近红外光谱法测定汽油辛烷值和辛烷值仪的研制

用近红外光谱预测汽油辛烷值的方法，将辛烷值机ASTM－CFR测定的汽油辛烷值数据与汽油的近红外光谱数据用多重线性回归（MLR）和偏最小二乘法回归（PLS）等化学计量方法关联，建立了汽油辛烷值的3个预测模型，可用来预测催化裂化汽油、重整汽油（包括烷基化汽油）和二者与直馏汽油的调合油的马达法辛烷值（MON）、研究法辛烷值（RON）和抗爆指数（泵浦法辛烷值PON），预测均方误差为0．7个辛烷值单位。可与ASTM-CFR相应方法的结果比较。将根据预测模型发展的软件安装于北京第二光学仪器厂试制的付立叶变换近红外光谱仪上，首次研制成功了FT-NIR辛烷值仪。测量所需汽油试样为3mL，测定时间少于3min。     

改进的预测汽油辛烷值的方法

该方法要求光计算出汽油馆分中的组分辛烷值，它是用现有的标准实验检测数据（含研究法辛烷值、马达法辛烷值及烯烃、芳烃、饱和烃的体积百分含量）和组分间的二元相互作用参数（从157个汽油馆分通过161种汽油调合方式归纳得出，有普遍的适用性）计算出来。设汽油馆分中的组分辛烷值相同，用人表示A馆分中的组分辛烷值，则可用下式求出ax。l二。＾／二三。龙门一见）（1）式中：X‘，九——组分体积百分含量；Ke——组分间二元相互作用参数；。＾——溜分A的辛烷值。根据汽油馏分中组分间的二元相互作用参数，可导出汽油馏分X和Y的二元相…     

近红外分析实验室模型的评价——在汽油管道自动调合的应用

采用近红外光谱技术的偏最小二乘法建立了汽油调合组分和产品汽油（90、93、97号）辛烷值、组成等性质的实验室模型，并用常规方法分析样品验证模型的准确性和稳定性。实验表明，其准确性达到标准方法对测定结果的要求。近红外光谱技术能在5min内快速、准确测定调合组分汽油和成品汽油的辛烷值、芳烃、烯烃、苯等性质。     

基于随机森林回归的汽油研究法辛烷值预测

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。     

甲醇作为汽油调合组分的特性

甲醇具有较高的净辛烷值和较高的调合辛烷值,在与烃类汽油调合时,是一种起高辛烷值汽油调合组分作用的含氧化合物。本文论述了甲醇与直馏汽油、烷基化油、催化裂化汽油以及催化重整汽油调合时的辛烷值调合效应、饱和蒸气压调合效应,以及调合油的相溶性、稳定性。为低浓度甲醇汽油的调合提供基础数据。     

催化裂化柴油选择性加氢裂化生产高辛烷值汽油或轻质芳烃原料的RLG技术开发和应用

基于对典型催化裂化柴油（LCO）的烃类组成以及汽油馏分中高辛烷值组分的分析,结合芳烃加氢反应机理,确定了LCO选择性加氢裂化生产高辛烷值汽油或轻质芳烃原料（苯、甲苯、二甲苯）技术（RLG技术）的最优化学反应路径,研究了工艺条件对RLG产品收率和产品性质的影响。第一代RLG技术工业应用结果表明,以密度（20℃）大于928.1 kg/m³的LCO为原料,可以生产收率大于43.48%、硫质量分数小于1.3 μg/g、研究法辛烷值大于92.0的高辛烷值汽油,同时还能兼产清洁柴油。在第一代RLG技术的基础上,开发了第二代RLG技术（RLG-Ⅱ技术）,中型试验结果表明,RLG-Ⅱ技术具有良好的原料油适应性,可得到高收率、高辛烷值的产品汽油及低硫、低氮清洁柴油调合组分。     

