ASTM-CFR辛烷值机常见问题及处理方法

抗爆性作为车用汽油、车用乙醇汽油等汽车燃料最重要的检测项目,是衡量油品质量和使用性能的一个重要指标。依据GB/T 5487—2015《汽油辛烷值的测定研究法》和GB/T 503—2016《汽油辛烷值的测定马达法》规定的试验方法,试验设备须选择辛烷值测定机进行相关项目的测试。本文以美国Waukesha公司制造的ASTM-CFR辛烷值试验机为例,对该类试验机在运行过程中遇到的爆震表读数不稳定、进气温度在仪器正常时间内无法升高、进气门和排气门的间隙不符合、循坏冷却水液面过低、热机油过少五类主要问题进行了阐述并提出了解决办法,有助于汽油检测人员快速解决实验过程中遇到的问题,提高汽油产品抗爆性指标的检测准确度。

辛烷值助剂HCSO在催化裂化装置上的工业应用

在某1.4 Mt/a催化裂化装置上进行了辛烷值助剂HCSO的工业应用。标定结果表明:在相近工况下,与空白期相比,辛烷值助剂HCSO占系统藏量1.52%时,催化和加氢汽油辛烷值分别提高0.8,1.2;从汽油PONA分析数据看,烯烃含量降低1.33%,芳烃含量降低0.2%,异构烷烃增加1.62%;从应用情况来看,辛烷值助剂HCSO在添加量较低时仍然有较好的效果,可为炼厂节约成本并带来可观的经济效益。

基于SSA-BP神经网络构建近红外光谱汽油辛烷值预测模型

基于100组汽油样品的近红外光谱分析数据,采用不同方法进行预处理,结合麻雀搜索算法(SSA)优化BP神经网络模型,构建了汽油辛烷值SSA-BP预测模型,对模型预测值与汽油研究法辛烷值(RON)测量值进行拟合,并与偏最小二乘法模型及BP神经网络模型的预测结果进行对比。结果表明:采用标准正态变量变换(SNV)方法进行光谱数据预处理后,所建SSA-BP模型的预测精度最高,验证集决定系数(R^(2))为0.9760,预测标准偏差(RMSEP)为0.326;3种汽油辛烷值预测模型中,SSA-BP神经网络模型预测准确度最好,且模型适用性和稳定性良好。说明利用SNV方法预处理光谱数据的SSA-BP神经网络模型,可以将近红外光谱分析技术更好地用于汽油辛烷值的预测,且预测结果具有良好的准确度,可以实现汽油辛烷值的快速无损检测。

巴斯夫公司推出Fourtiva^(TM)催化裂化催化剂以增产高辛烷值汽油调合原料

巴斯夫公司宣布推出一种适用于从轻油到常压渣油原料的新型催化裂化(FCC)催化剂Fourtiva^(TM)。该公司通过其最新的先进创新矩阵(AIM)和多重骨架拓扑(MFT)技术实现了催化剂优化设计,可最大限度地提高丁烯的收率和对丙烯的选择性,同时提高石脑油辛烷值、液化石油气的烯烃度,并最大限度地减少焦炭和干气产率。这有助于炼油厂生产更有价值的产品,提高盈利能力,减少FCC装置的碳足迹。

炼化企业汽油研究法辛烷值非线性调合模型应用总结

主要讨论了企业计划优化模型中成品油调合模块非线性调合的两种实现方式:性质混合指数模型和“线性+交互影响”模型。介绍了强非线性性质研究法辛烷值转换为辛烷值混合指数的转换关系式,提出了一种基于历史配方数据回归计算“线性+交互影响”模型参数的方法。基于真实的调合结果数据,对比分析了线性调合模型计算结果、性质混合指数模型计算结果、“线性+交互影响”模型计算结果。结果表明:在处理非线性调合问题时,采用通过历史配方数据回归计算出建立“线性+交互影响”模型所需的交互因子参数的方法,可以有效减少调合过程中非线性性质的计算误差,同时减少调合实验工作量。

加氢汽油辛烷值损失及博士试验不通过原因分析

催化裂化(Fluid Catalytic Crackin,FCC)汽油加氢改质-脱硫组合技术能够在深度脱硫、降烯烃的同时保持较高辛烷值。随着运行周期延长及轻汽油改醚化装置的技术改造,催化剂活性下降,高辛烷值组分减少,增大了加氢混合汽油辛烷值损失。在减少辛烷值损失的优化操作过程中,出现加氢汽油博士试验不通过问题,影响产品调和与销售。优化各反应器入口温度、轻汽油抽出比例、循环氢硫化氢含量后,可有效减少辛烷值损失,同时避免加氢汽油博士试验不通过。

