国Ⅴ国Ⅵ汽油的调和分析

简要介绍云南石化汽油的调和技术及汽油池组成,通过分析汽油主要控制指标和产品质量状况,对比两种汽油标准,提出汽油调和过程中的控制措施,做好国Ⅵ标准汽油调和的准备。     

烃重组汽油与催化重整汽油的PONA分析及其组成对比

烃重组技术和催化重整技术都可以生产高辛烷值汽油调和组分,采用气相色谱PONA分析法对烃重组汽油和催化重整汽油分别进行组成分析,并对数据结果进行对比讨论;PONA分析显示,虽然二者都是芳烃质量分数大于70％的高芳烃含量汽油,但在组成分布上存在明显不同;通过结果判断,烃重组汽油的芳烃集中在C8～C10范围,重整汽油中的芳烃...     

催化裂化汽油的二次反应

从降烯烃、降硫和增产丙烯的现实需要出发,分析了FCC汽油二次反应中的理想和非理想反应.用小型提升管催化裂化实验装置考察了FCC粗汽油在REUSY、ZRP和MO-REY沸石催化剂上二次反应的产品分布和改质汽油组成;探讨了操作强度对二次反应转化率和选择性的影响.结果表明：在Y型或ZRP沸石催化剂作用下,FCC汽油二次反应不仅产生更轻的干气和富含丙烯的液化气,也产生更重的柴油和焦炭.二次反应得到的改质汽油与原料汽油相比,其烯烃含量和硫含量降低,芳烃含量和辛烷值明显提高.二次反应的转化深度和选择性取决于原料汽油的烯烃含量、催化剂沸石类型和操作强度.     

多维气相色谱法测定汽油的组成

在 AC 公司生产的多维色谱仪上建立了两种分析含不同烯烃浓度汽油组成的分析方法—PIONA 和PHONA,该方法适合国内汽油组成分析的要求.经研究得到结论:当烯烃含量高时,应该采用带有二段烯烃吸附温度的 PHONA 分析模式;烯烃含量在体积分数20%以下的汽油最好使用 PIONA 的分析模式.     

中红外光谱法测定汽油中含氧化物含量

利用IROX2000傅里叶红外光谱仪测定汽油中的含氧化物（醇类和醚类）,选用直馏汽油、重整汽油、催化裂化汽油等基础汽油配制36组不同浓度、不同含氧化物组分的标准样品,对成品汽油和配制的含氧汽油中的氧含量进行测定,并与气相色谱方法对比,验证了中红外光谱法测定汽油中含氧化物含量的可靠性.实验证明,中红外光谱法具有分析快速、重复性好、分析成本低等优点.     

催化裂化汽油轻重切割点的优化与选择

某炼厂在通过对催化裂化汽油进行硫形态分析和族组成分析后,通过流程优化软件RSIM(refinery-simulation)对切割塔进行模拟,实现对轻重汽油的精确切割。在保证轻重汽油加工后混合总硫质量满足国V汽油标准前提下,在催化裂化汽油进入汽油吸附脱硫装置前,将催化裂化汽油中的高烯烃馏分尽可能多地切入轻汽油中,减少催化裂化汽油在汽油吸附脱硫过程中由于烯烃饱和导致的辛烷值损失。结果表明:优化过后的催化裂化汽油辛烷值损失大幅降低,约有0.8个单位。     

劣质原料催化裂化脱硫降烯烃生产清洁汽油技术

介绍了劣质催化裂化原料的特点,分析了催化裂化汽油清洁化对策,应从提高FCC汽油质量关键应从FCC进料预处理、优化FCC加工过程以及FCC汽油精制等3方面出发．采用有效的降烯烃技术以及选择性加氢和氧化一萃取等脱硫技术对催化裂化汽油进行清洁化处理。认为应注重发展加氢技术,增强加氢在清洁油品生产中的作用;适当减少FCC汽油所占比例,增加异构化油、烷基化油、重整汽油比例,缩小与国外成品油结构组成的差距。     

生产清洁汽油催化技术进展

针对世界各国清洁汽油的发展趋势,叙述和分析了中国在生产清洁汽油方面的现状和各种生产清洁燃料的新技术,尤其是生产低硫、超低硫汽油技术。介绍了汽油中硫化物的来源和组成,分析了国内外汽油质量规格标准的进展,着重讨论了催化裂化(FCC)汽油脱硫技术及其经济性。     

多维法替代内标法检测汽油中苯含量

介绍了用多维气相色谱法测定汽油中的苯含量与标准SH/T0713汽油中苯甲苯分析法(内标法)测定汽油中苯含量对比,由对比数据可得内标法和多维气相色谱法结果误差达到内标法要求的重复性(0. 03x+0. 01)范围内。且采用多维气相色谱仪测定,操作简单,并且不需要接触有毒有害试剂,安全环保,并且可直接将汽油族组成和汽油中苯含量直接报告,两方法合一既节省人力物力又提高工作效率。     

车用汽油中苯胺类化合物的检测及来源分析

采用气相色谱-氮化学发光检测器(GC-NCD)方法测定了汽油调合组分和成品车用汽油中各种含氮化合物的分布和组成,对比分析了汽油中苯胺类化合物的来源。结果表明,正规车用汽油中的含氮物质均来自催化汽油组分,由原料性质、生产工艺等因素自然形成的,而且总氮含量较低,氮形态分布主要以苯胺、甲基苯胺等为主。与苯胺类物质作为汽油添加剂的加入量比较,提出了其判别检测限值的建议,为控制检测汽油质量提供依据。     

Gasoline classification by source and type based on near infrared (NIR) spectroscopy data

In this paper, we have tried to classify 382 samples of gasoline and gasoline fractions by source (refinery or process) and type. Three sets of near infrared (NIR) spectra (450, 415, and 345 spectra) were used for classification of gasolines into 3 or 6 classes. We have compared the abilities of three different classification methods: linear discriminant analysis (LDA), soft independent modeling of class analogy (SIMCA), and multilayer perceptron (MLP) - to build effective and robust classification model. In all cases NIR spectroscopy was found to be effective for gasoline classification purposes. MLP technique was found to be the most effective method of classification model building.     

基于近红外光谱的汽油牌号快速识别

提出基于近红外(NIR)光谱的汽油牌号快速识别算法,主要包括预处理、特征提取和分类建模几部分,比较了各种分类方法的识别能力。实验结果表明:采用主元分析(PCA)提取特征进行模式识别的性能普遍优于直接在光谱波长域的方法,通过选择合适的PCA主元可以获得满意的分类效果,可用于汽油产品的牌号快速识别。     

在线近红外分析仪在汽油优化调合工业生产中的开发应用

为了实现技术挖潜增效,根据近红外技术发展和实际应用需要,对近红外分析仪进行了软件升级、通讯升级和实施了探头安装等全面改造,同时根据生产需要对影响车用汽油质量的关键性指标烯烃含量、苯含量、芳烃含量等近红外分析项目建立了数学模型,扩展完善了异丙苯、非芳烃、生成油、异辛烷、MTBE、催化汽油、直馏汽油等七个组份及90#、93#、97#车用汽油的烃含量、苯含量、芳烃含量等测定模型。     

Active training sample selection and updating strategy for near-infrared model with an industrial application

Training sample selection is widely accepted as an important step in developing a near-infrared (NIR) spectroscopic model. For industrial applications, the initial training dataset is usually selected empirically. This process is time-consuming, and updating the structure of the modeling dataset online is difficult. Considering the static structure of the modeling dataset, the performance of the established NIR model could be degraded in the online process. To cope with this issue, an active training sample selection and updating strategy is proposed in this work. The advantage of the proposed approach is that it can select suitable modeling samples automatically according to the process information. Moreover, it can adjust model coefficients in a timely manner and avoid arbitrary updating effectively. The effectiveness of the proposed method is validated by applying the method to an industrial gasoline blending process.     

