柴油理化性质与烃族组成关联

 摘要：柴油的主要组分为烃类物质,包括链烷烃、一环烷烃、二环烷烃、三环烷烃、烷基苯、四氢萘、茚类、萘、烷基萘、苊类、苊烯类和三环芳烃。笔者采用相关分析法,考察了上述各烃类物质对中国成品柴油理化性质的影响规律,并采用逐步线性回归方法,建立了油品理化性质与其烃类组成的关联方程。F检验表明,上述方程可行,可以准确预测其中15项理化性质。根据关联方程确定了影响柴油理化性质的主要烃类物质,其中柴油的氧化安定性主要由苊烯类决定,低温流动性能主要由一环烷烃决定,十六烷值、密度和热值主要由链烷烃决定,润滑性主要由茚类决定。     

用柴油的烃族组成预测十六烷值和密度

用柱色谱和GC-MS方法测定了柴油的13种烃族组成，分别是：(1)链烷烃，(2)一环环烷烃，(3)二环环烷烃，(4)三环环烷烃，(5)烷基苯，(6)茚满萘满，(7)茚类，(8)萘，(9)烷基萘，(10)苊类，(11)苊烯，(12)三环芳烃，(13)胶质。采用线性最小二乘法拟合得到了柴油的十六烷值和密度与其13个烃族组成的关联式，统计检验结果并将计算值与实验值进行比较，结果表明，用烃族组成预测柴油的十六烷值和密度能够得到令人满意的结果。     

汽油的化学组成与理化性质的定量关系研究

利用GC／MS分析了37个汽油调和组分和成品油的烃族化学组成,将其分为正构烷烃、异构烷烃、环烷烃、芳香烃、异构烯烃、正构烯烃、环状烯烃、双烯烃,测定了辛烷值、馏程、胶质、酸度、色度、诱导期、碘值、密度、饱和蒸汽压等理化性质,考察了我国各种烃类物质间的相互关系以及烃类物质与汽油理化性质的相关性;采用逐步线性回归方法,建立了理化性质与烃类组成关系的回归模型。F检验结果表明,回归模型显著,可为汽油生产工艺的选取、配方优化及产品质量预测提供参考。     

减压蜡油烃族组成的预测研究

根据国内外各种原油350~500℃减压蜡油馏分(VGO)质谱法烃族组成的分析数据,用带约束的最小二乘规划的方法,整理出根据油品的常规性质———平均沸点、密度、氢含量、分子量、折光和100℃运动黏度关联其烃族组成的关联式,可用于预测出较为详细的烃族组成,亦可换算为结构族组成,与现有的计算烃族组成和结构族组成的关联式相比预测精度有较大的提高。此外,还提出了根据已知VGO的烃族组成和平均沸点预测常规性质的关联式,这些关联式均达到了较高的关联精度。     

介电谱技术快速测定柴油十六烷值

<正>采集41个已知十六烷值的普通柴油样品,采用介电谱技术分析其十六烷值。在试验样品中,以1个样品为未知样,以其余样品为训练集,采用交互验证法优选该未知样品所对应的主因子数,建立动态主成分偏最小二乘法模型。在测试样品十六烷值时,通过样品间距离判别待测试样与训练集中样品的相似度,选出最佳预测模型。利用所建模型对41个普通柴油样品的十六烷值进行了预测。结果表明,采用介电谱技术测定柴油十六烷值,测试结果可满足GB 386—2010标准的重复性、再现性要求。     

基于烃族组成的汽油调合优化模型研究

为保证汽油质量合格率和提高收益,确定汽油理化性质与烃族组成的定量关系,建立汽油调合优化模型,给出目标函数和约束条件的具体形式。根据模型特征,选用伴随方程解法对模型求解。模型应用结果表明,所建模型预测精度高,为配方优化和产品质量预测提供了技术基础。     

用烃类族组成预测神华煤直接液化柴油的十六烷值

 考察了现有的柴油十六烷指数计算公式对神华煤直接液化柴油的适用性,提出了计算煤直接液化柴油十六烷值与烃类族组成的关联式,回归求取了关联式系数。结果表明,国家标准GB11139,石油化工行业标准SH/T0694和日本NEDO3种计算方法均不能有效预测煤直接液化柴油的十六烷指数,计算结果的标准偏差分别为8.63,9.18和7.22;所建关联式能够很好地预测煤直接液化柴油的十六烷值,计算十六烷值与实测十六烷值相差不超过3,标准偏差为1.47.     

