CN108760789A - 一种原油快评方法 - Google Patents

Abstract

本发明涉及一种原油快评方法，本方法提供了一种低成本、短周期、高精确度的原油全面详细的性质数据及分子组成数据获取方式，可以为使用者提供及时完整的原料数据支撑，为指导和优化石油化工企业的生产提供准确、快速的参考；当原油性质发生变化时，使用者通过该方法可以快速准确地掌握原油及馏分全面详细的性质数据及详细分子组成数据，迅速地做出相应的生产策略更新及调整，以提升企业的经济效益。

Description

一种原油快评方法

技术领域

本发明涉及石油炼制及石油化工生产技术领域，尤其涉及一种原油快评方法。

背景技术

对于不同性质的原油，其适宜的处理和炼制方案也不同。采用合适的生产方案或操作参数，可以降低生产成本，增加产品质量或收率，使炼化企业效益最大化。来自上游或企业购入的原油性质不是一成不变的，随着时间推移其性质会偏离原来的生产操作方案的设计数值。为了应对这种变化，炼化企业需要快速准确地掌握原油全面详细的性质数据，以制定、更新相应的生产计划策略。

我国目前已有一套完整的原油评价标准试验方法，可以获得原油全面详细的性质数据。但这些方法分析时间较长，所需样品量较大，分析成本高，已不能满足实际应用的需要。

原油快速分析技术是基于现代分析仪器的原油评价技术，可以在短时间内获得原油及各种油品的性质数据，例如近红外光谱(NIR)、中红外光谱(IR)及核磁共振波谱(NMR)技术。红外光谱主要反映物质分子振动和转动的基频信息，可以反映绝大多数有机化合物的官能团信息，吸收信号强，谱峰明显，易于分辨。核磁共振分析是一种电磁分析技术，在磁场下使原子核发生跃迁，通过波谱上的位置和强度来定性及定量分析各种分子结构，具有样品前处理简单，模型鲁棒性好等优点。红外及核磁共振等光谱、波谱技术均是通过已有数据事先建立分析模型，然后再对未知样品进行预测。每一种关联性质均需建立模型并进行校正后，才能用于未知样品的预测。而原油评价除了原油的基本性质，还需要了解其他性质、不同馏分的物化性质、以及原油的详细分子组成。若对原油每一项性质、不同馏分性质、每一种分子组成均进行关联建模、校正，则存在光谱、波谱含有的信息量有限，无法建立原油全面详细的性质关联模型及详细分子组成的关联模型的问题，同时要耗费极大的成本。因此，单纯的光谱或波谱技术很难实现原油全面详细的性质分析、详细分子组成分析。因此，此类快速分析技术一般只适合选取若干项原油性质进行评价，比较简略，例如核磁共振技术可选取如表1所示的22项原油性质。

表1

综上所述，现在存在的技术问题包括如下四种：

1.获得原油全面详细的性质数据的经济及时间成本过高；

2.获得原油宽、窄馏分全面详细的性质数据的经济及时间成本过高；

3.获得原油全面详细的性质数据需要依赖复杂的实验设备，第一线炼油及石化生产人员无法快捷地获取并指导生产。

4.现有的快评方法无法获得原油详细的分子组成数据。

发明内容

本发明为克服上述的不足之处，目的在于提供一种原油快评方法，本方法提供了一种低成本、短周期、高精确度的原油全面详细的性质数据及分子组成数据获取方式，可使得炼化企业可以在短时间内了解原油的详细性质及分子组成，并利用其为炼化过程各种生产活动提供科学指导。

本发明是通过以下技术方案达到上述目的：一种原油快评方法，包括如下步骤：

(1)基于历史原油详评数据和原油分子数据库构建原油数据库；

(2)基于历史原油核磁波谱及相应原油的残炭质量分数、蜡质量分数、胶质质量分数、沥青质质量分数、酸值、API、水含量和实沸点质量收率的实测数据中的一种或多种，建立核磁波谱的解析模型；

(3)采用核磁分析仪，以及粘度分析仪、硫含量分析仪、密度分析仪中的一种或多种，对未知原油进行分析检测获取原油数据，其中原油数据包括原油的核磁波谱，以及原油粘度、硫含量、密度数据中的一种或多种；

