CN101675332A - 预测可由原油得到的渣油的物理性能的方法 - Google Patents
预测可由原油得到的渣油的物理性能的方法 Download PDFInfo
- Publication number
- CN101675332A CN101675332A CN200880014385A CN200880014385A CN101675332A CN 101675332 A CN101675332 A CN 101675332A CN 200880014385 A CN200880014385 A CN 200880014385A CN 200880014385 A CN200880014385 A CN 200880014385A CN 101675332 A CN101675332 A CN 101675332A
- Authority
- CN
- China
- Prior art keywords
- group
- crude oil
- spectrum
- physical property
- technological parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 239000010779 crude oil Substances 0.000 title claims abstract description 71
- 230000000704 physical effect Effects 0.000 title claims abstract description 30
- 238000001228 spectrum Methods 0.000 claims abstract description 33
- 238000004821 distillation Methods 0.000 claims abstract description 14
- 239000003921 oil Substances 0.000 claims description 30
- 238000002329 infrared spectrum Methods 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 15
- 230000003595 spectral effect Effects 0.000 claims description 12
- 238000005292 vacuum distillation Methods 0.000 claims description 9
- 238000005481 NMR spectroscopy Methods 0.000 claims description 5
- 239000010426 asphalt Substances 0.000 abstract description 13
- 238000004519 manufacturing process Methods 0.000 abstract 1
- 238000012306 spectroscopic technique Methods 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 8
- 229930195733 hydrocarbon Natural products 0.000 description 7
- 150000002430 hydrocarbons Chemical class 0.000 description 7
- 239000004215 Carbon black (E152) Substances 0.000 description 6
- 238000000513 principal component analysis Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000010183 spectrum analysis Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 2
- 238000007811 spectroscopic assay Methods 0.000 description 2
- 241000656145 Thyrsites atun Species 0.000 description 1
- 230000035508 accumulation Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 125000002723 alicyclic group Chemical group 0.000 description 1
- 125000001931 aliphatic group Chemical group 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 239000011903 deuterated solvents Substances 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001915 proofreading effect Effects 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- SBIBMFFZSBJNJF-UHFFFAOYSA-N selenium;zinc Chemical compound [Se]=[Zn] SBIBMFFZSBJNJF-UHFFFAOYSA-N 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/26—Oils; Viscous liquids; Paints; Inks
- G01N33/28—Oils, i.e. hydrocarbon liquids