劣质原料油加氢改质技术的应用优化研究

研究了两种不同劣质原料油通过加氢改质反应生产优质国Ⅵ柴油调合组分。首先,在相同工艺条件下,考察了原料油性质对加氢改质产品分布以及性质的影响;其次,以此两种劣质原料油加氢改质所得的混合柴油为对象,考察轻、重柴油切割点对柴油密度、组成、十六烷值等性质的影响。结果表明：随着轻、重柴油切割点的提高,轻柴油与重柴油的密度、链烷烃含量以及十六烷值均逐渐增加;轻柴油十六烷值低,是劣质的柴油调合组分,但可以作为催化裂化原料;重柴油十六烷值高,但由于其凝点高,需要将其中更重的组分切出后,才能够作为优质的0号国Ⅵ柴油调合组分;对于上述两种混合柴油,轻、重柴油切割点控制在230℃,在控制凝点为0℃的前提下,重柴油组分收率最高,而且十六烷值能够满足国Ⅵ柴油标准要求。     

直馏柴油馏分烃类组成预测研究

选择直馏柴油馏分的20℃密度、馏程、20℃运动黏度、苯胺点4个常规物性参数及其之间的10个交互作用因子作为逐步回归因子,采用逐步回归的方法得到柴油馏分12个组分含量的预测模型。模型检验结果表明,预测残差基本小于模型的最大偏差,模型可用于直馏柴油的组成预测。     

基于近红外光谱快速预测石脑油单体烃分子组成

提供了一种快速测定石脑油分子水平组成的方法,以石脑油的族组成（PINA）和单体烃组成的实验室气相色谱分析数据样本为基础,建立了石脑油的单体烃分布比例库;采用样本增强（DA）法生成大量虚拟样本,以石脑油近红外光谱（NIR）作为输入变量,结合偏最小二乘法（PLS）建立了石脑油PINA组成预测模型,利用K-近邻回归法（KNR）建立了石脑油单体烃分布比例预测模型。预测结果表明,在数据样本范围内,利用所建模型可以快速测定石脑油的单体烃分子组成。     

Influence of the hydrocarbon composition of diesel fuels on their performance characteristics

The influence of different groups of diesel hydrocarbons on the physicochemical properties and performance characteristics of diesel fuels has been considered. The parameters to be evaluated have been cetane number, cetane index, diesel index, pour point, and cold filter plugging point. It has been shown that the hydrocarbon group composition, which reflects only the amount of arenes and paraffinic-naphthenic hydrocarbons, gives insufficient information for prediction of the performance properties of fuels. A more detailed study of the hydrocarbon composition of each group of compounds—the ratio of mono-, bi-, polycyclic arenes, the concentration and the ratio of high- and low-melting-point n-alkanes and isoalkanes—has made it possible to reveal the influence of each group on individual fuel characteristics.     

柴油近红外光谱的独立分量分析方法

 将新兴的多变量分析工具—独立分量分析(ICA)应用到石化行业中，分析柴油的十六烷值和密度、组分中芳烃含量与其近红外光谱之间的关系。ICA方法用于提取柴油近红外光谱数据矩阵的独立成分和相应的混合矩阵，再用BP神经网络对混合矩阵和十六烷值、芳烃含量以及密度进行回归分析，提出了新的柴油组分含量测定和特性分析的基于独立分量分析-神经网络回归(ICA-NNR)的近红外光谱分析方法。通过分析独立分量数和网络中间隐层的神经元数对模型性能的影响，分别建立柴油组分含量测定模型和密度特性的关联模型。结果表明，该方法用于实测的柴油样品近红外光谱数据的处理，测试样品集的标准方法测定值与所建模型预测值的相关性及相对误差均优于现行常用的PLS、PCR等方法。基于ICA-NNR的近红外光谱分析方法对石化行业中油品的组分及物理特性分析具有很好的可行性。     

An X-ray photoelectron spectroscopy study of the effect of sulfur compounds on antiwear properties of diesel fuels

The chemical composition of tribolayers formed during steel-on-steel friction in the presence of diesel fuel and cetane (as a model hydrocarbon) containing organic sulfur compounds of different classes was studied by means of X-ray photoelectron spectroscopy. It was shown that difference in the antiwear properties between the test samples is due to the morphology of the formed tribolayers.     

A Model for Blending Properties of Diesel Oils and Its Optimization Application

Abstract

Property prediction models are important for optimizing the blending ratio of diesel oils. Based on experiments of different blending ratios, published prediction models for freezing point were modified, a published model for cetane number was checked, and a new model for cold filter plugging point was developed. The accuracy of model prediction was quite good. Based on these models, a nonlinear programming method is more suitable for the ratio optimization of blending that makes the best use of poor blending components.     

NEURAL NETWORK PREDICTION OF CETANE NUMBERS FOR ISOPARAFFINS AND DIESEL FUEL

A backpropagation neural network was used to correlate and predict the cetane numbers of isoparaffins and diesel fuels. For the isoparaffins, the correlation was made between the chemical structure of the branched paraffins and their cetane number. Thirteen branched paraffins were employed to train the network. The group additivity method was used to express the degree of branching of the isoparaffins. According to their positions in the molecule structure, three carbon groups (methylene [-CH₂-] subdivided into methylene α, β and γ, or further, to a carbon that is not a methylene, methyne [>CH-] and quaternary carbon [>C<]) were regrouped into four categories, and included along with normal boiling points, as the network inputs. For the selected diesel fuels, different combinations of physical properties such as density, viscosity, aniline point, and distillation temperatures were tested as the neural network input. The best model was obtained using density, viscosity, aniline point and ASTM D86 measured distillation temperatures (IBP, 10%, 50%, 90% and FBP) as inputs. The trained network models, when applied to predict the cetane number of other isoparaffins and diesel fuel, were quite accurate.     

A mathematical model for calculating the increase in the cetane number of diesel fuels in the presence of an ignition initiator

A mathematical model was developed for calculating the increase in the cetane number of diesel fuels in the presence of the ignition initiator 2-ethylhexyl nitrate (EHN) as a function of the initial cetane number of the fuel and the concentration of EHN. The accuracy of the results of the calculations with the model is as good as the accuracy obtained on a bench unit. A mechanism of the reaction of EHN with the hydrocarbons in diesel fuel is proposed based on calculations with the PM6 semiempirical quantum-chemical method.     

不同催化剂对催化裂化柴油加氢裂化产品影响及预测

采用中国石油化工股份有限公司大连(抚顺)石油化工研究院研制的三种酸性依次提高,比表面积依次增大,加氢功能金属含量依次减少的催化剂,以芳烃含量较高的催化裂化柴油为原料进行了中试试验,在工艺条件相同的情况下,研究了上述三种不同类型催化剂对催化裂化柴油加氢裂化的产品分布、液体收率、氢耗和产品性质的影响规律。结果表明:在适宜的工艺条件下,采用酸性增强、比表面积增大和加氢金属含量减少的催化剂,加氢裂化产品中重石脑油收率和化学氢耗增加,柴油收率和液体收率减小,重石脑油抗爆指数可以达到84以上,柴油馏分十六烷指数可以达到35以上。以此数据建立六级总动力学模型,实现了加氢裂化装置液收和氢耗预估,以及石脑油馏分烷烃、环烷烃、芳烃和抗爆指数,柴油馏分烷烃、环烷烃、芳烃和十六烷指数率等产品性质的预测。通过对模型参数的调整,以及预测值与试验值的对比,较好地预测了不同催化剂对催化裂化柴油加氢裂化产品性质的影响,预测误差均在4%以内。     

柴油馏分碳数分布的预测研究

收集一定数量的柴油馏分样品，利用标准方法分别测定其基本物性、烃类组成信息和详细的碳数分布信息，建立起对应的数据库。对于一个待测柴油样本，首先根据其物性数据和烃类组成信息在库中找出与之距离最近的6个样本，然后利用这几个样本的信息，结合过采样技术在待测样本周围生成大量的虚拟样本，最后根据KNR算法进行回归计算，选择与待测样本最相似的4个虚拟样本，将这些样本的碳数分布组成信息进行线性加权加和，以此作为待测样本的预测值。将该方法应用于直馏柴油碳数分布的预测模型，柴油的硫含量、氮含量、酸值以及11个烃类（分别为链烷烃、单环烷烃、双环烷烃、三环烷烃、烷基苯、茚满/四氢萘、茚类、萘类、苊类、苊烯类和三环芳烃）的组成信息作为模型的输入特征，计算结果表明，这种模型能同时计算出直馏柴油中312项碳数集总的含量，计算速度快，准确度高，模型维护简单，具有一定的应用价值。