共查询到18条相似文献,搜索用时 218 毫秒
1.
汽油的化学组成与理化性质的定量关系研究 总被引:1,自引:1,他引:0
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。 相似文献
2.
3.
催化裂化汽油组成对其储存安定性的影响 总被引:3,自引:0,他引:3
通过对催化裂化(FCC)汽油组成、诱导期、吸光度等性质指标的跟踪测试,考察了影响FCC汽油安定性的主要因素。结果表明,FCC汽油中除按产品质量要求严格控制含量的烯烃、总硫及硫醇是影响FCC汽油不安定的主要因素外,共轭二烯烃的存在严重影响FCC汽油的储存安定性,含氮化合物是油品变色的关键物质,而大部分酚类化合物具有抗氧化性,它们的存在有利于延长氧化变质诱导期,但对FCC汽油生胶、变色具有酸性催化剂作用。酚含量越多的FCC汽油,其诱导期越长,但油品变色也越快。FCC汽油的酚含量较高(>200μg/g)时,其诱导期随着二烯值的增大而缩短,储存吸光度随着二烯值、碱性氮含量的增大而增加;酚含量较低(<120μg/g=时,汽油颜色稳定,二烯值、碱性氮含量的变化对储存吸光度影响不大,二烯值小至0.7μg/g也可导致诱导期缩短。通过优化催化原料和操作条件、优化调合和添加抗氧防胶剂等措施,可有效地提高FCC汽油的储存安定性。 相似文献
4.
针对成品油销售企业汽油辛烷值检测难的问题,提出了一种基于随机森林回归算法的研究法辛烷值(RON)预测方法。该方法基于成品油质量数据库中的实测数据,以汽油烯烃含量、芳烃含量、氧含量、馏程(10%,50%,90%馏出温度及终馏点)和密度作为自变量,研究法辛烷值作为因变量,分别建立92号汽油、95号汽油和(92号+95号)汽油的随机森林回归模型。结果表明,92号模型和95号模型的预测精度更高,两个模型的决定系数均达到0.95以上。应用这两个模型进行汽油RON预测,油品质量升级后,模型仍然保持了较高的精度,可靠性和适应性较好。与中红外光谱检测方法相比,随机森林回归模型超过84%的预测结果的绝对误差不大于0.7个单位,精度显著优于中红外光谱检测方法。该预测方法能够为销售企业汽油辛烷值的质量监控提供有益帮助。 相似文献
5.
6.
针对汽油调合组分化学组成差异大、烃类与乙醇混合溶液的非理想性,导致乙醇汽油调合过程产品质量控制困难的现状,对6种不同来源的汽油馏分进行组成分析,同时在各汽油馏分中添加体积分数为10%的乙醇制备6种汽油馏分的乙醇汽油(E10),测定汽油馏分及其E10的蒸气压和馏程,探讨乙醇的添加对汽油馏分蒸发性能的影响。结果表明:富含芳烃的重整汽油E10的蒸气压增幅最大,为17.5 kPa,富含饱和烃的加氢裂化重汽油E10、直馏汽油E10、烷基化汽油E10、异构化汽油E10的蒸气压增幅为1.5~10 kPa,富含烯烃的催化裂化汽油E10的蒸气压基本不变。6种汽油馏分E10的10%、50%馏出温度均有所降低,有利于汽油低温启动、加速性能的改善。优化乙醇汽油调合组分油的组成(尤其是控制芳烃含量)是控制乙醇汽油蒸气压不超上限的重要措施。 相似文献
7.
8.
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。 相似文献
9.
研究了汽油中烯烃、芳烃含量对尾气排放、蒸发排放以及燃油经济性的影响。研究表明,汽油组成对排放的影响与汽车技术紧密相关。在别克和桑塔纳2种车型上,降低汽油中烯烃含量对尾气排放的影响趋势不同,对别克车降低烯烃含量,排放升高;而对桑塔纳车降低烯烃含量,排放减少;汽油中芳烃含量对2种车型的排放以及燃油经济性的影响较大,且影响趋势相同。 相似文献
10.
降低汽油烯烃含量用RFG-NJ催化剂的工业试验 总被引:2,自引:0,他引:2
陈忠基 《精细石油化工进展》2003,4(4):39-43
在 1.0Mt/a重油催化裂化装置上进行了降低汽油烯烃含量用RFG -NJ催化剂的工业试验 ,并进行了标定。标定结果和日常统计数据分析表明 ,RFG -NJ催化剂具有显著降低汽油烯烃含量的性能。在装置掺渣率为 2 5 %左右、反应温度下降 6℃的情况下 ,汽油烯烃含量由48.6%下降至 3 6.5 % ,下降了 12 .1个百分点 ,汽油的诱导期延长 ,安定性得到改善 ,但汽油辛烷值略有下降 ,装置的总轻烃收率变化不大 ,丙烯收率下降了 0 .13个百分点 相似文献
11.
