CN104285227B - 调解来自石油流的物料的组成的模型的方法 - Google Patents
调解来自石油流的物料的组成的模型的方法 Download PDFInfo
- Publication number
- CN104285227B CN104285227B CN201380025268.4A CN201380025268A CN104285227B CN 104285227 B CN104285227 B CN 104285227B CN 201380025268 A CN201380025268 A CN 201380025268A CN 104285227 B CN104285227 B CN 104285227B
- Authority
- CN
- China
- Prior art keywords
- cut
- percentage
- moc
- molecular formula
- dao
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 239000000463 material Substances 0.000 title claims abstract description 42
- 239000000203 mixture Substances 0.000 title claims abstract description 38
- 239000003208 petroleum Substances 0.000 title claims description 24
- 238000009826 distribution Methods 0.000 claims abstract description 48
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000009835 boiling Methods 0.000 claims description 21
- 239000004215 Carbon black (E152) Substances 0.000 claims description 18
- 229930195733 hydrocarbon Natural products 0.000 claims description 18
- 150000002430 hydrocarbons Chemical class 0.000 claims description 16
- 238000013213 extrapolation Methods 0.000 claims description 11
- 239000001257 hydrogen Substances 0.000 claims description 10
- 229910052739 hydrogen Inorganic materials 0.000 claims description 10
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 9
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 claims description 9
- 238000004821 distillation Methods 0.000 claims description 7
- 238000004811 liquid chromatography Methods 0.000 claims description 7
- 229910052757 nitrogen Inorganic materials 0.000 claims description 7
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 6
- 229910052717 sulfur Inorganic materials 0.000 claims description 6
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 claims description 5
- 239000004744 fabric Substances 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 229910052759 nickel Inorganic materials 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 229910052720 vanadium Inorganic materials 0.000 claims description 4
- 238000005160 1H NMR spectroscopy Methods 0.000 claims description 3
- 239000005864 Sulphur Substances 0.000 claims description 3
- 238000002407 reforming Methods 0.000 claims description 3
- 239000011593 sulfur Substances 0.000 claims description 3
- 101150106709 ARC1 gene Proteins 0.000 claims description 2
- 101150046212 ARC2 gene Proteins 0.000 claims description 2
- 101100013575 Arabidopsis thaliana FTSHI1 gene Proteins 0.000 claims description 2
- 101150108452 arc3 gene Proteins 0.000 claims description 2
- 101150055569 arc4 gene Proteins 0.000 claims description 2
- 238000004808 supercritical fluid chromatography Methods 0.000 claims description 2
- -1 DAO aromatic compounds Chemical class 0.000 claims 1
- AVXURJPOCDRRFD-UHFFFAOYSA-N Hydroxylamine Chemical class ON AVXURJPOCDRRFD-UHFFFAOYSA-N 0.000 claims 1
- 239000007788 liquid Substances 0.000 claims 1
- LEONUFNNVUYDNQ-UHFFFAOYSA-N vanadium atom Chemical compound [V] LEONUFNNVUYDNQ-UHFFFAOYSA-N 0.000 claims 1
- 230000001427 coherent effect Effects 0.000 abstract description 2