国Ⅵ升级过程车用汽油辛烷值分布特点及原因分析

通过对车用汽油产品研究法辛烷值(RON)数据进行量化分析,对其质量整体水平、来源分布等特性进行评价,结果发现,在国家推行车用汽油国Ⅵ标准,下调车用汽油中的烯烃、芳烃等高辛烷值组分上限含量的背景下,生产端和销售企业面向市场销售的车用汽油RON并未明显降低,RON处于低质量风险水平并保持稳定。分析不同牌号车用汽油RON数据发现,部分产品质量过剩,相较于92号车用汽油,95号车用汽油RON过剩更显著,流通领域车用汽油RON质量过剩比炼厂自产车用汽油更显著。综合认为,我国车用汽油在保证产品质量的前提下,仍存在可调整配方添加比的空间。

催化汽油辛烷值降低的原因分析

分析某重油催化裂化装置汽油辛烷值趋势,结合装置原料性质、操作条件、催化剂性质,得出原料性质显著影响催化汽油研究法辛烷值的结论。当催化原料中的石蜡基比例大于20%时,汽油研究法辛烷值易低于91.5;当通过终止剂喷嘴回炼直馏汽油时,汽油研究法辛烷值会降低,直馏汽油回炼量达到10 t/h时,催化汽油研究法辛烷值降低1个单位。通过对催化汽油研究法辛烷值的分析,为全厂的吨油加工利润、回炼污油的效益和汽油调和成本测算提供了数据支持。

辛烷值助剂的性能评价及工业应用

本文主要阐述了辛烷值助剂在宁夏石化重油催化裂化装置的工业应用情况。结果表明,当汽油烯烃含量低于32.00%时,辛烷值助剂对系统中平衡催化剂的细粉含量和生焦率没有明显的影响,辛烷值较空白剂提升了1.17个单位,满足装置生产要求。

降低吸附脱硫工艺汽油产品的辛烷值损失

对吸附脱硫过程中造成汽油辛烷值损失的关键因素进行了分析,在小试条件下,考察了工业吸附剂添加辛烷值助剂后,反应条件对脱硫汽油辛烷值损失的影响,并在工业装置上进行了应用。结果表明:造成脱硫汽油辛烷值降低的关键因素是汽油中大量C_(5)和C_(6)烯烃发生加氢饱和反应;与原工艺相比,在辛烷值助剂质量分数为20%,反应压力为2.4 MPa,反应温度为427℃的优化反应条件下,1.2 Mt/a工业装置汽油产品辛烷值损失从1.74降低为0.88,损失降低近50%。

基于BP神经网络和多元线性回归的辛烷值预测

为降低硫、烯烃含量及辛烷值损失,保证汽油清洁化生产,基于S Zorb装置运行积累的数据,首先利用Lasso算法初步筛选建模变量,并基于BP神经网络计算指标因子贡献度,进一步筛选出15个主要变量用于建立辛烷值损失预测模型;其次对比分析4种模型,得出BP神经网络预测精度更优,更适合作为辛烷值损失预测模型,并经过10折交叉验证得到均方误差(MSE)均值为0.027 193,R~2均值为0.904 87,验证了该模型的可靠性;最后在控制油品硫质量分数不大于5μg/g的前提下,结合多元线性回归对主要变量进行优化调控.结果表明,需同时改变多个变量才能使辛烷值损失降幅大于30%,多元线性回归模型预测精度较好,能按照一定比例对主要变量进行正反向调控.本文还可视化展示了优化过程中辛烷值和硫含量的变化轨迹.

硫酸法烷基化油辛烷值影响因素的探讨与优化

介绍了中国石化洛阳分公司20万t/a硫酸法烷基化装置主生产单元的反应流程,并对烷基化反应的链式反应机制进行深入研究分析。得出洛阳分公司20万t/a硫酸法烷基化装置的烷基化反应中最佳烷烯比(体积分数之比)范围为(10~12)∶1,最优反应温度应控制在2.3℃左右,最佳反应废酸浓度(质量分数)约93.5%和反应酸烃比(体积比)约1.2;并通过装置能耗和产品质量分析可知,在这些最佳条件下进行烷基化反应的装置能耗最低,且可得到辛烷值高达97.5的高辛烷值烷基化油。

提高汽油辛烷值和多产丙烯丁烯催化裂化催化剂的工业应用

中韩(武汉)石油化工有限公司(简称中韩石化)2号催化裂化装置具有反应时间较长、反应压力高和以加工加氢精制蜡油原料为主的特点,其汽油辛烷值低,丙烯、丁烯收率低。为了提高经济效益,装置催化剂改为采用中石化石油化工科学研究院有限公司开发的提高汽油辛烷值和多产丙烯、丁烯的催化裂化催化剂HBC-3WH。更换催化剂后,目标产物(液化气+汽油)收率提高1.04百分点,丙烯、异丁烯、正丁烯相对原料收率分别提高1.0,0.45,0.91百分点,焦炭产率基本不变,稳定汽油烯烃体积分数提高8.4百分点,研究法辛烷值提高2.3。

