CN109949870A - 一种分子级基础油调和优化方法 - Google Patents
一种分子级基础油调和优化方法 Download PDFInfo
- Publication number
- CN109949870A CN109949870A CN201910170871.0A CN201910170871A CN109949870A CN 109949870 A CN109949870 A CN 109949870A CN 201910170871 A CN201910170871 A CN 201910170871A CN 109949870 A CN109949870 A CN 109949870A
- Authority
- CN
- China
- Prior art keywords
- base oil
- property
- molecular
- molecules
- reconciliation
- 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
Landscapes
- Lubricants (AREA)
Abstract
本发明涉及一种分子级基础油调和优化方法,本发明采用分子级的物性模型来计算基础油组分及产品的性质,相比传统的经验公式等方法,有效提升了性质预测的准确性,同时,改善调和时多个性质指标无法同时满足或性质裕量过大的情况,实现对产品质量和生产成本的精确调控,有效提升调和生产的经济效益;避免了传统方法所需要的大量实验工作,节省人力物力,并大幅降低确定调和配方所需要的时间。
Description
技术领域
本发明涉及石油炼制及石油化工生产技术领域,尤其涉及一种分子级基础油调和优化方法。
背景技术
成品润滑油的组成包括基础油和一定量的添加剂,其中,基础油是润滑油的主要组成部分,在很大程度上决定了成品润滑油的性质。由于原料油品质不佳、加工工艺限制、润滑油指标要求提高等原因,单一来源的基础油往往不能很好地符合标准规定的性质要求,为了改善成品润滑油的性质指标、减少添加剂的用量、降低润滑油生产成本,在生产中通常会将不同的基础油进行调和,以满足出厂质量指标。
目前,基础油生产调和配方的确定需要耗费大量的实验工作。实验室通过检测每个基础油组分的各项性质指标,例如粘度、粘度指数等,再根据一定的数学公式或经验,得出生产所需基础油时各个基础油组分的调和比例。由于基础油的构成物质属于较大的有机分子,其分子碳数可达50左右,实验解析困难,实验室所采用的数学公式通常只是基于组分比例的宏观性质混合公式,或者是经验性的公式,没有深入到分子层面,这也导致了公式预测结果的不准确。尤其对于粘度等非线性性质,公式预测结果与实际数值的偏离情况更加明显。
另一方面,由于很多常用的宏观性质混合公式并没有微观分子上的意义,彼此相对独立,不能准确反映不同性质之间的关联关系。这造成了在同时考虑多个基础油性质指标时,更容易出现无法同时达标,或者某些性质裕量过大的情况,难以对产品质量和生产成本的平衡进行精确调整。
由于上述问题,实验室在确定基础油生产调和配方时,只能通过多次实验,逐步调整比例,不断地摸索、尝试出每项性质指标均合格的配方,再投入实际生产。甚至有些时候得出的配方性质裕量仍然较大,浪费了优质的基础油。
综上所述,现有的配方确定方法所需的周期长,成本高,需消耗大量的人力物力。当产品需求变动时,也需要重新进行大量的实验来确定配方。
发明内容
本发明为克服上述的不足之处,目的在于提供一种分子级基础油调和优化方法,本发明采用分子级的物性模型来计算基础油组分及产品的性质,相比传统的经验公式等方法,有效提升了性质预测的准确性,同时,改善调和时多个性质指标无法同时满足或性质裕量过大的情况,实现对产品质量和生产成本的精确调控,有效提升调和生产的经济效益;避免了传统方法所需要的大量实验工作,节省人力物力,并大幅降低确定调和配方所需要的时间。
本发明是通过以下技术方案达到上述目的:一种分子级基础油调和优化方法,包括如下步骤:
(1)建立润滑油基础油总分子库,其中涵盖烃类、含硫、含氮、含氧分子;
(2)建立单分子性质库,其中的单分子性质来源于公开发表的数据或者通过性质预测函数计算得到的数据或者实验数据;
(3)建立润滑油基础油的组分库,包含不同类别基础油的典型分子分布模板;
(4)建立润滑油基础油的分子级混合性质预测模型;
(5)根据每个可参与基础油调和的组分的实测宏观性质,解析出其分子组成;
(6)根据实际需要设置相应的目标函数及产品性质约束条件,对使用的基础油组分的调和比例进行优化。
作为优选,所述步骤(3)中,基础油的分类基于以下方法进行设置:
(I)类别共有三个维度,原油类型、加工工艺及加工深度;
(II)根据实际应用需要,选择三个维度中的至少一个,分别划分不同的类别或数量级,综合形成不同的基础油分类;