(4)利用解析模型对原油数据中的核磁波谱进行解析，并将解析结果与原油数据内除核磁波谱外的其他数据结合后，基于原油数据库进行搜索匹配，找出最佳匹配原油；

(5)根据未知原油和最佳匹配原油之间的差别，基于拟合算法获得未知原油的全面详细的性质数据及分子组成数据；

(6)根据未知原油的全面详细的性质数据及分子组成数据，基于汽液平衡的切割计算方法及性质预测方法得到原油各宽馏分的性质及分子组成数据；结合原油各宽馏分的性质及分子组成数据同理获得原油各窄馏分的性质及分子组成数据；基于原油各宽馏分及各窄馏分的性质及分子组成数据，生成详细评价报告。

作为优选，所述原油数据库的构建方法为选取具有代表性的M套历史原油详评数据，根据详评数据在原油分子数据库中查找最接近的原油，在该最接近原油的分子数据上基于详评性质进行拟合，得到M套历史原油的分子组成数据；最后将历史原油详评数据与历史原油的分子组成数据结合得到原油数据库；其中，在查找时使用欧氏距离算法。

作为优选，所述的解析模型可通过偏最小二乘法、人工神经网络、遗传算法中的任意一种或多种算法而建立，其中优选采用偏最小二乘法建立，具体方法如下：

(a)选择若干份有代表性的已有原油样品进行NMR扫描，得到其NMR谱图；

(b)采用常规检测方法对原油样品进行测定，得到准确的物性数据，包括残炭质量分数，蜡质量分数，胶质质量分数，沥青质质量分数，API，酸值，水含量，实沸点质量收率中的一种或多种；

(c)将谱图与物性数据关联，通过偏最小二乘法计算标准曲线，得到相应的物性模型Y＝b₀+b₁X₁+b₂X₂+…+b_pX_p；其中，Y表示物性数据，X表示谱图中与物性关联度大的信号区段上的点，p为样品数，b为回归系数。

作为优选，所述的核磁波谱的解析结果为建立解析模型时选择的残炭质量分数、蜡质量分数、胶质质量分数、沥青质质量分数、酸值、API、水含量和实沸点质量收率中的一种或多种。

作为优选，所述搜索匹配时采用K最近邻算法进行搜索匹配。

作为优选，所述未知原油和最佳匹配原油之间的差别通过欧式距离算法计算得到，公式如下：

其中，D_AB表示原油A与原油B的差别，x_ai与x_bi分别表示A、B原油第i项性质的值。

本发明的有益效果在于：(1)本发明节约了大量的检测费用、时间成本以及人力成本，并且可获得原油详细性质数据与详细分子组成数据；(2)本发明在保障了快速检测的前提下，可以得到更为全面、详细的原油性质数据(现有核磁分析仪原油快评方法仅能获得原油22项左右简要性质，本发明可获得原油88项详细性质及宽、窄馏分83项详细性质)，还可以获得原油多达2-3万个详细分子组成数据；(3)根据使用者积累的历史原油数据建立的原油数据库，可以使拟合及预测的结果更接近实际情况，增加了本发明的原油快评方法的可靠性。(4)本发明可以为使用者提供及时完整的原料数据支撑，为指导和优化石油化工企业的生产提供准确、快速的参考。当原油性质发生变化时，使用者通过该方法可以快速准确地掌握原油及馏分全面详细的性质数据及详细分子组成数据，迅速地做出相应的生产策略更新及调整，以提升企业的经济效益。

附图说明

图1是本发明方法的流程示意图；

图2是本发明实施例中新购原油的核磁波谱；

图3是本发明所使用的K最近邻算法的检索示意图；

图4为本发明实施例预测的部分宽馏分性质与详细实验分析结果的比对示意图。

具体实施方式

下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此：

实施例：如图1所示，一种原油快评方法，包括如下步骤：

(1)针对某石化厂常用的原油，选取具有代表性的70套历史原油详评数据，建立原油数据库，详评数据均包含但不限于以下数据：原油的API(密度、比重)、酸值、水含量、实沸点质量收率、硫含量。根据详评数据在原油分子数据库中查找最接近的原油，在该最接近原油的分子数据上基于详评性质进行拟合，可得到70套历史原油的详细分子组成数据；其中在查找时使用欧氏距离算法。

(2)运用核磁分析仪获得新购原油的核磁波谱，见图2。另外利用硫含量分析仪获得原油的硫含量；以上数据合称原油数据。

(3)采用偏最小二乘法建立解析模型，包含以下三个步骤：①选择100份有代表性的已有原油样品进行NMR扫描，得到其NMR谱图；②采用常规检测方法对原油样品进行测定，得到准确的物性数据，包括API，酸值，水含量，实沸点质量收率；③将谱图与物性数据关联，通过偏最小二乘法计算标准曲线，得到相应的物性模型Y＝b₀+b₁X₁+b₂X₂+…+b_pX_p。式中Y表示物性数据，X表示谱图中与物性关联度较大的信号区段上的点，p为样品数，b为回归系数。

