成品油顺序输送时的混油粘度计算与误差分析

依据GB 2 6 5 - 88《石油产品运动粘度测定法和动力粘度计算法》 ,对不同油品混油粘度进行了试验测定 ,取得了第一手的混油粘度实测数据。对苏联学者提出的混油粘度计算公式、克恩达尔 -莫恩罗埃公式和兹达诺夫斯基公式进行了误差分析 ,提出了新的混油粘度计算公式。计算结果表明 ,新公式的混油粘度计算误差很小 。

基于BP神经网络顺序输送混油粘度预测

针对现有混油粘度难以计算的问题,在分析BP神经网络基本原理的基础上,分别对三种混油建立了人工神经网络混油粘度预测模型。运用实测数据对BP网络进行了训练和仿真,仿真结果表明,三种模型预测误差都在2.5%以内,计算精度高于苏联学者提出的克恩达尔-莫恩罗埃公式和兹达诺夫斯基公式,具有适用性强的特点,可以完全满足工程的实际需要。

稠油掺稀后混油粘度数学模型研究

稀释输送是传统的稠油降粘输送方法,因其工艺简单,降粘效果在管输过程中较稳定,一直在国内外得到广泛应用。但稠油中加入稀油后其混油粘度又是一个难点,混油粘度是摩阻计算的重要参数,是输油管道设计和运行管理的重要参数,其准确性对水力计算结果至关重要。混合原油的粘度计算,国内外学者提出了不少经验公式、半经验公式以及计算图表,且大多是利用实验数据通过线性回归得到的,每种模型都有一定的适用范围。依据风城油田的普通稠油、特稠油、超稠油的掺稀实验数据,结合单对数Shu模型、双对数修正Ⅲ模型、Cragoe修正模型,分析了不同模型的最佳适用范围。对于风城油田稠油掺稀输送的混油粘度计算问题具有一定的指导意义。

基于人工神经网络混合油品粘度预测模型研究

在分析前向BP神经网络基本原理的基础上,对3种混油建立了人工神经网络混油粘度预测模型,该模型结构为1-7-1的三层BP网络模型。运用实测数据对BP网络进行训练和仿真。结果表明,三种模型预测误差全在2.5%以内,比前苏联学者提出的混油粘度计算公式——克恩达尔-莫恩罗埃公式和兹达诺夫斯基公式更具有计算精度高、适用性强的特点,可完全满足工程实际需要。

The Influence of Paraffinic Base Oil on Low-temperature Viscosity of Naphthenic Base Oil

Low-temperature viscosity of lube oils mixed with paraffinic base oil and naphthenic base oil at different mass ratios has been tested by experiments. The influence of paraffinic base oil on the performance of naphthenic base oil was investigated by studying the low-temperature viscosity of tested oils. The viscosity of lube oils increased with an increasing content of high-viscosity paraffinic base oil in the oil mixture. And the low-temperature viscosity was less influenced when the content of paraffinic base oil in the mixture was insignificant. In order to reduce the cost for formulating lubricating oil, a small fraction of paraffinic base oil can be added into naphthenic base oil as far as the property of lubricating oil can meet the specification. According to the study on low-temperature viscosity of the oil mixed with paraffinic base oil and naphthenic base oil, a basic rule was worked out for the preparation of qualified lubricating oils.