其中,原油类型可以按照产地、年份、基属、密度、硫含量、氮含量、酸含量中的一种或多种结合进行划分;不同类别基础油组分的典型分子分布模板可由实验检测或数学模型预测中的一种方法或两种方法结合得到;其中,组分所含分子种类为总分子库的子集。
作为优选,所述步骤(4)在建立的模型中加入非理想调和因子,考虑在混合时产生的非理想效应,计算公式如下:
其中,下标i、j表示不同的分子类型;P表示混合物的性质或性质函数;Pi表示i类型分子的性质或性质函数,由混合物中所有的i类型分子的单分子性质或性质函数求得;xi表示i类型分子的摩尔分数;αi表示i类型分子的非理想调和因子;kij表示i类型分子与j类型分子的性质调和交互系数;其中,一种分子类型划分方法可以为链烷烃、环烷烃、芳香烃、含硫分子、含氮分子、含氧分子;P和Pi为线性函数或非线性函数中的任意一种。
作为优选,所述步骤(5)的解析方法如下:
1)获得至少一项该基础油的下列宏观性质:密度、族组成、硫含量、20℃运动粘度、40℃运动粘度、100℃运动粘度、粘度指数、粘重常数、-15℃动力粘度、-20℃动力粘度、-25℃动力粘度、雾点、倾点、凝点、闪点、苯胺点、酸值、氮含量、碱性氮、残炭、氧化安定性、蒸发损失;
2)根据基础油的类型,从步骤(3)建立的组分库中选择相应的分子分布模板;
3)利用步骤(4)建立的混合性质预测模型,结合得到的实测宏观性质,以分子分布模板为基础,调整获得该基础油的分子组成。
作为优选,所述在调整获得该基础油的分子组成时,以各性质的相对偏差平方和为目标函数,并基于分子分布模板的系统状态表征量建立约束条件,计算公式如下:
其中,下标i表示不同的性质;上标c、t表示预测值和实测值;x表示混合物的分子组成分数向量;P表示混合物的性质;S表示混合物系统的系统状态表征量;Sini表示分子分布模板的系统状态表征量;t表示系统状态表征量的波动半径。
作为优选,所述的系统状态表征量可以为表示体系混乱度或多样性的熵值;可选的,系统状态表征量为信息熵。
作为优选,所述步骤(6)的目标函数可以是生产利润最大或原料库存最小。
作为优选,所述在优化时,可使用正交分布的方法模式,得到多个初值点作为优化函数的初值,改善优化计算的收敛性。
本发明的有益效果在于:(1)本发明在分子层级上建立基础油的性质预测模型,考虑了不同分子类型之间的作用关系,相比传统的经验公式等方法准确性更高,适用性更好。在不进行分子作用参数校正的情况下,对于粘度等非线性性质,模型的准确性仍然可以达到3-5%,并且对于不同类型的基础油预测的准确性偏离不大。传统的经验公式经过校正后,虽然也可以达到相同等级的精度,但是只适合用于与校正数据来源同一类型的基础油计算,当基础油的类型改变后,经验公式需要重新进行校正;(2)传统的经验公式由于没有深入到分子层面,在考虑多个性质指标时容易顾此失彼。而本发明能够适用于同时考虑多个性质指标的调和配方确定,能够得到使所有的性质指标均逼近约束上限或下限的最优配方,在满足产品质量指标的条件下,降低生产成本,实现产品生产利润的最大化;(3)传统的配方确定方法需要多次的实验工作进行试验与探索,时间通常要花费一天甚至更多,耗费大量的人力物力及时间成本;本发明通过分子级模型实现准确的基础油组分及产品的性质预测,与实际的性质数据吻合程度高,大幅降低确定配方所需的实验量。在进行配方计算或优化时,只需要1-2分钟即可得出结果。
附图说明
图1是本发明的流程示意图;
图2是本发明实施例中923种基础油分子的部分分子核心示意图;
图3是本发明实施例中调和的基础油产品各性质预测结果的相对偏差情况。
具体实施方式
下面结合具体实施例对本发明进行进一步描述,但本发明的保护范围并不仅限于此:
实施例:如图1所示,一种分子级基础油调和优化方法包括如下步骤:
(1)针对某润滑油厂基础油调和的实际情况,建立基础油总分子库,包含1425个分子。其中,饱和烃分子为381个,芳烃分子为506个,含硫分子为273个,含氮分子为175个,含氧分子为90个。
(2)结合公开文献及性质预测函数,得到1425个分子的分子性质,形成单分子性质库。
(3)针对该润滑油厂生产所采用的三种润滑油基础油组分,根据原油类型及加工工艺两个维度进行种类划分,其中,原油类型包括产地、基属两种属性,三种润滑油基础油种类的划分结果如表1所示;
表1
根据三种基础油组分的分类,从预先建立好的基础油组分库中选取相应的典型分子分布模板。三种分子分布模板中的分子种类总计923种,为1425个基础油分子组成的总分子库的子集。923种分子的部分分子核心示意见图2。
(4)建立润滑油基础油的分子级混合性质预测模型,包括硫含量、氮含量、碱性氮、酸值、40℃运动粘度、100℃运动粘度、倾点、闪点。计算公式如下所示:
