作为CO2捕获、利用和封存（CCUS）技术之一,富氧燃烧技术是减少化石燃料CO2排放的一种有效途径。通常情况下,富氧燃烧使用O2替代空气来燃烧燃料,并循环部分烟气调节炉内温度。另一部分烟气则被送往CO2压缩和纯化装置（CPU）,以获取高纯度的CO2产品。在CPU系统中,低温双闪蒸被用于将CO2与其他杂质分离。然而,由于操作参数之间存在着密集的相互作用,CPU系统面临着控制可靠性低的问题。为此,本研究旨在通过控制优化来提高运行可靠性。基于自回归分析模型和状态空间模型,提出了两种模型预测控制（MPC）结构来优化控制动作并遵循最佳轨迹。为了验证两种新的MPC方案,在烟气流速和CO2浓度阶跃变化的两种运行工况下,研究了CPU系统中运行参数的动态特性并与参考情况（PID控制）进行了比较。后续,对Aspen plus dynamics（APD）与simulink软件间进行了耦合,并将耦合后的CPU系统进行了动态（火用）分析。根据CPU系统的实际需要,选择了多个操作变量和控制变量。通过系统辨识法及控制系统设计两种方式进行了建模,筛选得到自回归分析模型及状态空间模型,并将模型预测控制应用于两种模型。通过对CPU系统应用±1%烟气CO2浓度的阶跃变化,获得了三种控制结构（MPC-ARX、PID和MPC-SS）的控制变量（CO2捕获率、产品CO2纯度和S-8流温度）的动态特性,以检验其可控性。所有被控变量都显示出一些波动,但在可接受的运行状态下变化。积分平方误差（ISE）被用来评估不同控制策略的控制可靠性。当烟气中CO2浓度增加和减少1%时,MPC-SS产品CO2浓度动态响应的ISE值分别为PID的27.5%和32.4%。此外,MPC-SS对CO2捕获率和S-8温度的ISE值比PID控制小。通过AMSimulink模块,将APD与Simulink联合运行开展动态模型验证,对比分析在烟气CO2浓度和烟气流量阶跃下的动态特性。结合动态（火用）理论,利用Matlab软件设计计算程序,对耦合后的模型进行动态（火用）的计算及分析。模拟结果表明,CPU系统对烟气CO2浓度的变化比对烟气流量的变化更敏感,系统在烟气CO2浓度上升过程中节约了能量。