- G01N33/2829—Mixtures of fuels
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
Abstract
本发明公开了一种预测可通过蒸馏工艺由原油得到的渣油的物理性能的方法，其中所述蒸馏工艺过程中的条件由一种工艺参数代表。所述方法包括如下步骤：a)使用光谱技术来获得所述原油的光谱；和b)应用基于所述光谱、所述物理性能和所述工艺参数间的关系的预测模型。所述方法可以被用于预测原油用于沥青生产的适宜性。
Description
技术领域
本发明涉及预测可通过蒸馏由原油得到的渣油的物理性能的方法。
背景技术
沥青(bitumen)是烃和烃衍生物的复杂混合物，包括脂肪族、脂环族和芳香族化合物。它是道路建设中的一种重要成分，并且还被用于盖屋顶、防水、粘合和密封。已经在自然界中发现沥青，但是它通常作为原油精炼产物而得到。在所述精炼工艺的第一步中，对原油进行常压蒸馏。由原油得到的馏分按照它们的沸点分离。最重的馏分是高分子量烃的复杂混合物，并且被称为久沸残渣。所述久沸残渣被在真空蒸馏塔中在减压下蒸馏，产生瓦斯油、馏出液和浓缩残油。所述浓缩残油可以被用于生产各种牌号的沥青。
沥青必须满足各种质量规格，然后才可以在市场上销售。可以通过沥青样品的实验室制备评估原油，以确保可由所述原油得到的沥青是可销售的。沥青样品的实验室制备是缓慢和费力的过程，要求将很大的原油样品送到实验室。本发明人试图提供一种更简单的方法，通过该方法可以估计原油用于沥青生产的适宜性。
发明概述
因此，本发明提供了一种预测可通过蒸馏工艺由原油得到的渣油的物理性能的方法，其中所述蒸馏工艺过程中的条件由一种工艺参数代表，所述方法包括以下步骤：
a)使用光谱技术来获得所述原油的光谱；和
b)应用基于所述光谱、所述物理性能和所述工艺参数间的关系的预测模型，其中所述关系通过如下方法确定：
i)选择一组原油，
ii)使用所述光谱技术来获得所述一组原油的一组光谱，
iii)通过蒸馏工艺由所述一组原油获得一组渣油，其中工艺条件是变化的；并记录代表所述工艺条件的一组工艺参数，
iv)测定所述一组渣油的一组物理性能，和
v)通过统计分析将所述一组光谱与所述一组物理性能和所述一组工艺参数相关联。
发明详述
本发明人开发了一种方法，其中原油样品的简单的光谱分析可以被用于预测渣油的性能。优选地，所述方法被用于预测可由原油通过常压蒸馏和真空蒸馏工艺获得的浓缩残油的物理性能。通过预测所述渣油，特别是浓缩残油的性能，可以估计原油是否适合于生产可销售的沥青。本发明的方法比其中在实验室中由原油样品制备沥青样品的已知方法显著更快和更便宜。
在本发明中使用的预测模型基于一组原油的光谱、由该组原油获得的渣油的物理性能和用于获得所述渣油的工艺的代表性参数的统计分析。
EP 859 952描述了通过测量原油渣油或沥青材料的近红外光谱并应用预测模型来预测所述原油渣油或沥青材料的物理性能的方法。与本发明不同，该方法不能通过原油的分析来预测性能。代之地，由原油获得渣油或沥青材料，并且使用所述渣油或沥青材料的光谱分析来预测所述渣油或沥青材料的性能。
US 6,477,516描述了通过测量烃样品的核磁共振谱、从所述光谱提取一个量和将所述提取的量应用于神经网络来预测所述烃的参数的方法。该专利讨论了沥青(asphalt)性能如形变敏感性和针入度等级的预测(美国术语被使用，因此所述术语沥青(asphalt)等价于本说明书中使用的术语沥青(bitumen))。但是，该专利没有公开预测模型可以包括用于获得渣油的工艺的代表性工艺参数。
EP 304232描述了通过测量烃的近红外光谱并应用相关性来在烃转化或分离方法中预测产品性能和/或产品收率的方法。该专利没有公开预测模型可以包括用于获得渣油的工艺的代表性工艺参数。
可被用于分析原油和获取光谱的光谱技术是本领域技术人员已知的。用于获取光谱的光谱技术优选是红外光谱、近红外光谱、1H核磁共振光谱或13C核磁共振光谱。更优选地，所述技术是红外光谱或近红外光谱。最优选地，所述技术是红外光谱。因为原油中的挥发性组分在光谱测定过程中可能蒸发，优选在测定过程中将原油样品包含在密闭的样品池中。对于核磁共振光谱来说，优选将原油溶解在氘代溶剂如CDCl3中，例如约50mg原油溶解在0.5ml CDCl3中。
被预测的渣油的物理性能优选是密度、粘度、针入度或软化点。最优选地，所述物理性能是密度或粘度。密度通常按照ASTM D70标准在25℃测定。粘度通常按照ASTM D445标准在100℃，135℃或150℃测定。针入度通常按照ASTM D5标准在25℃测定。软化点通常按照ASTMD36标准使用环球法试验测定。通过预测这些物理性能中的一种或多种，技术人员可以评估原油是否适合于生产可以被用于制备商业上可接受的沥青的浓缩残油。
本发明的方法用光谱法分析原油并预测可以通过蒸馏工艺由所述原油得到的渣油的物理性能，所述蒸馏工艺在由工艺参数表示的条件下进行。用于代表蒸馏条件的一种合适的工艺参数是闪蒸深度(flashdepth)。闪蒸深度是真空蒸馏的、折算到常压的温度。因此，在一个实施方案中，本发明的方法预测可以通过常压蒸馏和真空蒸馏工艺由原油得到的浓缩残油的物理性能，其中所述真空蒸馏在指定的闪蒸深度下进行。
用于代表蒸馏条件的另一个合适的工艺参数是浓缩原油收率(yield on short crude)。浓缩原油收率是由蒸馏工艺得到的渣油的量的量度，以基于久沸残渣的初始重量/体积的重量百分比或体积百分比表示。所述收率是蒸馏条件的函数。浓缩原油收率通常按照标准ASTM D5236测定。因此，在另一个实施方案中，本发明的方法预测可以通过常压蒸馏和真空蒸馏工艺由原油得到的浓缩残油的物理性能，其中设定所述真空蒸馏的条件以实现指定的浓缩原油收率。
所述光谱、物理性能和工艺参数间的关系通过如下方法确定：
i)选择一组原油，
ii)使用光谱技术来获得所述原油组的一组光谱，
iii)通过蒸馏工艺由所述原油组获得一组渣油，其中工艺条件是变化的；并记录表示所述工艺条件的一组工艺参数，
iv)测定所述一组渣油的一组物理性能，和
v)通过统计分析将所述一组光谱与所述一组物理性能和所述一组工艺参数相关联。
所述原油组优选由至少5种原油组成，更优选由至少10种原油组成，最优选由至少20种原油组成。所述原油组可以包括原油的调和物。所述原油组优选代表了宽范围的可获得的原油，例如来自至少5个不同的地理区域的原油，更优选来自至少10个不同的地理区域的原油。增加原油组中的原油的数目和增加原油组中地理区域的多样性可以提供更好的用于关联的数据和改善预测模型的精确性。
使用本领域技术人员已知的技术光谱分析原油。由所述多种原油通过蒸馏得到一组渣油。优选地，由所述多种原油通过常压蒸馏和真空蒸馏得到一组浓缩残油。这可以使用标准的实验室设备和技术进行。使用不同的条件(例如由不同的闪蒸深度或不同的浓缩原油收率所表示的不同的条件)来制备所述渣油。优选使用至少3种不同的工艺条件(由工艺参数如闪蒸深度或浓缩原油收率来表示)，并且更优选使用至少8种不同的工艺条件。增加不同工艺条件的数目和范围可以提供更好的用于关联的数据和改善预测模型的精确性。
渣油组的物理性能可以使用标准技术测定。
所述一组光谱与所述一组物理性能和所述一组工艺参数的关联使用统计分析技术进行。由于大量的计算，统计分析通常在计算机辅助下完成。所述光谱通常经过预处理。预处理将所述光谱数据转化成用于进一步数学处理的合适的格式，并且可以消除随机影响如噪音变化和基线偏移。常用的预处理方法是平均定中(mean-centring)，自动标定(auto-scaling)和多元散射校正(multiplicative scattercorrection(MSC))。然后通常通过精简和提取覆盖很多变量的信息成小得多的变量组而不损失初始信息的方法分析所述数据。可被用于该分析的技术包括主成分分析(PCA)，偏最小二乘(PLS)回归，PLS判别分析(PLS-DA)，软独立建模分类类比(soft independentmodelling of class analogy(SIMCA))，层次聚类(hierarchicalclustering(HC))和人工神经网络(ANN)。
在另一个方面，本发明提供了用于预测原油用于沥青生产的适用性的方法，其使用本发明的预测可由原油得到的浓缩残油的物理性能的方法。
现在结合实施例描述本发明，所述实施例不是为了限制本发明。
实施例
原油选择
选择一组22种原油。所述原油来源于很多地理区域。所述样品被储存在3℃的冰箱中。在光谱测定前至少8小时，使样品达到环境条件(20℃)。在进行分析之前，通过每10分钟一次摇动样品瓶或罐来均化所述样品至少1小时。
IR-光谱
IR测量在室温下在配有DTGS检测器的Perkin-Elmer 2000傅立叶变换分光计上进行。样品室用干燥空气吹扫以减少水和CO2的干扰。用水平ATR附件(MIRacle，Pike Technologies)记录光谱，使用ZnSe/金刚石晶体作为反射元件。对于所有光谱，光谱分辨率为4cm-1。采用媒介切趾法(medium apodisation)对每个光谱在25次扫描累积时记录所述一组原油样品的第一光谱系列。采用媒介切趾法在50次扫描累积时记录第二和第三光谱系列。采用开放样品池记录光谱在短的时间内(～4分钟)显示了光谱的变化，特别是在指纹区，所以所有光谱使用密闭的样品池记录。
浓缩残油制备
按照标准ASTM D2892对原油样品进行常压蒸馏，以生产久沸残渣。按照标准ASTM D5236对久沸残渣样品进行真空蒸馏，以生产浓缩残油。
浓缩残油性能的测定
所述一组浓缩残油的针入度值在25℃按照ASTM D5测定。软化点按照ASTM D36使用环球法测定。密度按照ASTM D70测定。运动粘度按照ASTM D445测定。
结果的关联：IR光谱、浓缩残油性能和闪蒸深度
所述IR光谱使用主成分分析(PCA)预处理，并且将得自所述PCA模型的头十个数值用于描述每个光谱。所述10个数值和闪蒸深度温度提供了数据矩阵X。将所述浓缩残油性能用作数据矩阵Y。进行数据矩阵X对数据矩阵Y的偏最小二乘(PLS)回归。
每种浓缩残油性能的RMSECV(校正均方根误差(root-mean-square error of validation))值和LV(潜在变量)的相应数目显示在表1中：
| 浓缩残油性能 | 单位 | 平均值 | RMSECV | LV |
| Log(针入度) | Log(0.1mm) | 1.68 | 0.21 | 3 |
| 软化点 | ℃ | 46.69 | 8.62 | 2 |
| 密度 | kg/l | 1.0045 | 0.0083 | 3 |
| 粘度 | mm2/s | 42.52 | 1.26 | 2 |
RMSECV值越低，模型预测性能越好。使用越多的LV，模型变得越复杂，并且过匹配(增加噪音)的风险增加。针入度、软化点、密度和粘度的测定的性能对通过所述模型预测的值的图显示在图1-4中。所述图表显示了对所有四种性能的成功预测，特别是对密度和粘度的成功预测。
结果的关联：IR光谱、浓缩残油性能和浓缩原油收率
将得自所述PCA模型的头十个数值用于描述每个IR光谱。所述10个数值和浓缩原油收率值提供了数据矩阵X。将所述浓缩残油性能用作数据矩阵Y。进行数据矩阵X对数据矩阵Y的偏最小二乘(PLS)回归。
每种浓缩残油性能的RMSECV(校正均方根误差)值和LV(潜在变量)的相应数目显示在表2中：
| 浓缩残油性能 | 单位 | 平均值 | RMSECV | LV |
| Log(针入度) | Log(0.1mm) | 1.68 | 0.38 | 3 |
| 软化点 | ℃ | 46.69 | 9.46 | 3 |
| 密度 | kg/l | 1.0045 | 0.0136 | 3 |
| 粘度 | mm2/s | 42.52 | 1.87 | 3 |
针入度、软化点、密度和粘度的测定的性能对通过所述模型预测的值的图显示在图5-8中。再一次地，显示了对所有四种性能的成功预测，尽管RMSECV值略微高于基于闪蒸深度的关联。
Claims (8)
1.一种预测可通过蒸馏工艺由原油得到的渣油的物理性能的方法，其中所述蒸馏工艺过程中的条件由一种工艺参数代表，所述方法包括以下步骤：
a)使用光谱技术来获得所述原油的光谱；和
b)应用基于所述光谱、所述物理性能和所述工艺参数间的关系的预测模型，其中所述关系通过如下方法确定：
i)选择一组原油，
ii)使用所述光谱技术来获得所述一组原油的一组光谱，
iii)通过蒸馏工艺由所述一组原油获得一组渣油，其中工艺条件是变化的；并记录代表所述工艺条件的一组工艺参数，
iv)测定所述一组渣油的一组物理性能，和
v)通过统计分析将所述一组光谱与所述一组物理性能和所述一组工艺参数相关联。
2.权利要求1的方法，其中所述渣油是浓缩残油，并且所述蒸馏工艺是常压蒸馏和真空蒸馏的工艺。
3.权利要求1或权利要求2的方法，其中用于获取光谱的光谱技术是红外光谱、近红外光谱、1H核磁共振光谱或13C核磁共振光谱。
4.权利要求3的方法，其中所述光谱技术是红外光谱或近红外光谱。
5.任何前述权利要求的方法，其中所述物理性能是密度、粘度、针入度或软化点。
6.任何前述权利要求的方法，其中代表工艺条件的工艺参数是闪蒸温度。
7.权利要求1-6中任一项的方法，其中代表工艺条件的工艺参数是浓缩原油收率。
8.一种用于预测原油用于沥青生产的适宜性的方法，其包括按照任何前述权利要求预测可由所述原油得到的渣油的物理性能的步骤。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP07251853.3 | 2007-05-02 | ||
| EP07251853 | 2007-05-02 | ||
| PCT/EP2008/055053 WO2008135411A1 (en) | 2007-05-02 | 2008-04-25 | Method for predicting a physical property of a residue obtainable from a crude oil |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101675332A true CN101675332A (zh) | 2010-03-17 |
| CN101675332B CN101675332B (zh) | 2011-04-06 |
Family
ID=39735162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200880014385XA Expired - Fee Related CN101675332B (zh) | 2007-05-02 | 2008-04-25 | 预测可由原油得到的渣油的物理性能的方法 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US8370082B2 (zh) |
| EP (1) | EP2142908B1 (zh) |
| CN (1) | CN101675332B (zh) |
| AT (1) | ATE482389T1 (zh) |
| DE (1) | DE602008002744D1 (zh) |
| WO (1) | WO2008135411A1 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101915745A (zh) * | 2010-07-20 | 2010-12-15 | 浙江省交通工程建设集团有限公司 | 一种改性沥青中sbs改性剂含量的红外光谱分析方法 |
| CN102841071A (zh) * | 2011-06-23 | 2012-12-26 | 中国石油化工股份有限公司 | 由二维相关红外异步光谱识别原油种类的方法 |
| CN103134763A (zh) * | 2011-11-23 | 2013-06-05 | 中国石油化工股份有限公司 | 由红外光谱预测原油密度的方法 |
| CN103868882A (zh) * | 2012-12-13 | 2014-06-18 | 中国石油化工股份有限公司 | 测定沥青中各组分含量的方法 |
| WO2020082385A1 (zh) * | 2018-10-26 | 2020-04-30 | 合刃科技（深圳）有限公司 | 激光加工参数与反射光谱的预测模型训练方法及装置 |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8311955B2 (en) * | 2007-10-30 | 2012-11-13 | Exxonmobil Research And Engineering Company | Bootstrap method for oil property prediction |
| US8921767B2 (en) * | 2010-08-02 | 2014-12-30 | The Johns Hopkins University | Automatic calibration of fourier-domain optical coherence tomography systems |
| ITMI20111908A1 (it) * | 2011-10-21 | 2013-04-22 | Eni Spa | Metodo per predire le proprieta' dei greggi mediante l'applicazione delle reti neurali |
| CN103217513A (zh) * | 2012-01-18 | 2013-07-24 | 中国石油天然气股份有限公司 | 一种基于调合指数概念的轻柴油冷滤点的预测方法 |
| GB2502372A (en) * | 2012-05-26 | 2013-11-27 | Aker Subsea Ltd | Measuring emissivity and density of crude oil using a differential temperature measurement device |
| US8992770B2 (en) | 2013-03-15 | 2015-03-31 | Exxonmobil Research And Engineering Company | Evaluation of distillate composition of a crude |
| CN104062256B (zh) * | 2013-04-15 | 2016-12-28 | 山东东阿阿胶股份有限公司 | 一种基于近红外光谱的软测量方法 |
| US20160195506A1 (en) * | 2015-01-07 | 2016-07-07 | Bharat Petroleum Corporation Ltd. | Estimation of cold-flow properties of refinery product blends |
| ITUB20153510A1 (it) * | 2015-09-09 | 2017-03-09 | Saras Ricerche E Tecnologie S P A | Metodo di predizione di proprieta chimico fisiche di una frazione di distillazione di petrolio. |
| US10696906B2 (en) | 2017-09-29 | 2020-06-30 | Marathon Petroleum Company Lp | Tower bottoms coke catching device |
| US10365263B1 (en) | 2018-01-29 | 2019-07-30 | Indian Institute Of Technology, Delhi | Prediction of crude oil blend compatibility and blend optimization for increasing heavy oil processing |
| US12000720B2 (en) | 2018-09-10 | 2024-06-04 | Marathon Petroleum Company Lp | Product inventory monitoring |
| US12031676B2 (en) | 2019-03-25 | 2024-07-09 | Marathon Petroleum Company Lp | Insulation securement system and associated methods |
| US11975316B2 (en) | 2019-05-09 | 2024-05-07 | Marathon Petroleum Company Lp | Methods and reforming systems for re-dispersing platinum on reforming catalyst |
| US11124714B2 (en) | 2020-02-19 | 2021-09-21 | Marathon Petroleum Company Lp | Low sulfur fuel oil blends for stability enhancement and associated methods |
| ES2960010T3 (es) | 2020-04-27 | 2024-02-29 | Petroleos Del Norte S A | Método, sistema y producto programa informático para la supervisión en línea de una refinería de petróleo |
| EP3964557A1 (en) * | 2020-09-03 | 2022-03-09 | Total Raffinage Chimie | Method and system for estimating properties of a vacuum residue and homologating a crude oil |
| US11905468B2 (en) | 2021-02-25 | 2024-02-20 | Marathon Petroleum Company Lp | Assemblies and methods for enhancing control of fluid catalytic cracking (FCC) processes using spectroscopic analyzers |
| US11702600B2 (en) | 2021-02-25 | 2023-07-18 | Marathon Petroleum Company Lp | Assemblies and methods for enhancing fluid catalytic cracking (FCC) processes during the FCC process using spectroscopic analyzers |
| US11898109B2 (en) | 2021-02-25 | 2024-02-13 | Marathon Petroleum Company Lp | Assemblies and methods for enhancing control of hydrotreating and fluid catalytic cracking (FCC) processes using spectroscopic analyzers |
| US20220268694A1 (en) | 2021-02-25 | 2022-08-25 | Marathon Petroleum Company Lp | Methods and assemblies for determining and using standardized spectral responses for calibration of spectroscopic analyzers |
| US11692141B2 (en) | 2021-10-10 | 2023-07-04 | Marathon Petroleum Company Lp | Methods and systems for enhancing processing of hydrocarbons in a fluid catalytic cracking unit using a renewable additive |
| US11802257B2 (en) | 2022-01-31 | 2023-10-31 | Marathon Petroleum Company Lp | Systems and methods for reducing rendered fats pour point |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0305090B1 (en) * | 1987-08-18 | 1993-08-04 | Bp Oil International Limited | Method for the direct determination of physical properties of hydrocarbon products |
| ES2095205T3 (es) * | 1987-08-18 | 1997-02-16 | Bp Oil Int | Metodo para la determinacion directa de propiedades fisicas de productos hidrocarbonados. |
| EP0706040A1 (en) * | 1994-10-07 | 1996-04-10 | Bp Chemicals S.N.C. | Property determination |
| US6070128A (en) * | 1995-06-06 | 2000-05-30 | Eutech Engineering Solutions Limited | Method for determining properties using near infra-red (NIR) spectroscopy |
| AR003845A1 (es) * | 1995-10-18 | 1998-09-09 | Shell Int Research | Un método para predecir una propiedad física de un residuo de petróleo crudo, de un petróleo combustible (fuel oil) residual o de un material bituminoso. |
| KR100326588B1 (ko) * | 1998-12-28 | 2002-10-12 | 에스케이 주식회사 | 근적외선분광분석기술을활용한자동원유분석방법 |
| CN1125331C (zh) * | 1999-07-06 | 2003-10-22 | 中国石油化工集团公司 | 一种测定渣油组分含量的方法 |
| US6477516B1 (en) | 2000-05-16 | 2002-11-05 | Intevep, S.A. | System and method for predicting parameter of hydrocarbon with spectroscopy and neural networks |
| CN1886657A (zh) * | 2003-11-25 | 2006-12-27 | 埃克森美孚研究工程公司 | 对原料中的残余蜡污染进行测试,以与全调配油的低温粘性相关联 |
-
2008
- 2008-04-25 WO PCT/EP2008/055053 patent/WO2008135411A1/en active Application Filing
- 2008-04-25 AT AT08749722T patent/ATE482389T1/de not_active IP Right Cessation
- 2008-04-25 US US12/598,062 patent/US8370082B2/en active Active
- 2008-04-25 DE DE602008002744T patent/DE602008002744D1/de active Active
- 2008-04-25 CN CN200880014385XA patent/CN101675332B/zh not_active Expired - Fee Related
- 2008-04-25 EP EP08749722A patent/EP2142908B1/en not_active Not-in-force
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101915745A (zh) * | 2010-07-20 | 2010-12-15 | 浙江省交通工程建设集团有限公司 | 一种改性沥青中sbs改性剂含量的红外光谱分析方法 |
| CN102841071A (zh) * | 2011-06-23 | 2012-12-26 | 中国石油化工股份有限公司 | 由二维相关红外异步光谱识别原油种类的方法 |
| CN102841071B (zh) * | 2011-06-23 | 2014-12-31 | 中国石油化工股份有限公司 | 由二维相关红外异步光谱识别原油种类的方法 |
| CN103134763A (zh) * | 2011-11-23 | 2013-06-05 | 中国石油化工股份有限公司 | 由红外光谱预测原油密度的方法 |
