CCS项目的火力发电厂负荷灵活多变。CCS管道中CO2流量也将处于动态变化中。针对以上问题,在系统理论和实验研究基础上,本文对适用于CCS条件的不同工况下CO2质量流量测量方法展开研究,主要的创新性工作和研究内容如下:（1）本文基于科里奥利质量流量计,结合电容传感器等其他常规测量仪表,提出了适用于CCS过程的CO2质量流量测量方法。通过对科里奥利流量计传感机理的研究,分析了 CO2气液两相流质量流量测量误差产生的机理和变化规律,以此为基础分别建立了机理模型和数据驱动模型。采用叠加法将两种模型相结合,提出了 CO2质量流量测量的机理-数据混合驱动模型。混合驱动模型综合考虑已有的背景知识与数据,在保证测量精度的同时增强测量模型的泛化能力和可解释性。（2）设计并建造了满足CCS过程要求的CO2气液两相流流量测量平台,完成了平台控制系统、参考系统和安全系统设计。CO2气液两相流流量测量平台温度范围为15～30℃,压力范围为5.0～7.2 MPa,测试管段管径为25 mm,可以为单相气体、单相液体、气液两相和含杂质气液两相CO2流量测量提供标准。以CO2气液两相流测量平台为基础,分别对纯CO2气液两相流和含杂质CO2气液两相流质量流量测量展开实验研究。（3）设计了一种耐高压的四电极电容传感器,实现CCS条件下CO2气液两相流流型识别和含气率测量。通过分析不同流型下电容信号与含气率的关系,提出了一种基于无监督模糊C聚类算法的CO2气液两相流流型识别方法。在此基础上建立了不同流型下的CO2气液两相流含气率测量模型。实验结果表明所提出的流型识别方法能够满足CCS条件下的CO2流动状态监测。在含气率范围为5%至80%条件下,模型测量结果的相对误差在±5.9%以内,绝对误差小于±2%,可以为质量流量测量提供参数支持。（4）提出了稳态流动条件下的CO2气液两相流质量流量测量方法。基于科里奥利流量计与电容传感器,建立了结构直观、参数可调整的质量流量测量机理模型。以机理模型为基础,利用深层神经网络（Deep Neural Network,DNN）和最小二乘支持向量机（Least Squares Support Vector Machine,LSSVM）分别建立了纯CO2两相流条件下质量流量测量的机理-数据混合驱动模型。实验结果表明,在质量流量范围为300 kg/h至3000 kg/h,含气率范围为0%至80%条件下,基于DNN算法的混合驱动模型在测量精度上表现更好,质量流量测量结果的最大相对误差在±1.5%以内。不改变数据驱动模型结构和参数,将混合驱动模型直接应用到含杂质CO2两相流质量流量测量中以验证模型的泛化性能。实验结果表明,基于LSSVM算法的混合驱动模型具有更好的泛化性能,在含N2、O2和Ar等杂质的CO2质量流量测量时大部分样本点的最大相对误差在±2%以内。（5）提出了适用于动态变化过程的CO2气液两相流质量流量测量方法。在CO2气液两相流测量平台上模拟了 CCS负荷变化导致的气液两相流流量与含气率的快速变化过程。在动态过程中科里奥利流量计的测量管的振动阻尼变大,输出难以跟随流体的快速变化。本文分析了动态过程中科里奥利流量计的的误差变化趋势与时序特征,提出了基于长短期记忆（Long Short-Term Memory,LSTM）算法的机理-数据混合驱动测量模型,并通过系统实验验证了模型的有效性和准确性。实验结果表明,在动态过程CO2气液两相流测量中,基于LSTM算法的机理-数据混合驱动模型能够大幅度提升科里奥利流量计的测量准确度,在水平和竖直管道内测量最大相对误差分别为±4.6%和±3.7%。