论文部分内容阅读
论文综述了国内外原油及馏分油物性关联研究的进展。采用实沸点蒸馏装置将纯梁原油切割成23个宽窄馏分,然后测定各宽窄馏分的密度ρ,折射率n,运动粘度ν,平均相对分子质量M及表面张力σ等物性。用逐步回归方法进行处理,得到适用于纯梁馏分油6种物性的预测经验关联式36个。包括密度的计算式8个(平均相对误差在0.18%~0.57%之间,以下括号内均为平均相对误差),折射率计算式8个(0.07%~0.29%),中沸点计算式5个(0.97%~2.21%),表面张力计算式7个(0.85%~3.60%),粘度计算式6个(1.01%~5.62%),平均相对分子质量计算式2个(2.45%,4.49%)。除了20℃粘度的预测精度较低外,其他各关联式形式简单、准确性好,有选择余地,能够满足实用要求。基团贡献法利用平均相对分子质量来确定各馏分的基团组成,在用单纯形法估算基团贡献值的基础上,借助逐步回归算法,对实测物性进行回归,得到预测模型8个。其中密度预测模型1个(2.65%);折射率预测模型3个(0.99%~2.45%);<325℃馏分表面张力的预测模型1个(3.44%);>325℃馏分表面张力的预测模型3个(2.62%~3.45%),都能满足工程计算的需要。本论文将人工神经网络引入石油馏分物性计算,建立了2层隐含层的神经网络实现馏分油物性间的关联,将该神经网络用于预测馏分油的密度,折射率,中沸点,表面张力,粘度,平均相对分子质量,结果表明神经网络所得结果总体上比逐步回归法和基团贡献法更优,结果满意。本论文还采用了连续性方法预测馏分油的物性,其中定积分法是把逐步回归法得到的物性预测模型看作是连续的。将所求馏分的初馏点和终馏点(或初馏点处的平均累计馏出质量分数和终馏点处的平均累计馏出质量分数)分别代入到定积分的下限和上限,将经验关联式作为被积函数,积分即可得到所求物性的预测值,此方法描述的是物性与馏程间的关系,平均相对误差在0.19%～4.78%之间,定积分法形式简单,所用到的参数少。广义积分法中被积函数引入了伽玛分布密度函数,利用拉普拉斯变换求解广义积分,进而求得所要预测的物性,平均相对误差在0.18%~4.84%之间。两种连续性方法都可以预测馏出温度在30℃~500℃范围内的任意馏分的物性数据,都能满足实际工程计算的需要。