| CN103134763B (zh) * | 2011-11-23 | 2015-11-25 | 中国石油化工股份有限公司 | 由红外光谱预测原油密度的方法 |
| CN103868882A (zh) * | 2012-12-13 | 2014-06-18 | 中国石油化工股份有限公司 | 测定沥青中各组分含量的方法 |
| WO2020082385A1 (zh) * | 2018-10-26 | 2020-04-30 | 合刃科技（深圳）有限公司 | 激光加工参数与反射光谱的预测模型训练方法及装置 |
| CN111356552A (zh) * | 2018-10-26 | 2020-06-30 | 合刃科技（深圳）有限公司 | 激光加工参数与反射光谱的预测模型训练方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2142908B1 (en) | 2010-09-22 |
| EP2142908A1 (en) | 2010-01-13 |
| US20100174494A1 (en) | 2010-07-08 |
| DE602008002744D1 (de) | 2010-11-04 |
| US8370082B2 (en) | 2013-02-05 |
| WO2008135411A1 (en) | 2008-11-13 |
| CN101675332B (zh) | 2011-04-06 |
| ATE482389T1 (de) | 2010-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101675332B (zh) | 预测可由原油得到的渣油的物理性能的方法 | |
| Kratzert et al. | Benchmarking a catchment-aware long short-term memory network (LSTM) for large-scale hydrological modeling | |
| CN112635063B (zh) | 一种肺癌预后综合预测模型、构建方法及装置 | |
| CN104990894B (zh) | 一种基于加权吸光度及相似样本的汽油性质检测方法 | |
| WO2006023800A2 (en) | Improved method for analyzing an unknown material and predicting properties of the unknown based on calculated blend | |
| Dębska et al. | Decision trees in selection of featured determined food quality | |
| CN105136736A (zh) | 在线近红外样本量确定方法 | |
| CN109060702B (zh) | 红外光谱非线性定量分析方法 | |
| CN109324014A (zh) | 一种自适应的原油性质近红外快速预测方法 | |
| Ntale et al. | Prediction of East African seasonal rainfall using simplex canonical correlation analysis | |
| Molini et al. | Improving the accuracy of tipping-bucket rain records using disaggregation techniques | |
| Cysneiros et al. | Modeling of tree height–diameter relationships in the Atlantic Forest: effect of forest type on tree allometry | |
| CN107966420B (zh) | 一种由近红外光谱预测原油性质的方法 | |
| Potdar et al. | Toward predicting flood event peak discharge in ungauged basins by learning universal hydrological behaviors with machine learning | |
| CN117235632A (zh) | 一种大型蒸发传感器水位异常数据检测方法 | |
| CN110987858A (zh) | 一种利用神经网络数据模型进行油品快速检测的方法 | |
| CN117520780A (zh) | 一种估算河流水体二氧化碳分压方法 | |
| Castellarin et al. | Multivariate probabilistic regional envelopes of extreme floods | |
| CN101868720B (zh) | 预测石油性质的自举法 | |
| CN107066786A (zh) | 基于神经网络的气溶胶光学厚度反演算法 | |
| CN113720952B (zh) | 用于储层解释评价的图版生成方法、装置、设备及介质 | |
| CN116067905A (zh) | 用于检测油液掺混的方法及设备 | |
| Buendia-Garcia et al. | Variable selection and data fusion for diesel cetane number prediction | |
| CN116008216A (zh) | 用于检测油液掺混的方法及设备 | |
| CN109724939B (zh) | 由近红外光谱预测加氢尾油性质的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110406 Termination date: 20210425 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |