[发明专利]一种基于常规柴油检测手段构建柴油馏分分子库及预测柴油分子组成的方法

说明书

本发明涉及一种基于常规柴油检测手段构建柴油馏分分子库及预测柴油分子组成的方法，本发明充分利用实验室已有检测结果，建立一种能够较为真实反应客观柴油分子分布规律的模型；通过建立的柴油馏分的分子分布模型，得到与仪器检测的分子组成吻合度较高的柴油馏分分子组成。本发明建立的柴油馏分的分子分布模型能够较好的适配于后续优化算法，解决运算过程中优化难以收敛、速度慢的问题。

技术领域

本发明涉及石油炼制及石油化工生产技术领域，尤其涉及一种基于常规柴油检测手段构建柴油馏分分子库及预测柴油分子组成的方法。

背景技术

在石油加工分子管理过程中，馏分及油品的分子组成是所需的基本信息。合理、完整地描述加工过程中各流股的分子结构与含量，对于炼厂在分子层次管理石油加工过程有着重大的意义。目前，对于沸点高于汽油的组分，主流的分析方法无法给出所有分子细节上的定性与定量信息，柴油馏分亦然。因此，基于常规的检测手段，通过构建柴油馏分分子组成的模型，来预测柴油馏分分子组成的方法显得尤为重要。

现有的分子组成模型可总结为两种：最大信息熵法与随机重构法。最大信息熵法的基本原则是，在不知道确切信息的情况下，尽量保证所处理信息中固有的不确定性，减少信息的损失。在柴油分子组成构建中，最大熵法意味着抹去分子浓度的差异，即取平均值。由文献与相关的实验报道可知，石油分子在不同碳数下的浓度满足一定的分布规律，而非均一，因此最大信息熵的假设有失偏颇。随机重构法需要构建数万到数十万虚拟分子，只有这种数量才能使针对各种性质的参数保持稳定。可见该方法存在着较大的随机性，运算效率偏低且优化算法的优化能力受到限制，很难优化到全局最优。

总的来说，现有的分子组成模型仍存在着较大的缺陷，尚不具备实用的基础。原因为：1)没有充分利用实验数据与石油分子分布的客观规律，导致计算所得分子组成与实际偏离较大；2)以单个分子浓度为变量来进行调整，尺度过于微小，优化变量过多，会增大优化算法的负担，使得优化算法寻优能力受限、速度慢，收敛性也无法保障，得到的结果不是全局解；3)以单个分子浓度为变量的调整方式，使得分子组成构建模型过于粗放。以至于最终的结果中，存在部分分子浓度过大不可控的情况，影响了实际应用。

发明内容

本发明为克服上述的不足之处，目的在于提供一种基于常规柴油检测手段构建柴油馏分分子库及预测柴油分子组成的方法，本发明充分利用实验室已有检测结果，建立一种能够较为真实反映客观柴油分子分布规律的模型；通过建立的柴油馏分的分子分布模型，得到与仪器检测的分子组成吻合度较高的柴油馏分分子组成。本发明建立的柴油馏分的分子分布模型能够较好的适配于后续优化算法，解决运算过程中优化难以收敛、速度慢的问题。

本发明是通过以下技术方案达到上述目的：一种基于常规柴油检测手段构建柴油馏分分子库及预测柴油分子组成的方法，包括如下步骤：

(1)基于常规柴油检测手段构建柴油馏分的宏观性质库与分子信息库；

(2)基于不同尺度的定义构建柴油分子组成；

(3)通过宏观性质预测任意柴油馏分分子组成。

作为优选，所述步骤(1)包括以下几个子步骤：

(1.1)基于常规柴油检测手段获得柴油分子的不饱和度范围、碳数范围、以及各不饱和度和碳数范围下的相对含量等数据，此数据亦作为参比数据，为步骤(3)所用；

(1.2)基于常规的柴油检测手段对不同柴油馏分进行检测，构建柴油馏分的宏观性质库；

(1.3)根据步骤(1.1)中分子的不饱和度范围、碳数范围，构建相应的柴油馏分分子；

(1.4)根据步骤(1.3)中生成的柴油馏分分子，计算每个分子的相关物性，从而构建完整的柴油馏分分子信息库。