其中,下标i、j表示不同的分子类型,包括链烷烃、环烷烃、芳香烃、含硫分子、含氮分子、含氧分子;P为混合物的性质;Pi为i类型分子的性质,由混合物中所有的i类型分子的单分子性质求得;xi为i类型分子的摩尔分数;α为i类型分子的非理想调和因子;kij为i类型分子与j类型分子的性质调和交互系数。
(5)利用实验室检测手段分别获得三种基础油组分的硫含量、氮含量、碱性氮、酸值、40℃运动粘度、100℃运动粘度、倾点、闪点。利用步骤4中建立的分子级混合性质预测模型,以步骤3中确定的三种基础油组分的典型分子分布模板为初值,以各性质的相对偏差平方和为目标函数,并选用信息熵作为系统状态表征量,信息熵的波动半径为20%,调整获得三种基础油组分的分子组成。三种基础油组分的部分分子组成的示意见表2。
序号 | 分子 | 基础油组分1 | 基础油组分2 | 基础油组分3 |
1 | 1,5-二戊基六氢茚满 | 0.000690359 | 0.001157893 | 8.90686E-06 |
2 | 2,4,7-三戊基萘 | 0.001070201 | 0.000194879 | 0.002076604 |
3 | 2-辛基环戊烷并咔唑 | 0.000241839 | 0.000615655 | 0.002153358 |
4 | 1-甲基-4-癸基环己烷 | 0.000552721 | 0.000496166 | 3.25596E-11 |
5 | 4-正戊基联苯 | 0.001074018 | 0.000106043 | 0.000771314 |
6 | 3-甲基-8-十一烷基苊 | 0.00107316 | 0.000616383 | 0.000490185 |
7 | 4-甲基-2-己基芘 | 0.001030929 | 0.00126923 | 2.29333E-29 |
8 | 2-正丙基苉 | 0.00094746 | 0.001134911 | 0.000813434 |
9 | 2-甲基-7-十五烷基十氢化萘 | 0.000612769 | 0.000314724 | 0.000217157 |
10 | 2-辛基菲啶 | 0.000304101 | 0.000211054 | 0.001701489 |
11 | 2-正庚基四氢化屈 | 0.00105634 | 0.000276578 | 0.001195499 |
12 | 8-正丁基苯并[a]芘 | 0.000977718 | 0.000867752 | 0.002283165 |
13 | 2-甲基三十七烷 | 0.000470601 | 0.000493156 | 3.94393E-06 |
14 | 1,4-二己基环己烷 | 0.0005717 | 0.001207502 | 0.000660871 |
15 | 3-正己基苝 | 0.000962333 | 0.000172584 | 0.000819583 |
16 | 4-十二烷基环己甲酸 | 6.13439E-05 | 1.87645E-08 | 0.0015362 |
17 | 2-十六烷基二苯并噻吩 | 0.000802695 | 0.001086929 | 2.55534E-05 |
18 | 2-正己基苉 | 0.000945995 | 0.000382872 | 2.76171E-08 |
19 | 1-正十四烷基六氢茚满 | 0.000651711 | 0.000222698 | 0.001544797 |
20 | 4-正辛基联苯 | 0.00107415 | 0.000813295 | 0.001940377 |
…… | …… | …… | …… | …… |
表2
(6)以生产利润最大为优化的目标函数,以API的II类基础油标准作为约束条件进行基础油配方比例优化。优化公式如下所示:
其中,下标i表示基础油的种类;I表示生产利润,元/吨;Sale表示产品售价,元/吨;Raw表示基础油组分的价格,元/吨;x表示基础油组分的调和比例;Sat表示饱和烃含量,w%;VI表示粘度指数;S表示硫含量,w%。
优化时使用三因素五水平的正交分布模式,选取25个初始比例作为优化函数的初值进行计算,计算时间小于1分钟。
优化计算结果基础油组分1、组分2、组分3的比例分别为64%、10%、26%。仅考虑调和成本的情况下,该调和配方的生产利润为5360元/吨。调和的基础油产品性质预测结果见表3,与实际检测结果的平均相对偏差为1.2%,各性质相对偏差的详细情况见图3。
性质 | 结果 |
饱和烃含量/w% | 98.6 |
100℃运动粘度/mm<sup>2</sup>·s<sup>-1</sup> | 5.14 |
40℃运动粘度/mm<sup>2</sup>·s<sup>-1</sup> | 27.11 |
粘度指数 | 120 |
碱性氮/ug·g<sup>-1</sup> | 0.56 |
总氮含量/ug·g<sup>-1</sup> | 4 |
酸值/mgKOH·g<sup>-1</sup> | 0.01 |
硫含量/ug·g<sup>-1</sup> | 13 |
倾点/℃ | -20 |
闪点/℃ | 240 |
表3
以上的所述乃是本发明的具体实施例及所运用的技术原理,若依本发明的构想所作的改变,其所产生的功能作用仍未超出说明书及附图所涵盖的精神时,仍应属本发明的保护范围。
Claims (8)
1.一种分子级基础油调和优化方法,其特征在于,包括如下步骤:
(1)建立润滑油基础油总分子库,其中涵盖烃类、含硫、含氮、含氧分子;
(2)建立单分子性质库,其中的单分子性质来源于公开发表的数据或者通过性质预测函数计算得到的数据或者实验数据;
(3)建立润滑油基础油的组分库,包含不同类别基础油的典型分子分布模板;
(4)建立润滑油基础油的分子级混合性质预测模型;
(5)根据每个可参与基础油调和的组分的实测宏观性质,解析出其分子组成;
(6)根据实际需要设置相应的目标函数及产品性质约束条件,对使用的基础油组分的调和比例进行优化。
2.根据权利要求1所述的一种分子级基础油调和优化方法,其特征在于:所述步骤(3)中,基础油的分类基于以下方法进行设置:
(I)类别共有三个维度,原油类型、加工工艺及加工深度;
(II)根据实际应用需要,选择三个维度中的至少一个,分别划分不同的类别或数量级,综合形成不同的基础油分类;
其中,原油类型可以按照产地、年份、基属、密度、硫含量、氮含量、酸含量中的一种或多种结合进行划分;不同类别基础油组分的典型分子分布模板可由实验检测或数学模型预测中的一种方法或两种方法结合得到;其中,组分所含分子种类为总分子库的子集。
3.根据权利要求1所述的一种分子级基础油调和优化方法,其特征在于:所述步骤(4)在建立的模型中加入非理想调和因子,考虑在混合时产生的非理想效应,计算公式如下:
其中,下标i、j表示不同的分子类型;P表示混合物的性质或性质函数;Pi表示i类型分子的性质或性质函数,由混合物中所有的i类型分子的单分子性质或性质函数求得;xi表示i类型分子的摩尔分数;αi表示i类型分子的非理想调和因子;kij表示i类型分子与j类型分子的性质调和交互系数;其中,一种分子类型划分方法可以为链烷烃、环烷烃、芳香烃、含硫分子、含氮分子、含氧分子;P和Pi为线性函数或非线性函数中的任意一种。
4.根据权利要求1所述的一种分子级基础油调和优化方法,其特征在于:所述步骤(5)的解析方法如下:
1)获得至少一项该基础油的下列宏观性质:密度、族组成、硫含量、20℃运动粘度、40℃运动粘度、100℃运动粘度、粘度指数、粘重常数、-15℃动力粘度、-20℃动力粘度、-25℃动力粘度、雾点、倾点、凝点、闪点、苯胺点、酸值、氮含量、碱性氮、残炭、氧化安定性、蒸发损失;
2)根据基础油的类型,从步骤(3)建立的组分库中选择相应的分子分布模板;
3)利用步骤(4)建立的混合性质预测模型,结合得到的实测宏观性质,以分子分布模板为基础,调整获得该基础油的分子组成。
5.根据权利要求4所述的一种分子级基础油调和优化方法,其特征在于:所述在调整获得该基础油的分子组成时,以各性质的相对偏差平方和为目标函数,并基于分子分布模板的系统状态表征量建立约束条件,计算公式如下:
s.t.Sini(1-t)≤S≤Sini(1+t)
其中,下标i表示不同的性质;上标c、t表示预测值和实测值;x表示混合物的分子组成分数向量;P表示混合物的性质;S表示混合物系统的系统状态表征量;Sini表示分子分布模板的系统状态表征量;t表示系统状态表征量的波动半径。
6.根据权利要求5所述的一种分子级基础油调和优化方法,其特征在于:所述的系统状态表征量可以为表示体系混乱度或多样性的熵值;可选的,系统状态表征量为信息熵。
7.根据权利要求1所述的一种分子级基础油调和优化方法,其特征在于:所述步骤(6)的目标函数可以是生产利润最大或原料库存最小。
8.根据权利要求1所述的一种分子级基础油调和优化方法,其特征在于:所述步骤(6)在优化时,可使用正交分布的方法模式,得到多个初值点作为优化函数的初值,改善优化计算的收敛性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910170871.0A CN109949870B (zh) | 2019-03-07 | 2019-03-07 | 一种分子级基础油调和优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910170871.0A CN109949870B (zh) | 2019-03-07 | 2019-03-07 | 一种分子级基础油调和优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109949870A true CN109949870A (zh) | 2019-06-28 |