基于油品性质的汽油调和辛烷值模型的选取

 汽油调和组分对成品汽油辛烷值的影响效应十分复杂，与加工原油及参与调和的组分种类等密切相关，无法用统一的数学模型来描述。采用回归分析方法，对国内某炼油厂大量汽油调和试验进行了深入研究，得到各种汽油调和组分在参与不同标号的汽油调和时对辛烷值的影响效应，同时，结合对国内外常用辛烷值调和模型结构的分析，选取了适合于该炼油厂采用的汽油调和辛烷值模型。     

DCC与MIO汽油馏分的选择性加氢

ＤＣＣ汽油可以经选择性加氢改善其安定性，生产高辛烷值汽油调合组分；ＤＣＣ汽油经加氢精制后还可作为生产芳烃的抽提原料。ＭＩＯ汽油（包含Ｃ５的汽油馏分）经选择性加氢，蒸馏出的Ｃ５馏分可以直接进醚化装置生产ＴＡＭＥ；其余部分是很好的高辛烷值汽油调合组分。     

高辛烷值汽油调合组分生产技术新进展

高辛烷值汽油调合组分生产技术新进展一些醇类和醚类作为高辛烷值汽油调合组分越来越重要，特别是甲基叔丁基醚（ＭＴＢＥ）、乙基叔了基醚（ＥＴＢＥ）和叔戊基甲基醚（ＴＡＭＥ）的燃烧特性和混合性优于醇类，混合蒸气压也低，易使汽油蒸气压保持在５５ｋＰａ以下，且能...     

催化裂化柴油加氢转化馏分利用方案研究

中国石化大连(抚顺)石油化工研究院开发了以催化裂化柴油为原料生产高辛烷值汽油调合组分新工艺技术（FD2G技术）。针对催化裂化柴油加氢改质产品,通过分析其组分的烃类组成,分别加工利用,对于改善产品结构和提高市场竞争力十分有益。研究结果表明：加工高芳烃催化裂化柴油时,汽油产品芳烃含量高,辛烷值高,其中C6~C8芳烃富集的窄馏分可以作为芳烃抽提装置原料生产化工产品;加工低芳烃含量的催化裂化柴油时,汽油产品中芳烃含量低,辛烷值偏低,可将富集大量环烷烃的窄馏分作为重整装置原料,富含芳烃的窄馏分作为高辛烷值汽油调合组分。     

基于图卷积神经网络汽油单体烃辛烷值的预测

基于图卷积神经网络的神经指纹方法,引入了池化操作,建立了改进的神经指纹方法;进而采用改进的神经指纹法建立了汽油单体烃辛烷值的预测模型,作为对分子级汽油辛烷值调合模型的支撑。通过用单体烃沸点和临界温度数据集对预测模型进行验证,发现池化操作的引入对神经指纹法的预测能力有明显提升,改进神经指纹法模型可自动选取对辛烷值有利和不利的结构特征,双键结构对单体烃马达法辛烷值的影响比芳环结构的影响更大。该预测模型对研究法辛烷值和马达法辛烷值的预测达到了同等水平,取得了良好的预测效果。     

基于PLS-MI组合的天牛须搜索BP神经网络模型对汽油辛烷值的预测性能

针对数据集中特征变量存在高度非线性和冗余的特点,提出了一种基于偏最小二乘回归(PLS)和互信息(MI)组合降维法的改进天牛须搜索算法（RSBAS）优化BP神经网络模型(PLS-MI-RSBASBP),并用于S Zorb脱硫装置汽油辛烷值的预测。首先通过偏最小二乘法和互信息组合算法选取与汽油辛烷值强相关的特征变量,然后使用RSBASBP模型对汽油辛烷值进行预测,并与BP,GABP,BASBP网络模型预测结果比较。结果表明：PLS-MI-RSBASBP模型预测结果较其他模型预测结果的MAE,MSE,RMSE更小,预测准确度高;而且,PLS-MI-RSBASBP模型可以确定影响汽油辛烷值的特征变量,从而进行有效控制和优化。     

汽油调合优化神经网络模型的研究

采用BP型神经网络对某炼油企业汽油调合数学模型进行研究,依据汽油生产装置特点,确定了神经网络的拓扑结构,利用采集的汽油生产数据,确定了隐含层节点数和模型学习算法,并经过模型训练,得到了拟合能力和预测能力均较强的企业汽油调合神经网络。所建立的模型不需要调合机理的支持,因而具有较强的自适应能力。实际应用结果表明,该神经网络模型对调合过程中的非线性参数预测精度较高,可提供汽油调合的优化方案。     

用于FCC汽油辛烷值预测的非线性数学模型

依据汽油正构烷烃、异构烷烃、烯烃、环烷烃和芳烃(PIONA)的烃组成数据,将催化裂化(FCC)汽油单体烃组成分为37组,利用BP神经网络算法和支持向量机回归(SVR)分别建立了FCC汽油研究法辛烷值对37个变量的非线性数学模型。由MATLAB软件编写程序,利用Levenberg-Marquardt优化算法训练BP神经网络。支持向量机回归模型采用粒子群算法优化支持向量机参数及核函数参数,并采取交叉验证方法防止机器学习的欠学习和过拟合问题。计算结果表明:两种模型都能够较好地反映汽油单体烃组成与辛烷值之间的非线性关系;BP神经网络模型对辛烷值的预测性能好于支持向量机回归模型;增加样本数量,两种方法的预测准确性皆变好;针对40个样本的学习结果,两种模型预测的相对误差绝对值的平均值分别为0.148 7和0.167 4。     

Radial basis function (RBF) network for modeling gasoline properties

One of the important products of a crude oil refinery is gasoline which is greatly used as a liquid fuel. Hence, it is necessary to accurately specify its quality by measuring different properties of gasoline. In this study, radial basis function neural networks were utilized for estimation of different characteristics of gasoline including specific gravity (SG), Reid vapor pressure (RVP), research octane number (RON) and motor octane number (MON). The genetic algorithm was used as an optimization algorithm to optimize the maximum neuron number and spread of model. Results reveal that the developed GA-RBF model is effective and precise for estimating experimental data. Furthermore, comparison between the GA-RBF model and a previously reported LSSVM model in literature shows the superiority of GA-RBF model.     

在线近红外光谱快速测定重整原料和产品的族组成及辛烷值

介绍了在线近红外光谱仪快速测定重整原料、重整汽油的PNA组成及辛烷值的方法。利用CCD在线近红外光谱仪采集重整原料及汽油的近红外光谱，并经微分、中心化处理，用偏最小二乘法建立辛烷值及C4～C10的直链烷烃（P）、环烷烃（N）、芳烃（A）的校正模型，预测结果符合标准方法的要求。     

在线近红外光谱分析仪在汽油自动调合系统中的应用

在线近红外光谱分析仪可以实时测定汽油调合组分及成品油的多种物化性质指标如烯烃、芳烃、苯及氧化物含量、辛烷值（RON、MON）、馏程、蒸气压等。文章介绍了用于汽油自动调舍工艺中的在线近红外光谱分析仪的原理、系统组成和特点，以及在国内外的汽油调合优化控制中的实际应用情况。典型的应用实例表明，将该分析仪用于汽油自动调合工艺中，可为炼油厂带来可观的经济效益和社会效益。     

汽油辛烷值过剩原因分析及措施

通过对某炼化公司汽油池组分性质、汽油调合过程、辛烷值现状和辛烷值过剩原因进行分析,总结了辛烷值过剩的具体原因并制定了相应的优化措施,得出在现有汽油生产过程中通过优化过程控制、增加分析频次监控辛烷值变化、优化汽油配制计划、动态优化汽油调合比例等措施,达到了降低汽油的辛烷值富裕度,减少质量过剩的目的,增加了企业效益。经过后期的实践跟踪,出厂汽油的辛烷值富裕度明显下降,证明了各项措施的有效性、可行性。