汽油烃组成对汽车排放的影响 总被引:1,自引:0,他引:1
使用不同烃组成的6种汽油分别在满足国III、国IV排放标准的车型上进行了I型、IV型和VI型排放试验,研究了汽油烯烃、芳烃含量对常温冷启动后、低温冷启动后尾气排放和蒸发排放的影响。结果表明,汽油组成对排放的影响与汽车技术密切相关,满足国IV排放标准的车型上,当芳烃体积分数为35%、油品烯烃体积分数控制在25%时,HC,CO,NOx三种排放物较低;芳烃含量对排放的影响与发动机技术相关,但基本上呈现出芳烃含量较低时排放也较低的趋势;总蒸发排放物随油品烯烃含量增加而增加;油品的非烷烃类烃含量(即烯烃含量与芳烃含量之和)越高,车辆低温冷起动后HC、CO排放越高。 相似文献
12.
以不同组成的碳四烃为原料,采用碳四低温芳构化生产高辛烷值汽油技术,在反应压力为2.0 MPa,反应温度为340~400℃,体积空速为1.0 h-1,氢气/原料油(简称氢油比,质量比,下同)为50∶1的条件下,考察SHY-DL催化剂对芳构化液相产物的影响。结果表明,各试样碳四烯烃转化率均大于99%;随着反应温度的升高,各试样碳五以上液体收率在380℃时达到最大值,汽油中芳烃质量分数提高,液相中汽油收率降低。以碳四烯烃质量分数为55.69%的碳四烃为原料,在反应温度为360℃,反应压力为2.0 MPa,体积空速为1.0 h-1,氢油比为50∶1的条件下,SHY-DL催化剂经过1 200 h的长周期运行表明,其活性与稳定性未见明显衰减。 相似文献
13.
全馏分催化裂化汽油芳构化改质的研究 总被引:4,自引:0,他引:4
采用浸渍法制备了ZnNi/ZSM-5催化剂,其中Zn、Ni的含量分别为2%和0.4%,以燕山石化公司全馏分催化裂化汽油为原料,在小型固定流化床上进行了芳构化改质的研究。实验结果表明:浸渍顺序对催化剂性能有明显的影响,经过磷改性后的催化剂具有较好的芳构化性能。在反应温度为470℃,空速为2.0h-1,剂油比为3.0,水油比为0.1的最佳反应条件下,催化裂化汽油经芳构化反应后,烯烃含量由57.24%下降至22.11%,而其芳烃含量则由10.85%增加到43.87%,烯烃含量符合GB17930- 1999的标准,而芳烃含量略大于其标准,可分离出来作为化工原料或直接作为调合汽油成分。 相似文献
14.
以C4烃为原料,在500 mL固定床芳构化实验室反应装置上,利用催化剂SHY-DL,考察了反应温度对芳构化产物收率及分布情况的影响。结果表明,随着反应温度的升高,副产物干气的收率逐渐增大,液化石油气(LPG)的收率变化不大,目的产物汽油的收率逐渐减小,柴油收率则逐渐增大;汽油中异构烷烃、正构烷烃和烯烃的质量分数逐渐减小,而芳烃的质量分数则逐渐增大,表明温度升高有利于芳构化反应的进行。C4烃芳构化适宜反应温度为380~420℃,所得汽油产物的收率大于40%,其辛烷值大于100,LPG中的丙烷质量分数约为50%。 相似文献
15.
清洁汽油生产技术进展 总被引:2,自引:0,他引:2
分析了车用汽油组成对环境的影响,尤其是汽油中的硫含量、烯烃和芳烃含量对环境的影响;针对这些影响因素,综述了汽油脱硫(包括加氢脱硫和非加氢脱硫)、降低汽油烯烃含量、生产高辛烷值组分等生产清洁汽油的技术。 相似文献
16.
中国石油兰州化工研究中心研究开发了碳四烃芳构化生产混合芳烃技术,并在河南濮阳恒润石化公司200 kt/a碳四烃芳构化生产混合芳烃装置工业应用,结果表明:以烯烃质量分数为41.91%的碳四烃为原料,在反应温度为400 ℃、反应压力为2.0 MPa、进料体积空速为1.0 h-1的临氢反应条件下,碳四烯烃转化率为99.02%,干气产率为1.94%,液化气收率为53.90%,汽油组分收率为40.11%,汽油RON为94~96,柴油组分收率为4.05%;液相产物中芳烃质量分数为56.48%,其中苯质量分数为2.01%,甲苯质量分数为11.58%,二甲苯质量分数为19.00%。 相似文献
17.
The maximizing iso-paraffins (MIP) process, a family craft of fluid catalytic cracking process, is designed to reduce olefin content and increase isoparaffin and aromatic content in gasoline. The authors propose a method used to predict the gasoline yield of MIP process. The prediction model with 17 input variables is based on generalized regression neural network and adaptive boosting (adaboost) algorithm. The mean square error between predictive gasoline yield and actual yield is 2.46. 相似文献