- 239000003921 oil Substances 0.000 description 26
- 238000005516 engineering process Methods 0.000 description 20
- 238000004252 FT/ICR mass spectrometry Methods 0.000 description 8
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 6
- 238000000752 ionisation method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 238000000434 field desorption mass spectrometry Methods 0.000 description 3
- 150000002500 ions Chemical class 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- GPPXJZIENCGNKB-UHFFFAOYSA-N vanadium Chemical compound [V]#[V] GPPXJZIENCGNKB-UHFFFAOYSA-N 0.000 description 3
- RRHGJUQNOFWUDK-UHFFFAOYSA-N Isoprene Chemical compound CC(=C)C=C RRHGJUQNOFWUDK-UHFFFAOYSA-N 0.000 description 2
- RNGSTWPRDROEIW-UHFFFAOYSA-N [Ni].N1C(C=C2N=C(C=C3NC(=C4)C=C3)C=C2)=CC=C1C=C1C=CC4=N1 Chemical compound [Ni].N1C(C=C2N=C(C=C3NC(=C4)C=C3)C=C2)=CC=C1C=C1C=CC4=N1 RNGSTWPRDROEIW-UHFFFAOYSA-N 0.000 description 2
- 150000001450 anions Chemical class 0.000 description 2
- 150000001491 aromatic compounds Chemical class 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000001360 collision-induced dissociation Methods 0.000 description 2
- 239000010779 crude oil Substances 0.000 description 2
- 230000006837 decompression Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 125000005842 heteroatom Chemical group 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000001819 mass spectrum Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 125000004433 nitrogen atom Chemical group N* 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000004230 steam cracking Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101100537937 Caenorhabditis elegans arc-1 gene Proteins 0.000 description 1
- 101100021459 Homo sapiens LMBRD1 gene Proteins 0.000 description 1
- 102100031335 Lysosomal cobalamin transport escort protein LMBD1 Human genes 0.000 description 1
- IMNFDUFMRHMDMM-UHFFFAOYSA-N N-Heptane Chemical compound CCCCCCC IMNFDUFMRHMDMM-UHFFFAOYSA-N 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000029936 alkylation Effects 0.000 description 1
- 238000005804 alkylation reaction Methods 0.000 description 1
- 125000003118 aryl group Chemical group 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 125000004429 atom Chemical group 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010494 dissociation reaction Methods 0.000 description 1
- 230000005593 dissociations Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000000132 electrospray ionisation Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 238000011081 inoculation Methods 0.000 description 1
- 238000004648 ion cyclotron resonance mass spectroscopy Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 238000000816 matrix-assisted laser desorption--ionisation Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 229910017464 nitrogen compound Inorganic materials 0.000 description 1
- 150000002830 nitrogen compounds Chemical class 0.000 description 1
- 150000002902 organometallic compounds Chemical class 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 150000004032 porphyrins Chemical class 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000741 silica gel Substances 0.000 description 1
- 229910002027 silica gel Inorganic materials 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- 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
- G01N33/2835—Specific substances contained in the oils or fuels
-
- 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
- G01N33/2823—Raw oil, drilling fluid or polyphasic mixtures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- General Health & Medical Sciences (AREA)
- Food Science & Technology (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
提供一种确定物料组成的方法，该方法包括基于所述物料的分子式分布获得所述物料的参考组成模型(MoC)，以及使用至少一个计算机处理器调解所述参考MoC以匹配所述物料的至少一种目标性质。可将所述参考MoC表示为具有相关参考百分比的分子团的组合。可使用信息熵的约束优化进行所述调解，并且可相对于所述参考MoC基于较粗粒进行所述优化。
Description
技术领域
本申请总体上涉及获得组成模型以弥补现行测量技术的局限性的方法。
背景技术
石油物流是含有大量不同的分子物种的复杂烃混合物。这些物流包括来自针对石油分子组成的工艺的多个烃物流。例如，直馏的石油原油可含有具有从高度挥发性C4烃至非挥发性沥青质的宽沸点范围的分子。所述物流极其复杂，并且具有众多不同的分子物种。因此，组成的任何分子近似都基本上是模型，即组成模型(MoC)。有必要分析具有多个沸点的石油组成以输入许多后续工艺中。
可将傅里叶变换离子回旋共振(FTICR)质谱以及合适的电离方法用于构建对石油物流组成的初始估算。与FTICR联合使用的电离方法包括大气压光致电离(APPI)以及负离子和正离子电喷雾(N-，PESI)。
虽然FTICR有超高的分子量分辨率，但是在特定阈值以外，仅仅这种技术不能提供构建精确组成模型的足够信息。例如，所指定的电离方法都不能有效地电离复杂烃混合物中沸点高于1250℉的分子。因此，已知技术不能提供构建与石油物流的所有特征都一致的重烃组成模型(HHMoC)的足够信息。如此处使用的HHMoC是指用于减压渣油(又名残油)物流，即沸点高于1000℉的石油物流的组成模型。在至少一些残油物流中，已知至少50重量％的分子的沸点高于1250℉。因此，当前超高分辨率APPI-FTICR-MS(或N-，PESI-FTICR-MS)数据得不到对整个残油或整个残油馏分的分子性质分布的精确估算。可得文献中公开了基于当前技术的FTICR-MS数据的实例。例如参见McKenna,A.M.等，“Heavy PetroleumComposition.1.Exhaustive Compositional Analysis of Athabasca Bitumen HVGODistillates by Fourier Transform Ion Cyclotron Mass Spectrometry:A DefinitiveTest of the Doduszynski Model”，(重油组成.1.通过傅里叶变换离子回旋质谱对阿萨巴斯卡沥青HVGO馏出物进行详尽的组成分析：确定的Doduszynski模型试验)，Energy&Fuels(能源和燃料)，第24卷，第2429-2938页，2010。
此外，APPI-FTICR-MS对于沸点高于1250℉的分子的电离效率差。相对于高温Simdis(模拟蒸馏)测量，FTICR严重地低估了沸点高于1250℉的物料的量。因此，FTICR不能检测到残油中约40重量％的最高沸点的物料并不异常。
沸点低于1000℉的复杂烃物流(例如原油、精炼中间体和产物物流)可调解至高细节烃分析(HDHA)或石油分析。在开发出HHMoC研究分析协议之前，ExxonMobil(埃克森美孚)研究人员便生成了残油物流组成模型。例如参见Van Geem,K.M.等，“Challenges ofModeling Steam Cracking of Heavy Feedstocks”(重原料的模型化蒸汽裂化的挑战),Oil&Gas Science and Technology-Rev.(油气科技综述)IFP，第63卷，第79-94页，2008；Jaffe,S.B.,H.Freund和W.N.Olmstead,“Extension of Structure-Oriented Lumping toVacuum Residua”(减压渣油的结构定向结团的扩展),IEC Chem.Res.(工业和工程化学研究),44,第9840-9852页,2005。法国石油学会(法国里昂IFP)和根特大学(比利时)的研究人员将组成模型调解至HDHA类分析协议。参见Hudebine,D.,J.J.Verstraete,“MolecularReconstruction of LCO Gasoils from Overall Petroleum Analyses”(根据总体石油分析对LCO气油进行分子重构),Chem.Eng.Sci.(化学工程科学)，第59卷，第4755-4763页，2004。到目前为止，还没有被调解至如下分析协议的组成模型的公开内容，所述分析协议能够分析沸点在HHMoC研究分析协议的范围(高于1000℉)内的石油物流。
因此，需要获得如下的系统和方法，其精确描述对于HHMoC应用在较高沸点下的残油组成的组成模型。
发明内容
本申请的目的和优势将阐述于以下描述中并且根据以下描述而变得清楚，以及将通过实践所公开的主题而被获知。将通过所撰写的说明书和其权利要求书中特别指出的方法和系统，以及根据附图，以实现和达到所公开的主题的另外的优势。
为了实现这些优势和其它优势并且根据本申请的目的，如所具体实施和广泛描述的，所公开的主题包括测定来自石油物流的物料的组成的方法。所述方法包括获得在大气压下沸点高于约1000℉的物料的参考组成模型(MoC)，所述参考MoC包括分子团的组合，每一分子团具有确定的参考百分比。然后使用至少一个计算机处理器调解参考MoC以匹配所述物料的至少一种选择的目标性质，以获得代表物料组成的调解MoC。
在一些实施方式中，调解MoC包括每一分子团的更新的百分比。在一些实施方式中，在如下约束下进行所述调解，该约束为每一所述分子团的所述更新百分比满足一组关于所述至少一种所选目标性质的性质平衡判据。在特定实施方式中，将参考MoC中每一确定的参考百分比表示为重烃组成模型(HHMoC)协议的属性的函数。
在特定实施方式中，物料的参考MoC基于用以下方法获得的分子式分布：对于物料样品在预定阈值内获得初始分子式分布；标识在初始分子式分布的两种或更多种分子性质之间的相关性；使用至少一个处理器，沿着相关性外推初始分子式分布至预定阈值以外以构建外推的分子分布；和基于获自样品的重整化数据重整外推的分子式分布以产生重整的分子式分布。初始分子式分布可包括多种馏分中的每一者的馏分分子式分布，所述馏分各自可为如下的液体色谱馏分，其选自DAO饱和物、DAO ARC1、DAO ARC2、DAO ARC3、DAO ARC4、DAO硫化物、DAO极性物(polar)、沥青质、DAO芳族化合物和DAO之一。预定阈值是沸点温度1250℉。重整的分子式分布包括由HHMoC协议所定义的在参考MoC中分子团的确定的参考百分比。所述方法还可包括共混重整的分子式分布与初始分子式分布。
在一些实施方式中，通过约束优化进行参考MoC的调解，所述约束优化包括将每一分子团的参考百分比调节到更新的百分比。至少一种所选目标性质包括物料中残油的总重量、基于总残油的馏分的重量百分比，或基于总残油的馏分的元素例如氢、硫、氮、镍、钒的重量百分比，所述馏分是由HHMoC协议所定义的馏分之一。
在例示性实施方式中，调解参考MoC包括相对于参考MoC，基于粗粒而调节参考百分比。在特定实施方式中，调节参考百分比包括使用与由HHMoC协议所定义的馏分、缺氢等级和分子类型的独特属性组合有关的粗粒化指数。
可通过分析技术测量至少一种所选目标性质。例如，该分析技术可选自超临界流体色谱法、硫模拟蒸馏、模拟蒸馏、N和S元素分析、H-NMR和GC-火焰电离检测之一。
附图说明
图1是HHMoC研究分析协议的示意图。
发明详述
虽然所公开的主题可以用许多不同的形式实施，但是现将详细参考所公开的主题的特定实施方式。本描述是所公开主题的原理的示例并且并不旨在将本发明限于所示例的特定实施方式。
根据所公开主题的一个方面，公开了用于测定物料组成的方法。所述方法包括获得在大气压下沸点高于约1000℉的物料的参考组成模型(MoC)，所述参考MoC包括分子团的组合，每一分子团具有确定的参考百分比。然后使用至少一个计算机处理器调解参考MoC以匹配所述物料的至少一种所选目标性质，以获得代表物料组成的调解MoC。在调解MoC中，更新分子团的参考百分比，以使更新或调解的分子团百分比更能代表所述物料的实际MoC。
在特定实施方式中，根据这种方法，物料的参考MoC包括根据重烃组成模型(HHMoC)分析协议的分子团的参考百分比(下文也称为“权重”)。例如，可将参考MoC表示为具有相关参考百分比的分子团的组合，其中将相应分子团的每一参考百分比表示为由HHMoC协议所定义的属性的函数，所述属性即下文进一步描述的级分指数、分子量、缺氢等级和分子类型。
此时参考图1，其为HHMoC分析协议的示意图。在这个协议中，正庚烷将残油样品分离成脱沥青油(DAO)和沥青质馏分。接着，高效液体色谱(LC)技术将DAO分离成H-HDHA类馏分，例如饱和物、ARC1-4、硫化物和极性物。可通过多种方法分析这七种DAO馏分和沥青质馏分。在除DAO饱和物和极性物以外的每一HHMoC馏分中，可使用超高分辨率大气压光致电离傅里叶变换离子回旋共振质谱(APPI-FTICR-MS)以测量分子式分布。残油的分子的分子式可通过下式得到：
CcH2c+ZSsNnOoNiniVv (1)
在此处，分子的碳数是c，其缺氢等级是Z，并且s、n、o分别是硫、氮和氧的化学计量系数。APPI-FTICR-MS也已经检测到所选残油馏分内的有机金属化合物。
这些有机金属(卟啉)化合物含有一个各自为镍或钒的原子。在分子式(1)中，镍和钒的化学计量系数分别是ni、v。
代替方程(1)并且如此处所述的，可将来源于FTICR-MS分析的分子的分子式表示为三种属性的三元组：分子的标称质量MW(g/mol)、其缺氢等级Z和其分子类型T。分子类型T采取包括残油分子中的杂原子数(s、n、o)和金属原子数(ni、v)的命名约定(参见表2)。这种报道的约定等效于方程(1)；因为分子的标称质量等于所述分子内每一原子类型的标称质量的总和，所以可独特地测定分子的碳数c，其中每一原子类型的标称质量等于其已知的原子量(C＝12、H＝1、S＝32、N＝14、Ni＝59、V＝51)乘以所述类型的原子数(c、2c+Z、s、n、ni、v)。根据这种原子量平衡，将碳数c读为：
c＝(MW-(Z+32s+14n+16o+59ni+51v))/14 (2)
可对DAO馏分进行负离子和正离子电喷雾(NESI-和PESI-)FTICR-MS，以检测在多种LC馏分中洗脱的富含杂原子的分子。NESI-FTICR-MS可检测非碱性氮和酸；PESI-FTICR-MS主要检测碱性氮化合物。可假定包含DAO极性馏分的分子分布为NESI-和PESI-FTICR-MS谱的叠加。
碰撞诱导解离(CID)可与APPI-FTICR-MS联用，以测定包含多核分子的同系列核的分子式，所述多核分子富含于包含残油的所选HHMoC馏分(例如DAO ARC1-4、硫化物、极性物和沥青质)中。
目前，HHMoC研究分析协议中可用的超高分辨率质谱技术因过度分裂而不能应用于饱和分子。在此处，可使用场解吸质谱法(FDMS)以估算每一HHMoC DAO饱和物馏分的标称分子量分布。
如此处所述的，使分子的分子式分布与HHMoC分析协议一致。可将这种分布以数学方式表示为分子团的重量百分比丰度(或简单地，“百分比”或“权重”)(基于100重量％的残油)，例如表示为w(f,MW,Z,T)。HHMoC馏分指数取正整数，f＝1、2、3、……11并且可定义在表1中。
表1：HHMoC馏分指数
| 馏分 | 馏分指数，f |
| DAO饱和物 | 1 |
| DAO ARC 1 | 2 |
| DAO ARC 2 | 3 |
| DAO ARC 3 | 4 |
| DAO ARC 4 | 5 |
| DAO硫化物 | 6 |
| DAO极性物 | 7 |
| 沥青质 | 8 |
| DAO芳族化合物 | 9 |
| DAO | 10 |
| 残油 | 11 |
分子类型T取决于杂原子的化学计量系数s、n、o和金属的化学计量系数ni、v。到目前为止，总共35个分子类型可用于HHMoC应用中(参见表2)。已经通过超高分辨率FTICR-MS标识出除镍卟啉(T＝4N1Ni、1S4N1Ni)以外的所有类型。可根据2012年5月30日提交的标题为“System and Method to Generate Molecular Formula Distributions Beyond aPredetermined Threshold for a Petroleum Stream”(针对石油物流在预定阈值以外产生分子式分布的系统和方法)的共同待审美国临时专利申请61/653,061将镍卟啉“接种”到分子式分布中，所述美国临时专利申请通过参考全部引入本文中。
表2：HHMoC应用中的分子类型的杂原子化学计量系数
标称分子量MW可取任何正整数。然而，截断在FDMS谱中出现的高于3000g/mol的标称分子量。缺氢等级Z取整数Z＝2、1、0、……-∞。对于具有偶数氮原子即化学计量指数n＝0、2、4……的分子，缺氢等级Z和标称分子量MW是偶数整数。对于具有奇数氮原子即n＝1、3、5……的分子，缺氢等级Z和分子量MW是奇数整数。
在HHMoC协议中，可假定脱沥青步骤中以及每一DAO LC分离步骤中100％的回收率而归一化馏分的重量百分比。因此，DAO芳族化合物馏分的分子式分布是DAO ARC馏分中分布的总和：
同样地，DAO馏分的分子式分布是每一硅胶分离(SGS)馏分中分布的总和：
另外，总残油的分子式分布是DAO和沥青质馏分中分布的总和：
如此处使用的术语“获得”是指应广泛地理解并且包括使用分析技术之一以测量分子式分布，使用模型化技术产生分子式分布，从第三方接收分子式分布，以及从第三方接收信息并此后完全部分基于所接收的信息而产生分子式分布。
可使用分析技术获得初始分子式。该分析技术可为多变量分析技术或在本领域中已知用于其预期目的的任何其它分析技术。这些技术可例如包括高细节烃分析(HDHA)、微烃分析(MHA)或超高分辨率傅里叶变换离子回旋共振质谱(FTICR-MS)。可使用HDHA以分析沸点低于1000℉的复杂烃混合物。MHA是类似的分析技术，但是能够使用小于HDHA的样品体积以分析所选烃混合物。通过参考全部引入本文中的美国专利7,598,487中较完整地描述了MHA。
超高分辨率FTICR-MS可与大量电离方法联合使用。这些电离方法可例如包括大气压光致电离(APPI)、负离子和正离子电喷雾电离(NESI或PESI)、基质辅助激光解离电离(MALDI)和解吸电喷雾电离(DESI)，以及激光诱导声学解吸(LIAD)。美国专利7,619,217中较详细地描述了LIAD。
根据所公开的主题的一个方面，所公开的主题包括提供一种外推分子式分布至预定阈值以外的方法。所述方法通常包括：对于来自石油物流的物料的样品，在预定阈值内获得初始分子式分布；标识在初始分子式分布的两种或更多种分子性质之间的相关性；使用至少一个处理器，外推初始分子式分布至预定阈值以外，以构建外推的分子分布；和基于获自样品的重整化数据重整外推的分子式分布以产生重整的分子式分布。在另外的方面，在低于预定阈值(例如沸点阈值)的沸点下，重整的分子式分布可与初始分子式分布共混，以维持与初始分子式分布中所含详细信息类似的水平。在如上所述的2012年5月30日提交的标题为“System and Method to Generate Molecular Formula Distributions Beyond aPredetermined Threshold for a Petroleum Stream”(针对石油物流在预定阈值以外产生分子式分布的系统和方法)的共同待审美国临时专利申请61/653,061中较完整地描述了所公开主题的这些方面和其各个实施方式。如此处所实施的，通常参考在预定沸点阈值以外，例如在1250℉下外推分子式分布以描述这种方法。然而，本领域普通技术人员应理解，可将其它分子性质用作预定阈值。预定阈值也可为例如分子量阈值。馏分可具有任何合适的尺寸、数目和特性。此外，所公开的主题还涵盖整个石油物流样品的分子式分布的外推。因此，相关性构建中使用的分子性质可包括整个石油物流的沸点和一种或多种馏分(例如每一液体色谱馏分)的沸点。
在上述方法中，可使用分析技术例如高细节烃分析、微烃分析、超高分辨率傅里叶变换离子回旋共振质谱和/或如上关于图1所述的HHMoC应用中概述的步骤而获得初始分子式分布。该分析技术也可为多变量分析技术。可选地，并且根据另一实施方式，可使用模型化技术获得初始分子式分布。模型化技术可为例如基于组成的过程模型化，其产生分子式分布作为其组成在过程模型内进行计算的产物或中间体物流的分子式分布。模型化技术也可为组成合成模型化，其中分子式分布来源于分析技术，但是已经被调节以匹配其自身的整体(bulk)性质，或另一烃物流的整体性质。模型化技术也可为基于理论的模型化，其中通过可简化为基于计算机的算法的理论预测分子分布并因此预测分子式分布。基于理论的模型化技术的实例是在费-托合成法中产生的安德森-舒尔茨-弗洛里(Anderson-Schulz-Flory)分布。较复杂的实例是石油，其分子分布可通过组合基于地球化学的形成规则，例如异戊二烯烷基化、生物降解、热化学硫酸盐还原进行近似化。
通常可从2012年5月30日提交的标题为“System and Method to GenerateMolecular Formula Distributions Beyond a Predetermined Threshold for aPetroleum Stream”(针对石油物流在预定阈值以外产生分子式分布的系统和方法)的共同待审美国临时专利申请61/653,061理解获得物料MoC的另外的方面，所述美国临时专利申请的公开内容通过参考全部引入本文中。
在例如根据上述外推步骤(其任选地包括共混重整的分子式分布与初始分子式分布)获得物料样品的MoC之后，可调解分子式分布以使其匹配物料的一种或多种所选目标性质，以获得代表物料组成的调解组成模型。可通过分析技术测量一种或多种目标性质，所述分析技术包括但不限于超临界流体色谱法、硫模拟蒸馏、模拟蒸馏、N和S元素分析、H-NMR和GC-火焰电离检测。调解步骤通常包括调整或调节分子团的参考百分比以获得更新的百分比，以使具有更新的百分比或权重的调解分子量分布匹配一种或多种所选目标性质。例如，可确定自动调整(或调解)的分子团百分比或权重{wi}的矢量，其最小化在根据参考百分比或权重{w* i}(其可作为如上所述的外推步骤的输出而得到)进行调节后的信息熵损失，受到如下的约束：更新的百分比或权重{wi}满足关于一种或多种所选目标性质的性质平衡方程的线性体系：
对于j＝1、2、……NP来说
其中aji是分子团i中性质j的密度，并且bj是性质j的测量值。为了示例而非限制性的目的，下表3中提供了一些例示性目标性质。
表3：调解中的所选目标性质(或性质平衡约束)
在一个实施方式中，可通过信息熵的约束优化，例如通过对以下欧拉-拉格朗日方程求解以确定一组拉格朗日乘数λk，确定上述方程(6)中的权重：
对于j＝1,...,NP来说
在方程(7)中，拉格朗日乘数的数目等于线性约束的数目NP(约10-100)，其经常比N，即分子团的数目(在典型HDHA应用中为1000-10,000)小得多。软度参数ηj是零以表示硬性的约束。否则，其为非零以当所选的测量性质bj具有显著不确定性时有助于欧拉-拉格朗日方程(7)的收敛；可通过试错法确定这些参数的非零值。一些例示性参数值可选自上表3。
可在计算机上针对拉格朗日乘数{λk}，例如使用牛顿法对上述方程(7)求解。然后，可通过以下方程(8)确定自动调整或更新的团块百分比或权重{wi}的矢量：
对于i＝1、……N来说
在所分析的样品物料中，例如表示为分子式分布w*(f,MW,Z,T)的参考MoC中的分子团的数目可很大，例如对于残油，N≈100-300,000。可从通过参考全部引入本文中的美国专利公布2009/0105966理解用于调解组成模型的方法和步骤的其它方面。
可通过基于较粗粒调节团块百分比或权重而实施上述调解方法。例如但不限于此，粗粒化步骤可将具有类似分子性质例如共有一种或多种属性(f、MW、Z、T)的分子团分成单一团块，以使调解算法中使用的分子/团块的总数明显减少。这样，粗粒化不仅可提高求解上述线性方程的计算效率，而且可使所计算的物理性质的数学解更严格地对应其基于物理原理的期待值。例如但不限于此，为了维持自动调节或调解的分子式分布w(f,MW,Z,T)的光滑性，粗粒化方法可使用由下式定义的变换：
w(f,MW,Z,T)＝w*(f,MW,Z,T)Ψ(f,Z,T) (9)
其中粗粒化权重的初值Ψ*(f,Z,T)＝1。方程(9)中定义的粗粒化方法确保相对于标称分子量MW，自动调节的分子式分布w(f,MW,Z,T)的形状与输入的分子式分布w*(f,MW,Z,T)的形状相同。在将方程(9)代入欧拉-拉格朗日方程(7)中后，获得以下方程(10)：对于j＝1、……NP来说
其中
在此处，分子团指数i标识属性{f,MW,Z,T}的独特组合，并且粗粒化指数m标识属性{f,Z,T}的独特组合。这样，变量MW会在粗粒化中被叠并(collapsed)而不会直接用于方程(7)的求解中。因此，可极大地减小方程(7)的求解复杂性。
应注意，可使用其它可选性粗粒化步骤。例如，可选择其它的自由度属性或变量。例如，可将分子式分布函数w(f,MW,Z,T)中的属性f、Z或T中的一个或多个选择为叠并。然而，从方程(7)得到的变换方程的求解可以不像上述方程(10)和(11)那么严格或有效，其中MW的属性是叠并的。
而且，可在计算机上针对拉格朗日乘数{λk}，例如使用牛顿法对上述代数方程(10)求解。一旦已经对这些拉格朗日乘数求解，便可根据组合方程(9-11)的以下方程(12)由拉格朗日乘数计算自动调节的分子式分布w(f,MW,Z,T)：
虽然此处就特定优选实施方式而描述了本申请，但是本领域普通技术人员将认识到可在不脱离其范围的情况下对本申请进行多种修改和改进。因此，旨在使本申请包括在所附权利要求书和其改进的范围内的修改和改进。此外，虽然可以在此处而非在其它实施方式中讨论本申请的一个实施方式的个别特征，但是显然地，可将一个实施方式的个别特征与另一实施方式的一个或多个特征或多个实施方式的特征组合。
除下文要求保护的具体实施方式以外，本申请还针对具有下文所要求保护的从属特征和上文所要求保护的特征的任何其它可能的组合的其它实施方式。因此，可将从属权利要求中提出并且上文公开的特定特征以在本申请的范围内的其它方式相互组合，从而应将本申请视为还具体地针对具有任何其它可能的组合的其它实施方式。因此，已经为了示例和描述的目的而呈现了本申请特定实施方式的前述描述。并非旨在穷举或将本申请限于所公开的那些实施方式。
Claims (12)
1.一种确定来自石油流的物料的组成的方法，所述方法包括：
获得在大气压下沸点高于1000℉的所述物料的参考组成模型(MoC)，所述参考MoC包括分子团的组合，每一所述分子团具有确定的参考百分比，其中获得所述参考MoC包括
将所述物料的样品分离成一种或多种馏分，在预定阈值内从所述物料的所述样品的所述一种或多种馏分获得初始分子式分布，其中所述预定阈值是1250℉的沸点温度，
标识所述初始分子式分布的两种或更多种分子性质之间的相关性，
使用至少一个处理器，沿着所述相关性外推所述初始分子式分布至所述预定阈值以外以构建外推的分子分布，和
基于获自所述样品的重整化数据重整所述外推的分子式分布以产生重整的分子式分布；
测量所述物料的至少一种选择的目标性质，其中所述至少一种选择的目标性质包括以下的至少一种：(i)所述物料中的残油总重量，(ii)基于总残油的馏分的重量百分比，其中所述馏分是由重烃组成模型(HHMoC)协议定义的馏分之一，(iii)基于总残油的馏分的氢重量百分比，其中所述馏分是由HHMoC协议定义的馏分之一，(iv)基于总残油的馏分的硫重量百分比，其中所述馏分是由HHMoC协议定义的馏分之一，(v)基于总残油的馏分的氮重量百分比，其中所述馏分是由HHMoC协议定义的馏分之一，(vi)基于总残油的馏分的镍重量百分比，其中所述馏分是由HHMoC协议定义的馏分之一，(vii)基于总残油的馏分的钒重量百分比，所述馏分是由HHMoC协议定义的馏分之一；和
使用至少一个计算机处理器调解所述参考MoC以匹配所述物料的至少一种选择的目标性质，以获得代表所述物料组成的调解MoC。
2.根据权利要求1所述的方法，其中所述调解MoC包括每一所述分子团的更新的百分比。
3.根据权利要求2所述的方法，其中在如下约束下进行所述调解，该约束为每一所述分子团的所述更新百分比满足一组关于所述至少一种选择的目标性质的性质平衡判据。
4.根据权利要求1所述的方法，其中将所述参考MoC中每一确定的参考百分比表示为重烃组成模型(HHMoC)协议的属性的函数。
5.根据权利要求1所述的方法，其中获得所述参考MoC还包括共混所述重整的分子式分布与所述初始分子式分布。
6.根据权利要求1所述的方法，其中所述初始分子式分布包含多种馏分中的每一者的馏分分子式分布。
7.根据权利要求1所述的方法，其中所述多种馏分中的每一者为液体色谱馏分，所述液体色谱馏分选自脱沥青油(“DAO”)饱和物、DAO芳族环类1(“ARC1”)、DAO ARC2、DAO ARC3、DAO ARC4、DAO硫化物、DAO极性物、沥青质、DAO芳族化合物和DAO之一。
8.根据权利要求1所述的方法，其中所述重整的分子式分布包括根据由HHMoC协议所定义在所述参考MoC中的所述分子团的所述确定的参考百分比。
9.根据权利要求2所述的方法，其中通过约束优化调解所述参考MoC，所述约束优化包括将所述分子团中的每一者的所述参考百分比调节到所述更新的百分比。
10.根据权利要求9所述的方法，其中将所述参考百分比调节到所述更新的百分比包括相对于所述参考MoC，基于粗粒而调节所述参考百分比。
11.根据权利要求10所述的方法，其中调节所述参考百分比包括使用与由HHMoC协议所定义的馏分、缺氢等级和分子类型的独特属性组合有关的粗粒化指数。
12.根据权利要求1所述的方法，其中所述测量所述物料的至少一种选择的目标性质通过超临界流体色谱法、硫模拟蒸馏、模拟蒸馏、N和S元素分析、H-NMR和GC-火焰电离检测之一来完成。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201261653069P | 2012-05-30 | 2012-05-30 | |
| US61/653,069 | 2012-05-30 | ||
| PCT/US2013/043284 WO2013181349A2 (en) | 2012-05-30 | 2013-05-30 | Method for reconciling a model of composition |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104285227A CN104285227A (zh) | 2015-01-14 |
| CN104285227B true CN104285227B (zh) | 2018-01-23 |
Family
ID=48614171
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201380025268.4A Active CN104285227B (zh) | 2012-05-30 | 2013-05-30 | 调解来自石油流的物料的组成的模型的方法 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US9625439B2 (zh) |
| EP (1) | EP2856366B1 (zh) |
| CN (1) | CN104285227B (zh) |
| CA (1) | CA2871489C (zh) |
| SG (2) | SG11201406647QA (zh) |
| WO (1) | WO2013181349A2 (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10393723B2 (en) | 2012-01-13 | 2019-08-27 | Aspen Technology, Inc. | Method to represent metal content in crude oils, reactor feedstocks, and reactor products |
| US9665693B2 (en) * | 2012-05-30 | 2017-05-30 | Exxonmobil Research And Engineering Company | System and method to generate molecular formula distributions beyond a predetermined threshold for a petroleum stream |
| US20160092660A1 (en) * | 2013-10-04 | 2016-03-31 | Jorge M. Martinis | Characterization of Complex Hydrocarbon Mixtures for Process Simulation |
| CN106324229B (zh) * | 2016-08-22 | 2019-03-12 | 何恺源 | 一种确定原油及石油流股详细分子组成的方法 |
| JP6813834B6 (ja) * | 2017-03-30 | 2021-02-10 | 一般財団法人石油エネルギー技術センター | 多成分混合物の分子構造を近似的に特定する方法及びプログラム（ｃｓａ２） |
| EP3616101B1 (en) * | 2017-04-24 | 2023-09-27 | AspenTech Corporation | Molecular characterization method and system |
| CN109378041B (zh) * | 2018-12-03 | 2021-01-08 | 中国石油大学(北京) | 介尺度模拟石油分子粗粒化模型及其构建方法和预测方法 |
| US11680938B2 (en) | 2019-06-20 | 2023-06-20 | Saudi Arabian Oil Company | System and method of characterizing crude oil and its derivatives by combining total sulfur determination and FT-ICR mass spectrometry |
| CN111595930B (zh) * | 2020-04-29 | 2023-05-26 | 中国石油天然气股份有限公司 | 根据芳香烃化合物确定原油tsr程度的方法 |
| CN111595925B (zh) * | 2020-04-29 | 2023-02-28 | 中国石油天然气股份有限公司 | 一种根据石油组学判断凝析油tsr程度的方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7598487B2 (en) | 2005-11-22 | 2009-10-06 | Exxonmobil Research And Engineering Company | Micro-hydrocarbon analysis |
| US7619217B2 (en) | 2006-05-26 | 2009-11-17 | Purdue Research Foundation | High power laser induced acoustic desorption probe |
| US8682597B2 (en) * | 2007-10-16 | 2014-03-25 | Exxonmobil Research And Engineering Company | Estimating detailed compositional information from limited analytical data |
| US8522600B2 (en) * | 2010-10-12 | 2013-09-03 | Saudi Arabian Oil Company | Fluid compositional analysis by combined gas chromatographic and direct flash methods |
-
2013
- 2013-03-15 US US13/832,747 patent/US9625439B2/en active Active
- 2013-05-30 SG SG11201406647QA patent/SG11201406647QA/en unknown
- 2013-05-30 EP EP13728621.7A patent/EP2856366B1/en active Active
- 2013-05-30 WO PCT/US2013/043284 patent/WO2013181349A2/en active Application Filing
- 2013-05-30 CN CN201380025268.4A patent/CN104285227B/zh active Active
- 2013-05-30 SG SG10201609695QA patent/SG10201609695QA/en unknown
- 2013-05-30 CA CA2871489A patent/CA2871489C/en active Active
Non-Patent Citations (2)
| Title |
|---|
| Determination of Structural Building Blocks in Heavy Petroleum Systems by Collision-Induced Dissociation Fourier Transform Ion Cyclotron Resonance Mass Spectrometry;Kuangnan Qian et al.;《analytical chemistry》;20120423;第84卷;第4544-4551页 * |
| Extension of Structure-Oriented Lumping to Vacuum Residua;Stephen B. Jaffe et al.;《Extension of Structure-Oriented Lumping to Vacuum Residua》;20051231;第44卷(第26期);第9840-9852页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CA2871489C (en) | 2019-07-23 |
| EP2856366A2 (en) | 2015-04-08 |
| US20130325362A1 (en) | 2013-12-05 |
| SG10201609695QA (en) | 2017-01-27 |
| SG11201406647QA (en) | 2014-11-27 |
| WO2013181349A3 (en) | 2014-03-27 |
| CA2871489A1 (en) | 2013-12-05 |
| US9625439B2 (en) | 2017-04-18 |
| EP2856366B1 (en) | 2018-11-07 |
| CN104285227A (zh) | 2015-01-14 |
| WO2013181349A2 (en) | 2013-12-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104285227B (zh) | 调解来自石油流的物料的组成的模型的方法 | |
| EP2856365B1 (en) | System and method to generate molecular formula distributions beyond a predetermined threshold for a petroleum stream | |
| EP3616101B1 (en) | Molecular characterization method and system | |
| US20200340970A1 (en) | Characterization of crude oil by fourier transform ion cyclotron resonance mass spectrometry | |
| EP2651541B1 (en) | Generation of model-of-composition of petroleum by high resolution mass spectrometry and associated analytics | |
| CN109859805B (zh) | 一种基于分子组成的汽油调和优化方法 | |
| US20150106028A1 (en) | Characterization of crude oil by fourier transform ion cyclotron resonance mass spectrometry | |
| WO2009051742A1 (en) | Estimating compositional information from limited analytical data | |
| WO2012146787A1 (en) | Computer-assisted structure identification | |
| CN106324229B (zh) | 一种确定原油及石油流股详细分子组成的方法 | |
| Pires et al. | Electron impact ionization of 1-propanol | |
| Creton et al. | Equivalent alkane carbon number of crude oils: A predictive model based on machine learning | |
| Wang et al. | Detailed chemical composition of straight-run vacuum gas oil and its distillates as a function of the atmospheric equivalent boiling point | |
| Bell et al. | “-Omics” workflow for paleolimnological and geological archives: A review | |
| Smirnov et al. | Mass difference maps and their application for the recalibration of mass spectrometric data in nontargeted metabolomics | |
| Mancuso et al. | Data extraction from proteomics raw data: an evaluation of nine tandem MS tools using a large Orbitrap data set | |
| Irikura | Ab initio computation of energy deposition during electron ionization of molecules | |
| Raji et al. | Using multivariate statistical methods to model the electrospray ionization response of GXG tripeptides based on multiple physicochemical parameters | |
| US11680938B2 (en) | System and method of characterizing crude oil and its derivatives by combining total sulfur determination and FT-ICR mass spectrometry | |
| Xia et al. | Compound-specific, intra-molecular, and clumped 13C fractionations in the thermal generation and decomposition of ethane and propane: A DFT and kinetic investigation | |
| Yang et al. | Theoretical study of valence orbital response to guanine tautomerization in coordinate and momentum spaces | |
| Ramírez et al. | Molecular Representation of Molecular Distillation Cuts of Vacuum Residue by Spectrometry Ultra-High Resolution and Conventional Analytic | |
| JP2024132212A (ja) | 石油重質留分の得率および物性値の推定方法 | |
| Hu et al. | Computer molecular dynamics simulation study on the asphalt molecular model construction based on time-of-flight mass spectrometry | |
| O'Brien | Protein folding and amyloid formation in various environments |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |