[发明专利]一种利用原油谱学信息预测渣油馏分SARA组成的方法

说明书

本发明提供了一种利用原油谱学信息预测渣油馏分SARA组成的方法，包括：(a)获取原油样本的渣油馏分SARA组成数据集和预设恒定温度下的谱学信息，对所述谱学信息中的特征变量进行微分处理，获得经微分处理后的谱学信息数据集；(b)将谱学信息数据集与渣油SARA组成数据集相关联，利用多元回归分析方法分别建立谱学信息主成分与渣油SARA组成的第一校正模型、谱学信息残差与渣油SARA组成残差的第二校正模型；(c)测定待测原油样本在预设恒定温度下的谱学信息，对其中的特征变量进行微分处理，将得到的谱学信息数据代入第一校正模型，谱学信息残差代入第二校正模型，两个模型预测结果相加得到渣油SARA组成。本发明方法分析速度快，测试准确、重复性好。

技术领域

本发明涉及石油化工领域，特别涉及一种利用原油谱学信息预测渣油馏分SARA组成的方法。

背景技术

渣油是石油中相对分子质量最大、结构最复杂、含杂原子量最多、沸点最高的部分，具有结构复杂、相对分子质量大、沸点高的特点，随着石油的重质化以及对轻质油品需求的日益增加，如何有效地将重质油转化为轻质油品已经成为石油工业的重要课题之一。要充分、合理的利用渣油资源，就需要对其结构、组成有清楚的认识。经典的分析方法是对渣油先用正庚烷沉淀出正庚烷沥青质(Asp)，然后再以含水1％的中性γ-Al₂O₃为吸附剂进行吸附色谱分离，用石油醚、苯和苯/乙醇(50/50，v/v)为溶剂顺次冲洗出饱和分(S)、芳香分(A)和胶质(R)。习惯上常将这四个组分的英文名称的第一个字母组合起来，称之为SARA分离法，该方法存在分离周期长、溶剂及固定相消耗多等缺点。显然，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。目前国内外大型石化企业都正在基于多种现代仪器分析手段开发建立原油快速评价技术，包括色-质联用(GC-MS)、核磁共振(NMR)、近红外光谱(NIR)和中红外光谱(MIR)等。

从原油评价以及分子炼油的角度出发，渣油馏分的四组分对从分子水平认识原油以及原油调和非常重要，单独建立渣油馏分的谱学信息数据库，通过标准方法采集SARA组成费时费力，成本高。

陈瀑在《近红外原油快速评价技术二次开发与工业应用》(石油炼制与化工，2014，45(8)：97～101)一文中，利用近红外原油快速评价系统进行二次开发，该方法通过建立针对炼化企业的近红外原油光谱数据库，以库光谱信息拟合及识别相结合的方式建立了快速评价分析模型，可以得到原油的主要宏观物性。

Aske N等在“Determination of saturate,aromatic,resin,and asphaltenic(SARA)components in crude oils by means of infrared and near-infraredspectroscopy”{Energy Fuels，Issue 15，Pages 1304–1312(2001)}一文中，以近红外、中红外光谱结合偏最小二乘方法用于深色重质油品物化性质如渣油的四组分含量的快速测定。该方法通过渣油的红外/近红外光谱建立校正模型预测渣油的四组分含量，但该方法的进样与清洗过程较为繁琐，工作效率低。

发明内容

本发明提供了一种利用原油谱学信息预测渣油馏分SARA组成的方法。

本发明的预测渣油SARA组成的方法，包括如下步骤：

(a)获取原油样本的渣油SARA组成数据集和预设恒定温度下的谱学信息，对所述谱学信息中的特征变量进行微分处理，获得经微分处理后的谱学信息数据集；

(b)将谱学信息数据集与渣油SARA组成数据集相关联，利用多元回归分析方法分别建立谱学信息主成分与渣油SARA组成的第一校正模型、谱学信息残差与渣油SARA组成残差的第二校正模型；任选进一步对所述第一校正模型与所述第二校正模型进行验证的步骤；