利用上述解析方法对核磁波谱进行解析，将谱图数据解析为酸值、API、水含量和实沸点质量收率；本阶段获得的原油性质数据如表2所示。

表2

(4)基于表2中的15项性质数据，在步骤(1)建立的原油数据库中利用K最近邻算法进行搜索匹配，找出最佳性质匹配的原油。K最近邻算法的检索示意图如图3所示。两个原油之间的差别使用欧氏距离(Euclidean Distance)算法，计算公式为式中D_AB表示原油A与原油B的差别，x_ai与x_bi分别表示A、B原油第i项性质的值。

并且根据新购原油与最佳匹配原油的差别，结合拟合算法，获得新购原油除实沸点蒸馏-馏分质量收率、实沸点蒸馏-累计质量收率API、酸值、水含量、硫含量以外的82项原油性质数据以及原油2-3万个详细分子组成数据。本阶段获得的部分性质数据见如表3所示，获得的部分原油分子数据见表4。

比重	0.843	苯胺点	57℃
				碳含量	85.42wt％	折光率(20℃)	1.501
氢含量	13.24wt％	凝点	-6.04℃
				氮含量	0.098wt％	镍	5.93ppm
残炭	2.42wt％	钒	13.49ppm
				运动粘度(40℃)	3.49cSt	钠	21.91ppm
闪点	-4.2℃	钙	11.6ppm
				总蜡含量	2.51wt％	铅	20ppb

表3

分子式	分子浓度，wt％	分子式	分子浓度，wt％
				C2H4	0.002063	C4H8	0.003329
C2H6	0.017863	C4H8S	0.002083
				C2H6S	0.017742	C4H9N	0.016643
C3H6	0.01612	C5H10-1	0.007982
				C3H8	0.002224	C5H10-2	0.018153
C3H8S	0.012883	C5H10-3	0.003478
				C4H11N	0.006302	C5H10S	0.014676
C4H4S	0.009405	n-C5H12	0.016064
				……	……	……	……

表4

(5)通过基于汽液平衡的切割方法及预测算法，计算出新购原油的宽馏分的83项性质数据，即表5中除了互溶性指数，水含量，饱和蒸气压(RVP)，盐含量，赛比五个性质以外的其余性质；宽馏分的温度范围设定为(单位℃)：IBP～180，180～240，240～300，300～350，350～540，540～FBP；并生成原油详细评价报告，其格式如表6-表15所示。

表5

结合上述步骤所获宽馏分性质及分子组成数据，结合基于汽液平衡的原油切割计算方法，同样计算出原油窄馏分的83项性质及分子组成数据。其中窄馏分的温度范围为5摄氏度。

其中，馏分性质的预测可基于该性质的混合特征是线性或非线性进行推算。例如，碳含量、氢含量的混合特性为线性，其馏分与全油中的含量关系即可基于馏分收率，通过简单的线性方程关联；粘度等性质的混合特性为非线性，其馏分与全油的性质关联也是非线性的。以粘度为例，可通过以下方程进行计算。式中下标blend表示混合物，下标i表示用于混合的组分；w表示质量分数；v表示粘度，cSt。

原油性质

表6

实沸点蒸馏收率及窄馏分性质

表7

实沸点蒸馏每10℃馏分累积质量收率，w％

	0	10	20	30	40	50	60	70	80	90
											100									24.22	25.65
200	27.09	28.81	30.57	32.34	34.1	35.87	37.67	39.47	41.38	43.40
											300	45.36	46.86	48.35	50.23	52.18	54.04	55.50	56.86	58.22	59.52
400	61.16	63.12	65.02	66.61	67.87	69.21	70.98	72.78	74.44	76.00
											500	77.47	78.79	80.03	81.19	82.3

表8

重整原料馏分性质

表9

石脑油馏分性质

表10

石脑油馏分PIONA组成

表11

航煤馏分性质

表12

柴油馏分性质

表13

蜡油馏分性质

表14

渣油馏分性质

表15

本发明所述的全部步骤在1小时内完成，实现快速获取原油全面详细的性质数据及分子组成数据，其中性质数据包含原油88项性质以及宽、窄馏分的83项性质，及原油2-3万个详细分子组成数据，从而可实现原油的快评。

本实施例特有的效果在于结合了核磁分析仪等实验室手段与原油数据库、拟合预测算法等先进的计算机辅助技术进行原油评价，弥补了现有原油快速分析技术(NIR与NMR等)评价项目不全面、无法获得分子组成数据的缺点。通过预先构建的数据库进行匹配等计算机、数学方法，大大减少了获得原油/馏分全面详细性质数据、详细分子组成数据的成本，包括仪器购置及检测费用、时间成本以及人力成本。原油详细的全评报告项目繁多，传统的检测方法需耗时1个月，耗费几十万元。而基于本发明的原油快评方法，只要预先构建好原油数据库及谱图的解析模型，利用核磁分析仪等少量仪器，就能在1小时内得到原油及馏分全面详细的性质数据及详细分子组成数据。且预测准确性高，本实施例预测的部分宽馏分性质与详细实验分析结果的比对情况见图4。同时，本实施例根据具有代表性的历史原油详评建立的原油数据库，使拟合及预测的结果更接近实际情况，增加了本发明的原油快评方法的可靠性。

以上的所述乃是本发明的具体实施例及所运用的技术原理，若依本发明的构想所作的改变，其所产生的功能作用仍未超出说明书及附图所涵盖的精神时，仍应属本发明的保护范围。

Claims (6)

1.一种原油快评方法，其特征在于，包括如下步骤：

(1)基于历史原油详评数据和原油分子数据库构建原油数据库；

(2)基于历史原油核磁波谱及相应原油的残炭质量分数、蜡质量分数、胶质质量分数、沥青质质量分数、酸值、API、水含量和实沸点质量收率的实测数据中的一种或多种，建立核磁波谱的解析模型；

(3)采用核磁分析仪，以及粘度分析仪、硫含量分析仪、密度分析仪中的一种或多种，对未知原油进行分析检测获取原油数据，其中原油数据包括原油的核磁波谱，以及原油粘度、硫含量、密度数据中的一种或多种；

(4)利用解析模型对原油数据中的核磁波谱进行解析，并将解析结果与原油数据内除核磁波谱外的其他数据结合后，基于原油数据库进行搜索匹配，找出最佳匹配原油；

(5)根据未知原油和最佳匹配原油之间的差别，基于拟合算法获得未知原油的全面详细的性质数据及分子组成数据；

(6)根据未知原油的全面详细的性质数据及分子组成数据，基于汽液平衡的切割计算方法及性质预测方法得到原油各宽馏分的性质及分子组成数据；结合原油各宽馏分的性质及分子组成数据同理获得原油各窄馏分的性质及分子组成数据；基于原油各宽馏分及各窄馏分的性质及分子组成数据，生成详细评价报告。

2.根据权利要求1所述的一种原油快评方法，其特征在于：所述原油数据库的构建方法为选取具有代表性的M套历史原油详评数据，根据详评数据在原油分子数据库中查找最接近的原油，在该最接近原油的分子数据上基于详评性质进行拟合，得到M套历史原油的分子组成数据；最后将历史原油详评数据与历史原油的分子组成数据结合得到原油数据库；其中，在查找时使用欧氏距离算法。

3.根据权利要求1所述的一种原油快评方法，其特征在于：所述的解析模型可通过偏最小二乘法、人工神经网络、遗传算法中的任意一种或多种算法而建立，其中优选采用偏最小二乘法建立，具体方法如下：

(a)选择若干份有代表性的已有原油样品进行NMR扫描，得到其NMR谱图；

(b)采用常规检测方法对原油样品进行测定，得到准确的物性数据，包括残炭质量分数，蜡质量分数，胶质质量分数，沥青质质量分数，API，酸值，水含量，实沸点质量收率中的一种或多种；

(c)将谱图与物性数据关联，通过偏最小二乘法计算标准曲线，得到相应的物性模型Y＝b₀+b₁X₁+b₂X₂+…+b_pX_p；其中，Y表示物性数据，X表示谱图中与物性关联度大的信号区段上的点，p为样品数，b为回归系数。

4.根据权利要求1所述的一种原油快评方法，其特征在于：所述的核磁波谱的解析结果为建立解析模型时选择的残炭质量分数、蜡质量分数、胶质质量分数、沥青质质量分数、酸值、API、水含量和实沸点质量收率中的一种或多种。

5.根据权利要求1所述的一种原油快评方法，其特征在于：所述搜索匹配时采用K最近邻算法进行搜索匹配。

6.根据权利要求1所述的一种原油快评方法，其特征在于：所述未知原油和最佳匹配原油之间的差别通过欧式距离算法计算得到，公式如下：

其中，D_AB表示原油A与原油B的差别，x_ai与x_bi分别表示A、B原油第i项性质的值。