CN109949870B CN109949870B (zh) | 2020-12-29 |
Family
ID=67009272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910170871.0A Active CN109949870B (zh) | 2019-03-07 | 2019-03-07 | 一种分子级基础油调和优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109949870B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580545A (zh) * | 2019-08-21 | 2019-12-17 | 汉谷云智(武汉)科技有限公司 | 一种多组分汽油调和配方优化方法及装置 |
CN111899810A (zh) * | 2020-06-12 | 2020-11-06 | 中国石油天然气股份有限公司 | 一种混合物分子组成检测方法、系统、设备和存储介质 |
CN111899793A (zh) * | 2020-06-12 | 2020-11-06 | 中国石油天然气股份有限公司 | 一种分子级装置的实时优化方法、装置、系统及存储介质 |
CN114925335A (zh) * | 2022-07-21 | 2022-08-19 | 济宁昆仑石油化工有限公司 | 一种工业用油生产配比调控方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101360701A (zh) * | 2005-12-20 | 2009-02-04 | 雪佛龙美国公司 | 优质润滑剂或润滑剂调和油料的制备和配制方法 |
CN102221533A (zh) * | 2011-06-09 | 2011-10-19 | 西北农林科技大学 | 一种基于紫外光谱花生油掺伪定量检测的方法 |
CN102227634A (zh) * | 2008-10-01 | 2011-10-26 | 雪佛龙美国公司 | 预测基础油性能的方法 |
CN104302612A (zh) * | 2012-02-28 | 2015-01-21 | 马来西亚国家石油公司 | 物质的润滑剂组合物及其制备方法 |
CN104646052A (zh) * | 2015-02-15 | 2015-05-27 | 中国海洋石油总公司 | 一种双环以上芳烃选择性加氢开环催化剂的制备方法 |
CN107704720A (zh) * | 2017-09-18 | 2018-02-16 | 中国石油大学(北京) | 一种石油平均分子结构模型的构建方法以及性质预测方法 |
JP6326340B2 (ja) * | 2014-09-26 | 2018-05-16 | 三井化学株式会社 | グリース組成物 |
CN108279251A (zh) * | 2018-01-26 | 2018-07-13 | 中国石油大学(北京) | 一种石油分子层次分离过程模拟的方法及其装置 |
CN109054935A (zh) * | 2018-09-21 | 2018-12-21 | 安徽意博润滑科技有限公司 | 一种润滑脂组合物及其制备方法 |
-
2019
- 2019-03-07 CN CN201910170871.0A patent/CN109949870B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101360701A (zh) * | 2005-12-20 | 2009-02-04 | 雪佛龙美国公司 | 优质润滑剂或润滑剂调和油料的制备和配制方法 |
CN102227634A (zh) * | 2008-10-01 | 2011-10-26 | 雪佛龙美国公司 | 预测基础油性能的方法 |
US8318001B2 (en) * | 2008-10-01 | 2012-11-27 | Chevron U.S.A. Inc. | 110 neutral base oil with improved properties |
CN102221533A (zh) * | 2011-06-09 | 2011-10-19 | 西北农林科技大学 | 一种基于紫外光谱花生油掺伪定量检测的方法 |
CN104302612A (zh) * | 2012-02-28 | 2015-01-21 | 马来西亚国家石油公司 | 物质的润滑剂组合物及其制备方法 |
JP6326340B2 (ja) * | 2014-09-26 | 2018-05-16 | 三井化学株式会社 | グリース組成物 |
CN104646052A (zh) * | 2015-02-15 | 2015-05-27 | 中国海洋石油总公司 | 一种双环以上芳烃选择性加氢开环催化剂的制备方法 |
CN107704720A (zh) * | 2017-09-18 | 2018-02-16 | 中国石油大学(北京) | 一种石油平均分子结构模型的构建方法以及性质预测方法 |
CN108279251A (zh) * | 2018-01-26 | 2018-07-13 | 中国石油大学(北京) | 一种石油分子层次分离过程模拟的方法及其装置 |
CN109054935A (zh) * | 2018-09-21 | 2018-12-21 | 安徽意博润滑科技有限公司 | 一种润滑脂组合物及其制备方法 |
Non-Patent Citations (3)
Title |
---|
SEYED MOUSA FAKHRHOSEINI,TOURAJ TAVAKKOLI: "Mathematical modeling of RDC column in extraction of base oil and computing of the energy saving", 《JOURNAL OF CHEMICAL TECHNOLOGY AND BIOTECHNOLOGY》 * |
史程飞,付洪瑞,王本力,刘淑真: "润滑油基础油黏度调和模型的优化选择", 《军械工程学院学报》 * |
郭国进: "优化调和方案降低调和成本", 《石油工业技术监督》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580545A (zh) * | 2019-08-21 | 2019-12-17 | 汉谷云智(武汉)科技有限公司 | 一种多组分汽油调和配方优化方法及装置 |
CN110580545B (zh) * | 2019-08-21 | 2022-06-10 | 汉谷云智(武汉)科技有限公司 | 一种多组分汽油调和配方优化方法及装置 |
CN111899810A (zh) * | 2020-06-12 | 2020-11-06 | 中国石油天然气股份有限公司 | 一种混合物分子组成检测方法、系统、设备和存储介质 |
CN111899793A (zh) * | 2020-06-12 | 2020-11-06 | 中国石油天然气股份有限公司 | 一种分子级装置的实时优化方法、装置、系统及存储介质 |
WO2021249329A1 (zh) * | 2020-06-12 | 2021-12-16 | 中国石油天然气股份有限公司 | 一种分子级装置的实时优化方法、装置、系统及存储介质 |
CN111899793B (zh) * | 2020-06-12 | 2024-04-30 | 中国石油天然气股份有限公司 | 一种分子级装置的实时优化方法、装置、系统及存储介质 |
CN114925335A (zh) * | 2022-07-21 | 2022-08-19 | 济宁昆仑石油化工有限公司 | 一种工业用油生产配比调控方法 |
CN114925335B (zh) * | 2022-07-21 | 2022-09-20 | 济宁昆仑石油化工有限公司 | 一种工业用油生产配比调控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109949870B (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109949870A (zh) | 一种分子级基础油调和优化方法 | |
Rui et al. | Economic and environmental convergence of transformation economy: The case of China | |
Pflüger et al. | Integration, agglomeration and welfare | |
Felice | Size and composition of public investment, sectoral composition and growth | |
CN102663221A (zh) | 一种多原油多性质调合优化方法 | |
CN102400668A (zh) | 稠油井筒降粘方法及适用于稠油掺稀比的确定方法 | |
CN109507352A (zh) | 一种预测石化生产中任意流股分子组成的方法 | |
Liu et al. | The coupling and coordination between food production security and agricultural ecological protection in main food-producing areas of China | |
CN112083740B (zh) | 一种基于模糊pid控制的精确施肥量控制方法 | |
Starczewski | Remarks on the impact of the adopted scale on the priority estimation quality | |
Mehrara et al. | Knowledge Economy Index (KEI) in Iran and comparison with other countries of region: the vision 1404 document | |
Fu et al. | Development of modified integrated water quality index to assess the surface water quality: a case study of Tuo River, China | |
Apriadi | WORKLOAD ANALYSIS USING THE FULL TIME EQUIVALENT (FTE) METHOD TO OPTIMIZE THE WORKFORCE OF THE LEGAL SETTLEMENT UNIT AND ITS SUPPORTING UNIT PT TELKOM INDONESIA (PERSERO) TBK. | |
Kudryashova et al. | Factor model of rating assessment of socio-economic and demographic development of rural areas of Russian regions. | |
Sun et al. | The impact of income growth on quality structure improvement of imported food: evidence from China's firm-level data | |
Zhang et al. | Quantifying the effects of grass distribution patterns on the relative hydrodynamic parameters of overland flow | |
Duan et al. | The spatiotemporal effects and drivers of industrial agglomeration—a case study of counties in the Yellow River Basin | |
CN107587399A (zh) | 一种沥青混合料矿料的级配配比计算方法 | |
CN109871988B (zh) | 一种洪水预报预警精度分析方法 | |
CN111429973A (zh) | 用于汽油产品中分子信息的实时计算方法 | |
CN105139084A (zh) | 一种油品在线全流程优化方法 | |
Graf et al. | A phytosociological classification of Swiss mire vegetation | |
Kushchenko | Methodological analysis of international and national tourism by means of generalizing statistical indicators | |
Bezić et al. | The International Trade of European Chemical Industry | |
CN109781967A (zh) | 一种原油切割计算分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 402, building F, No.98, Xiangxue No.8, Huangpu District, Guangzhou City, Guangdong Province Applicant after: Guangdong Xinfu Technology Co., Ltd Address before: 310053 room 412, 4 building, 66 Dongxin Avenue, Binjiang District, Hangzhou, Zhejiang. Applicant before: HANGZHOU SYSPETRO ENERGY TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |