论文部分内容阅读
渣油烃族组成和性质是渣油加工所需的重要数据。它们包括四组分(SARA)组成、残炭、密度、粘度、元素含量(C、H、N、S)。目前,渣油烃族组成分析方法为经典的洗脱色谱法(EC法),操作复杂,分析耗时间长,并使用有毒溶剂。其他渣油性质也大多使用费时的传统分析方法。显然,这些方法难以满足渣油加工过程控制对分析的快速要求,因此,建立快速和高效的渣油性质分析方法具有重要的实际意义。近年来,光谱分析方法,如近红外光谱,已广泛应用于分析汽油和柴油等轻质油品性质,具有快速、准确、重复性好、无污染等优点。由于近红外光谱属于分子振动的倍频和组合频,与中红外相比,灵敏度低,其所需要的测量光程较大(2~100mm)。由于渣油样品具有深色和粘稠的特点,近红外分析测量其光谱尚有一定的困难。为此,本研究提出采用多重衰减红外光谱,建立同时快速测定渣油四组分(SARA)、粘度、密度、残炭和元素C、H、S、N的新方法。使用常规的中红外液体池测量渣油光谱,在注样、清洗和保持测量光程一致性上具有一定的困难。为此,本研究提出使用多重衰减全反射(ATR)附件测量渣油光谱有效地解决了上述问题。通过设计试验考察了渣油ATR红外光谱的重复性和温度对渣油ATR红外光谱的影响规律,即吸光度随着温度的升高而降低,并且产生峰位移动。提出须在恒温条件下测定样品的红外光谱,以满足建模对光谱重复性的严格要求。通过考察光谱特征峰强度与饱和烃和芳香烃含量之间的变化规律,发现SARA组成含量与光谱强度之间并不存在简单的线性关系。因此,红外光谱定量分析需要采用多元校正方法。渣油种类繁多,组成差异较大。对混合模型的研究表明,难于使用一个模型对各类渣油SARA进行校正,须对各类渣油分别建立各自的模型。因此,在红外分析方法的预测中,首先要解决的问题是渣油类型识别。本研究选取了常见的三类渣油(常压渣油、减压渣油和加氢渣油)作标样,首先采用近红外光谱分析中常用的分类方法SIMCA方法,对渣油进行分类识别的研究。结果表明,SIMCA模型对加氢渣油、常压渣油和减压渣油不能进行有效识别。通过红外光谱主成分分析和渣油组成分析,对SIMCA方法不能有效识别渣油的原因进行了合理的解释。通过探索研究,提出了采用偏最小二乘投影判别法建立渣油分类识别校正模型,研究结果表明该方法预测率和识别率都达到100%。为红外光谱分析渣油性质模型建立和预测,提供了渣油类型的模式识别方法。在渣油聚类与识别的基础上,采用PLS法分别建立了三类渣油的12个SARA校正模型和加氢渣油的残炭、密度、粘度和元素C、H、S、N共7个校正模型。研究结果表明,三类渣油SARA四组分,加氢渣油的残炭和元素(H、S、N)的红外光谱分析方法测定结果与标准方法测定结果一致。成对t检验结果表明,红外光谱法与测定三类渣油SARA四组分和加氢渣油残炭、元素(H、S、N)的标准方法之间没有显著性差别。这些模型建立所用的渣油样品来自国内和中东地区共90多个油田的原油加工所得共200多个校正样本,组成分布比较宽,说明所建模型具有相当的代表性,所建立的渣油SARA四组分和加氢渣油残炭、元素(H、S、N)红外分析模型具有实用性。与现有的标准方法或参考方法相比,所建新方法具有速度快、重现性好、操作简单、不用有毒溶剂、样品用量少等优点。可以同时测定渣油的11种不同性质,分析成本大大降低。因此,它非常适合渣油性质的常规分析,具有较好的应用前景。为进一步扩大方法的适用范围,尚需继续收集渣油样品,对校正集范围进行扩充。