基于智能优化算法的软测量模型建模样本优选及应用

根据目标工况合理选择训练样本,是建立软测量模型的关键。传统的训练集样本选择方法难以充分利用因变量信息,而且难以综合考虑样本对模型的影响。为了解决上述问题,本文提出一种基于智能优化算法的训练集样本选择模型,定义了损失函数和样本压缩率,通过权重因子将二者融合为多目标适应度函数,可调整优化算法的寻优方向,使算法能够同时对建模样本组合结构与样本数量寻优,因此极大提高了所选建模样本的质量。为了验证方法的有效性,以汽油调和过程中采集的汽油近红外光谱-研究法辛烷值数据以及柴油近红外基准数据为例,与偏最小二乘、局部权重偏最小二乘等多种方法进行了比较研究,并分析了建模样本对软测量模型的影响。结果表明,本文方法在大规模降低训练集样本规模的同时能够保证软测量模型的精度和泛化性,非常适合工业应用。     

在线自适应波长选择方法及其在汽油调和过程中的应用

近红外光谱分析技术作为一种非侵入性的分析手段在工业上得到了广泛应用。然而,大多数近红外模型的波长选择方法是离线建立的,无法有效跟踪过程特性的变化。提出了一种新的在线自适应波长选择方法——在线自适应区间高斯过程回归波长选择方法（adaptive interval Gaussian process regression, AIGPR）,并用于汽油调和过程中的近红外模型的建立。该方法可以根据待测样本的特性对波长结构进行调整。为了降低在线应用的计算成本,该方法分为离线和在线两个部分,离线部分将光谱分割成若干个波长区间,并在每个波长区间上建立局部模型,为在线应用做准备;在线部分中根据划分规则将采样得到待测样本光谱进行分割并代入相应的局部模型中计算波长区间重要性指标,获得最优波长区间。在汽油辛烷值的光谱数据上证明了该方法的有效性。与重要变量投影法和改进的相关系数法相比,该方法具有更好的性能。     

模拟蒸馏技术在汽油馏程分析中的应用

利用气相色谱,采用非极性毛细管柱分离,用安捷伦7683B系列自动进样器进样,对汽油的馏程进行快速的测定,并对影响汽油快速模拟蒸馏分析的因素进行了考察。结果表明:快速模拟蒸馏目前可以适用于炼油中控里的直馏汽油,重整汽油,催化汽油等的等馏程的分析。     

基于M估计器的支持向量机算法及其应用

训练样本的准确性对回归分析模型有很大的影响,然而训练样本中难免会出现一些造成分析模型失效的奇异点。 为克服奇异点对回归模型的影响,本文提出了一种基于M估计器的支持向量机（M-SVM）。它采用M估计器的目标函数代替最小二乘支持向量机（LS-SVM）目标函数中的残差平方和,同时提出了M-SVM的迭代求解算法,并将该算法应用于含有奇异点的低维仿真数据回归和汽油近红外光谱定量分析中。实验结果证明,相比于其他的支持向量机,M-SVM具有更好的稳健性和分析精度。     

美欧日汽柴油标准分析及启示

制订先进、合理的汽柴油标准事关环保、消费者承受能力，炼油企业效益及炼油工艺发展方向等宏观经济的重大问题。根据对美欧日汽柴油标准的对比分析研究，就如何制订我国的汽柴油标准提出一些建议：应该借鉴美欧日汽柴油标准；不能也不应完全照搬国外汽柴油标准；我国的汽柴油标准应分地区、分阶段、分步骤实施；对提前实施国家汽柴油新标准的炼油企业，国家应在税收和贷款等方面给予优惠政策。     

催化裂化轻汽油醚化技术的技术经济效果

催化裂化轻汽油醚化技术可降低汽油烯烃含量和蒸汽压,提高汽油的辛烷值,在改善油品质量的同时,将低价值的甲醇转化为高附加值汽油馏分。本文对比介绍了国内外催化裂化轻汽油醚化技术的进展状况,并对国内某炼油企业基于轻汽油醚化技术的国Ⅴ升级方案进行了分析,论述了该技术对企业汽油质量升级的经济性、适应性。