FCC汽油窄馏分族组成及辛烷值与硫含量分布规律研究

采用实沸点蒸馏法对催化裂化(FCC)汽油进行了窄馏分切割,并对窄馏分的族组成、辛烷值、总硫及硫形态分布进行了测定。结果表明:窄馏分的烯烃质量分数在0.98%~57.08%,烯烃的含量随着馏分沸点的升高而显著降低,FCC汽油中约90%的烯烃(主要是C_(5),C_(6),C_(7))集中在<120℃的馏分中;正构烷烃质量分数在1.60%~5.17%,异构烷烃质量分数在18.98%~35.21%,环烷烃质量分数在4.19%~17.25%,烷烃含量随着馏分沸点的升高,呈中间高两头低的分布趋势,120~140℃馏分中烷烃含量最高;FCC汽油中占比约50%的烷烃集中在<70℃馏分和>150℃馏分中,70~150℃馏分中烷烃的分布比较均匀;窄馏分的芳烃质量分数为0~61.19%,其含量随着馏分沸点的升高而升高,约90%的芳烃集中在>120℃的馏分中,其中约76%的芳烃集中在<150℃的馏分中;FCC汽油中辛烷值呈现两头高中间低的分布,100~110℃馏分的辛烷值最低;FCC汽油中约90%的硫化物集中在>110℃馏分中。

基于GA-LSTM的汽油辛烷值预测建模

受辛烷值准确预测的建模需求驱动,本文在考虑复杂多工况的工业背景基础上,提出基于长短时记忆网络的辛烷值建模方法。首先,采用长短时记忆网络进一步提取辛烷值数据信息。其次,针对长短时记忆网络网络参数难以确定问题,采用遗传算法对其参数进行优选,建立了GA-LSTM辛烷值预测模型。最后,通过仿真实验验证了其建模有效性。

MIP装置提高汽油辛烷值途径的探究

在采用MIP技术的280万吨/年催化裂化装置,试验调整装置催化剂种类、原料性质和操作条件等多方面因素,寻找提高装置汽油辛烷值的有效途径,为今后的装置的优化生产提供指导。结果表明:装置最佳反应温度应选择在520~525℃;使用MIP专用剂能够有效的提高汽油辛烷值,但是辛烷值提高后,汽油收率下降较快;在烧焦及取热符合允许的情况下,适当提高掺渣量有利于装置汽油辛烷值的提高。

基于变量分组降维的辛烷值损失预测模型

针对精炼汽油辛烷值损失的问题,基于灰色关联度分析方法与最大信息系数方法,给出变量分组降维的特征选择方法,以有效选择出具有独立性代表的特征;与随机森林算法相结合,提出一种辛烷值损失量预测模型。由于操作变量之间具有高度非线性和相互强耦联的关系,采用变量分组降维,即考虑操作变量、性质变量与产品硫含量、辛烷值损失的关系来筛选特征。利用灰色关联度筛选出对辛烷值损失和产品硫含量的关联程度较强的特征,排序后由最大信息系数筛选出28个独立变量。收集研究生数学建模竞赛试题数据,采用随机森林算法进行仿真预测计算。计算结果表明,基于变量分组的特征选择和辛烷值损失预测模型得到的均方误差为0.0086,拟合值R 2为92.5%。

辛烷值测定在汽油质量控制中的应用研究

探讨了辛烷值测定在汽油质量控制中的应用研究。通过实验和文献综述,我们阐述了辛烷值测定方法的原理、影响因素和应用情况。我们发现,辛烷值测定是一种重要的质量控制手段,可有效提高汽油的质量和使用寿命。基于此,主要关注辛烷值测定的应用,包括在汽油生产、加油站和汽车制造中的应用。此外,我们还探讨了辛烷值测定在汽油质量控制中的优化和未来发展方向。这些研究成果为汽油质量控制提供了理论和实验支持。

汽油辛烷值损失的数学模型分析

降低汽油中的硫、烯烃含量,同时尽量保持其辛烷值是汽油清洁化的重点。由于炼油工艺过程的操作变量之间具有高度非线性及相互强耦联的关系,因此,本文在提高脱硫率的前提下,降低辛烷值损失的比例。采用3σ准则剔除异常值,用均值进行填充。再用核主成分分析方法,筛选与产品辛烷值和硫含量关联度高的30个变量,考虑降维的结果,赋予不同权重,建立量化评价模型,根据量化得分,确定出影响辛烷值预测的主要变量。最后利用岭回归和随机森林的方法,分别建立辛烷值损失预测模型,并对预测的结果进行了对比分析,发现岭回归方法的判定系数R2可达到0.927,预测精度较好。

提高催化裂化汽油辛烷值的措施探讨及应用

催化裂化汽油是我国重要的车用汽油调合组分,提高催化裂化汽油辛烷值有重要意义。通过分析汽油中不同烃类的辛烷值的大小,结合催化裂化各反应机理,进一步查找出影响催化裂化汽油辛烷值的主要因素。某炼油厂以此为理论基础出发,结合其装置自身实际生产情况,从原料油、催化剂、操作参数进行了相应调整,最终使催化裂化汽油辛烷值得到明显的提高。