CN109975344A - 一种复杂原油的分类方法 - Google Patents
一种复杂原油的分类方法 Download PDFInfo
- Publication number
- CN109975344A CN109975344A CN201910257547.2A CN201910257547A CN109975344A CN 109975344 A CN109975344 A CN 109975344A CN 201910257547 A CN201910257547 A CN 201910257547A CN 109975344 A CN109975344 A CN 109975344A
- Authority
- CN
- China
- Prior art keywords
- crude oil
- carbon
- spectrum
- hydrogen
- classification
- 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
- 239000010779 crude oil Substances 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000001228 spectrum Methods 0.000 claims abstract description 61
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 55
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 50
- 229910052739 hydrogen Inorganic materials 0.000 claims abstract description 49
- 239000001257 hydrogen Substances 0.000 claims abstract description 49
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 44
- 125000000524 functional group Chemical group 0.000 claims abstract description 26
- 239000003921 oil Substances 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 9
- 239000012535 impurity Substances 0.000 claims abstract description 8
- 239000007787 solid Substances 0.000 claims abstract description 8
- 238000011160 research Methods 0.000 claims abstract description 6
- -1 carboxyl carbon Chemical compound 0.000 claims description 9
- 125000003118 aryl group Chemical group 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 8
- 238000007621 cluster analysis Methods 0.000 claims description 7
- 150000001875 compounds Chemical class 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 125000001434 methanylylidene group Chemical group [H]C#[*] 0.000 claims description 6
- 150000001336 alkenes Chemical class 0.000 claims description 5
- 239000002904 solvent Substances 0.000 claims description 4
- 238000012916 structural analysis Methods 0.000 claims description 4
- CZDYPVPMEAXLPK-UHFFFAOYSA-N tetramethylsilane Chemical compound C[Si](C)(C)C CZDYPVPMEAXLPK-UHFFFAOYSA-N 0.000 claims description 4
- 125000002915 carbonyl group Chemical group [*:2]C([*:1])=O 0.000 claims description 3
- 150000001924 cycloalkanes Chemical class 0.000 claims description 3
- 125000000753 cycloalkyl group Chemical group 0.000 claims description 3
- VILAVOFMIJHSJA-UHFFFAOYSA-N dicarbon monoxide Chemical compound [C]=C=O VILAVOFMIJHSJA-UHFFFAOYSA-N 0.000 claims description 3
- 125000002485 formyl group Chemical class [H]C(*)=O 0.000 claims description 3
- YZCKVEUIGOORGS-OUBTZVSYSA-N Deuterium Chemical compound [2H] YZCKVEUIGOORGS-OUBTZVSYSA-N 0.000 claims description 2
- 229910052805 deuterium Inorganic materials 0.000 claims description 2
- HEDRZPFGACZZDS-UHFFFAOYSA-N Chloroform Chemical compound ClC(Cl)Cl HEDRZPFGACZZDS-UHFFFAOYSA-N 0.000 claims 2
- 150000002431 hydrogen Chemical class 0.000 claims 1
- 239000003208 petroleum Substances 0.000 abstract description 3
- HEDRZPFGACZZDS-MICDWDOJSA-N Trichloro(2H)methane Chemical compound [2H]C(Cl)(Cl)Cl HEDRZPFGACZZDS-MICDWDOJSA-N 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 6
- 238000005481 NMR spectroscopy Methods 0.000 description 4
- 239000000090 biomarker Substances 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- PMZURENOXWZQFD-UHFFFAOYSA-L Sodium Sulfate Chemical compound [Na+].[Na+].[O-]S([O-])(=O)=O PMZURENOXWZQFD-UHFFFAOYSA-L 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012921 fluorescence analysis Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 238000001819 mass spectrum Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005311 nuclear magnetism Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N24/00—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
- G01N24/08—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects by using nuclear magnetic resonance
- G01N24/087—Structure determination of a chemical compound, e.g. of a biomolecule such as a protein
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- High Energy & Nuclear Physics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Crystallography & Structural Chemistry (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Probability & Statistics with Applications (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提出一种复杂原油的分类方法，属于石油地质技术领域，该方法能够快速高效的对复杂原油进行分类，且分类结果准确可靠。该方法包括如下步骤：采集研究区原油样品，去除原油样品中的固体杂质和水；对预处理后的原油样品进行核磁共振检测，获得碳谱和氢谱，并筛选出指征油源特征的官能团；以上述筛选出的官能团在碳谱和氢谱中对应的峰面积占比为变量，利用K均值聚类算法进行聚类分析，得到分类结果。
Description
技术领域
本发明属于石油地质技术领域，尤其涉及一种复杂原油的分类方法。
背景技术
油气源分析是石油地质地球化学研究的一项基础内容，其第一步就是对研究区域的原油进行分类。当研究区域的原油来自于单一油源或降解程度较低的油源时，通过有机地球化学分析方法，例如采用气相色谱-质谱技术和荧光分析技术等，即可将其分类。然而，随着当前全球油气勘探程度的不断加大，油气充注成藏过程中的混合、降解、热演化等地球化学作用越来越普遍，面对经受了严重生物降解等次生蚀变和多源充注的原油时，采用气相色谱-质谱技术进行原油分类时所需依据的参数存在不确定性，而采用荧光分析技术进行原油分类时所需依据的生标被严重破坏，这限制了这些技术在复杂原油分类中的应用。目前，针对混合原油、降解原油等复杂原油的分类，通常只是简单的依据原油的物理化学特征和特征生物标志化合物进行划分，但由于复杂原油的油源复杂，原油物理化学特征往往呈现一定的类似和在高演化程度下原油特征生物标志化合物的缺失，这些客观复杂的条件大大限制复杂原油的类型划分，从而不利于后续油源辨识。
因而，如何提供一种快速高效且精确的复杂原油的分类方法，是当前急需解决的一项技术问题。
发明内容
本发明针对上述的技术问题，提出一种复杂原油的分类方法，能够快速高效的对复杂原油进行分类，且分类结果准确可靠。
为了达到上述目的，本发明采用的技术方案为：
一种复杂原油的分类方法，包括如下步骤：
样品采集和预处理：采集研究区原油样品，去除原油样品中的固体杂质和水；
结构分析：对预处理后的原油样品进行核磁共振检测，获得碳谱和氢谱，并筛选出指征油源特征的官能团；
K均值聚类分析：以上述筛选出的官能团在碳谱和氢谱中对应的峰面积占比为变量，利用K均值聚类算法进行聚类分析，得到分类结果。
作为优选，所述核磁共振检测采用氘代氯仿为溶剂，四甲基硅烷为内标物；碳谱的检测参数设置为：扫描次数为3000次，谱宽为249ppm，获得时间为0.37s；氢谱的检测参数设置为：扫描次数为32次，谱宽为20ppm，获得时间为2.32s。
作为优选，所述筛选出的指征油源特征的官能团包括：碳谱中，化学位移值在150-170ppm的被取代芳香碳，在130-150ppm的桥碳，在100-130ppm的芳香碳，在170-182ppm的羧基碳，在180-190ppm的双羰基碳，在195-205ppm的醛基碳，在202-220ppm的羰基碳，在60-100ppm的烯烃碳，在9-21.39ppm的甲基碳，在21.39-36.15ppm的亚甲基碳，在36.15-60ppm的次甲基碳；氢谱中，化学位移值在0.5-1.00ppm的饱和甲基氢和环烷烃γ位氢，在1.00-1.95ppm的饱和次甲基氢和环烃的β位氢，在1.95-4.00ppm的芳环α位氢，在4.50-6.00ppm的烯烃氢，在7.05-9.20ppm的芳香氢。
作为优选，所述聚类分析时采用迭代与分类的方法，聚类数为2。
与现有技术相比，本发明的优点和积极效果在于：
1、本发明提供的复杂原油的分类方法，通过核磁共振检测获取了复杂原油的化学结构信息，进而根据不同来源原油具有不同的核磁谱图参数，可筛选出能够敏感反映油源特征的官能团，随后以这些官能团的核磁参数为变量，利用K均值聚类算法实现了对复杂原油的分类，为复杂原油的分类提供了新方法，有利于后续对油源的辨识，对油气成藏分析具有重要的意义；
2、本发明提供的复杂原油的分类方法，与常规的原油分类手段相比，其优势在于特征官能团和化学结构参数相对于传统的有机生物标志化合物受混合和降解的影响较小，可以精确、定性、定量的反映复杂原油油源，进而快速高效的实现对复杂原油的分类。
附图说明
图1为本发明实施例所提供的复杂原油的分类方法的流程示意图；
图2为本发明实施例所提供的复杂原油的碳谱；
图3为本发明实施例所提供的复杂原油的氢谱；
图4为本发明实施例所提供的东濮凹陷33个原油样品的分类结果图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，本发明实施例提供了一种复杂原油的分类方法，包括如下步骤：
S1样品采集和预处理：采集研究区原油样品，去除原油样品中的固体杂质和水。
在本步骤中，采集研究区原油样品时，需保证所采集的样品覆盖研究区内的各个地域，以确保分类的准确性。本步骤中去除原油样品中的固体杂质和水，能够排除固体杂质和水对原油样品核磁共振检测结果的影响，为复杂原油分类提供可靠的数据。原油样品中的固体杂质可采用过滤的方式去除，水的去除步骤为：向原油样品中加入无水硫酸钠，摇晃后静置，静置24小时后过滤。
S2结构分析：对预处理后的原油样品进行核磁共振检测，获得碳谱和氢谱，并筛选出指征油源特征的官能团。
在本步骤中，通过核磁共振检测，能够清晰的辨析复杂原油结构。由于不同来源原油的化学结构不完全相同，其核磁谱图中特定官能团能够指征油源特征，因而，本步骤中通过对碳谱和氢谱进行识别，可识别出能够指征油源特征的官能团，为后续利用K均值聚类分析提供分析数据。参见图2和图3，图2示出了复杂原油的碳谱，图3示出了复杂原油的氢谱，由图2和图3可筛选出指征油源特征的官能团包括：碳谱中，化学位移值在150-170ppm的被取代芳香碳，在130-150ppm的桥碳，在100-130ppm的芳香碳，在170-182ppm的羧基碳，在180-190ppm的双羰基碳，在195-205ppm的醛基碳，在202-220ppm的羰基碳，在60-100ppm的烯烃碳，在9-21.39ppm的甲基碳，在21.39-36.15ppm的亚甲基碳，在36.15-60ppm的次甲基碳；氢谱中，化学位移值在0.5-1.00ppm的饱和甲基氢和环烷烃γ位氢，在1.00-1.95ppm的饱和次甲基氢和环烃的β位氢，在1.95-4.00ppm的芳环α位氢，在4.50-6.00ppm的烯烃氢，在7.05-9.20ppm的芳香氢。
在实际操作过程中，采用常规核磁共振检测条件获得的复杂原油的碳谱和氢谱的分辨率通常较低。为了提高碳谱和氢谱的分辨率，以清晰、准确的辨析复杂原油结构，在本发明中，优选如下检测条件：核磁共振检测采用氘代氯仿为溶剂，四甲基硅烷为内标物；碳谱的检测参数设置为：扫描次数为3000次，谱宽为249ppm，获得时间为0.37s；氢谱的检测参数设置为：扫描次数为32次，谱宽为20ppm，获得时间为2.32s。上述优选的核磁共振检测条件，能够提高碳谱和氢谱的分辨率，能够清晰且准确的对复杂原油结构进行辨析，为后续K均值聚类分析提供准确的数据。
S3K均值聚类分析：以上述筛选出的官能团在碳谱和氢谱中对应的峰面积占比为变量，利用K均值聚类算法进行聚类分析，得到分类结果。
在本步骤中，采用K均值聚类算法，以可指征油源特征的官能团参数为变量进行聚类分析，能够快速高效的获得复杂原油的分类结果。需要说明的是，K均值聚类分析优选采用SPSS软件进行，将步骤S2中筛选出的官能团在碳谱和氢谱中对应的峰面积占比作为变量输入SPSS软件，优选采用迭代与分类的方法，聚类数为2，能够快速高效的完成对复杂原油的分类，且其分类结果准确可靠。
本发明提供的上述复杂原油的分类方法，通过核磁共振检测获取了复杂原油的化学结构信息，进而根据不同来源原油具有不同的核磁谱图参数，可筛选出能够敏感反映油源特征的官能团，随后以这些官能团的核磁参数为变量，利用K均值聚类算法实现了对复杂原油的分类，为复杂原油的分类提供了新方法，有利于后续对油源的辨识，对油气成藏分析具有重要的意义。而且，本发明提供的上述复杂原油的分类方法，与常规的原油分类手段相比，其优势在于特征官能团和化学结构参数相对于传统的有机生物标志化合物受混合和降解的影响较小，可以精确、定性、定量的反映复杂原油油源，进而快速高效的实现对复杂原油的分类。
为了更清楚详细地介绍本发明实施例所提供的复杂原油的分类方法，下面将结合具体实施例进行描述。
实施例1
S1样品采集和预处理：选择东濮凹陷的33个原油样品作为本次实验的样品，并采用过滤的方式去除原油样品中的固体杂质，向原油样品中加入无水硫酸钠，摇晃后静置，静置24小时后过滤以去除原油样品中的水。
S2结构分析：对预处理后的原油样品进行核磁共振检测，获得碳谱和氢谱。
核磁共振检测在布鲁克600MHz的超导核磁共振仪上进行，检测条件如下：采用氘代氯仿(CDCl3)为溶剂(需要注意：由于CDCl3易挥发，因而制作完成后需将含有样品的核磁管放入冰箱中保存)，四甲基硅烷(TMS)为内标物；碳谱的检测参数设置为：扫描次数(NS)为3000次，谱宽(SW)为249ppm，获得时间(AQ)为0.37s；氢谱的检测参数设置为：扫描次数(NS)为32次，谱宽(SW)为20ppm，获得时间(AQ)为2.32s。
核磁共振仪的操作流程如下：将样品插入转子→将带转子的样品管放入磁体→设置温度→锁场→调谐→匀场→测量水峰位置和1H90°脉冲→创建实验目录→设置实验参数→设置增益→采样。
以一个原油样品为代表，其碳谱如图2所示，氢谱如图3所示，其余样品的谱图不作一一展示。基于东濮凹陷的33个原油样品的碳谱和氢谱，筛选出指征油源特征的官能团如表1所示。
表1筛选出的指征油源特征的官能团信息
S3K均值聚类分析：以上述筛选出的官能团在碳谱和氢谱中对应的峰面积占比为变量，利用K均值聚类算法进行聚类分析，得到分类结果，具体操作如下：
统计东濮凹陷的33个原油样品的碳谱和氢谱中上述筛选出的官能团的峰面积占比，统计结果如表2和表3所示。
表2东濮凹陷的33个原油样品的碳谱中官能团的峰面积占比统计结果(％)
表3东濮凹陷的33个原油样品的氢谱中官能团的峰面积占比统计结果(％)
| 编号 | 井号 | Hγ | Hβ | Hα | Hol | Ha |
| 1 | 刘17 | 20.58 | 66.71 | 7.74 | 4.96 | 0.00 |
| 2 | 桥2-8 | 19.02 | 80.85 | 0.00 | 0.13 | 0.00 |
| 3 | 濮1-103 | 24.63 | 72.66 | 1.22 | 0.44 | 1.05 |
| 4 | 卫410 | 26.46 | 50.61 | 6.27 | 16.65 | 0.00 |
| 5 | 卫77-16 | 20.93 | 68.67 | 8.31 | 0.49 | 1.60 |
| 6 | 刘20 | 20.07 | 79.16 | 0.66 | 0.11 | 0.00 |
| 7 | 刘25 | 24.34 | 68.64 | 6.09 | 0.42 | 0.51 |
| 8 | 濮7-18 | 23.98 | 75.45 | 0.00 | 0.02 | 0.55 |
| 9 | 胡39-12 | 20.18 | 54.41 | 4.17 | 21.09 | 0.16 |
| 10 | 桥29-4 | 24.07 | 75.33 | 0.60 | 0.00 | 0.00 |
| 11 | 文197 | 31.36 | 67.34 | 0.00 | 1.31 | 0.00 |
| 12 | 文220-12 | 22.44 | 77.36 | 0.00 | 0.20 | 0.00 |
| 13 | 濮92-8 | 22.64 | 54.14 | 7.36 | 15.06 | 0.80 |
| 14 | 卫349-19 | 23.24 | 70.55 | 4.54 | 1.09 | 0.59 |
| 15 | 胡5-235 | 22.97 | 66.65 | 0.00 | 10.37 | 0.00 |
| 16 | 马11-89 | 21.31 | 78.29 | 0.40 | 0.00 | 0.00 |
| 17 | 桥7-2 | 21.68 | 77.03 | 0.82 | 0.47 | 0.00 |
| 18 | 刘9-6 | 20.88 | 78.56 | 0.00 | 0.55 | 0.00 |
| 19 | 庆6侧 | 25.20 | 72.61 | 1.04 | 1.14 | 0.00 |
| 20 | 新庆29侧 | 30.79 | 62.21 | 5.71 | 0.30 | 1.00 |
| 21 | 文新65-84 | 27.88 | 68.27 | 2.75 | 0.55 | 0.55 |
| 22 | 卫355-2 | 25.30 | 61.35 | 11.61 | 0.43 | 1.30 |
| 23 | 马26-侧4 | 21.44 | 77.64 | 0.92 | 0.00 | 0.00 |
| 24 | 徐14-24 | 21.11 | 76.66 | 1.95 | 0.19 | 0.09 |
| 25 | 马12-28 | 24.33 | 71.14 | 4.39 | 0.14 | 0.00 |
| 26 | 卫360-27 | 19.24 | 72.36 | 3.31 | 4.41 | 0.67 |
| 27 | 文65-81 | 25.88 | 69.36 | 2.38 | 2.38 | 0.00 |
| 28 | 胡68-2 | 19.32 | 76.73 | 2.03 | 1.71 | 0.21 |
| 29 | 桥58-5 | 22.22 | 77.67 | 0.00 | 0.11 | 0.00 |
| 30 | 文164 | 29.75 | 60.97 | 6.51 | 2.07 | 0.71 |
| 31 | 明239侧 | 26.16 | 66.80 | 6.91 | 0.13 | 0.00 |
| 32 | 春9-24 | 18.97 | 77.49 | 2.89 | 0.48 | 0.16 |
| 33 | 卫305-61 | 21.10 | 72.98 | 4.64 | 0.34 | 0.94 |
K均值聚类分析采用SPSS软件进行，以步骤S2中筛选出的官能团在碳谱和氢谱中对应的峰面积占比作为变量，将表2和表3中的数据输入SPSS软件，方法选择迭代与分类，聚类数设置为2，进行聚类分析，分类结果如图4所示。由图4可见，东濮凹陷的33个原油样品分为六类，其中，17#、23#、29#、18#、32#、33#、31#原油为一类，16#、24#、14#、7#、8#、20#原油为一类，22#、30#、5#、3#、19#、21#、27#、11#、10#、25#、6#、12#、28#、26#、15#、2#原油为一类，9#、13#原油为一类，4#原油为一类，1#原油为一类，该分类结果与该地区最新的勘探成果相吻合。由此可见，本发明提供的上述复杂原油的分类方法，能够快速高效的对复杂原油进行分类，且分类结果准确可靠。
Claims (4)
1.一种复杂原油的分类方法，其特征在于，包括如下步骤：
样品采集和预处理：采集研究区原油样品，去除原油样品中的固体杂质和水；
结构分析：对预处理后的原油样品进行核磁共振检测，获得碳谱和氢谱，并筛选出指征油源特征的官能团；
K均值聚类分析：以上述筛选出的官能团在碳谱和氢谱中对应的峰面积占比为变量，利用K均值聚类算法进行聚类分析，得到分类结果。
2.根据权利要求1所述的复杂原油的分类方法，其特征在于：所述核磁共振检测采用氘代氯仿为溶剂，四甲基硅烷为内标物；碳谱的检测参数设置为：扫描次数为3000次，谱宽为249ppm，获得时间为0.37s；氢谱的检测参数设置为：扫描次数为32次，谱宽为20ppm，获得时间为2.32s。
3.根据权利要求1所述的复杂原油的分类方法，其特征在于，所述筛选出的指征油源特征的官能团包括：碳谱中，化学位移值在150-170ppm的被取代芳香碳，在130-150ppm的桥碳，在100-130ppm的芳香碳，在170-182ppm的羧基碳，在180-190ppm的双羰基碳，在195-205ppm的醛基碳，在202-220ppm的羰基碳，在60-100ppm的烯烃碳，在9-21.39ppm的甲基碳，在21.39-36.15ppm的亚甲基碳，在36.15-60ppm的次甲基碳；氢谱中，化学位移值在0.5-1.00ppm的饱和甲基氢和环烷烃γ位氢，在1.00-1.95ppm的饱和次甲基氢和环烃的β位氢，在1.95-4.00ppm的芳环α位氢，在4.50-6.00ppm的烯烃氢，在7.05-9.20ppm的芳香氢。
4.根据权利要求1或3所述的复杂原油的分类方法，其特征在于：所述聚类分析时采用迭代与分类的方法，聚类数为2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910257547.2A CN109975344B (zh) | 2019-04-01 | 2019-04-01 | 一种复杂原油的分类方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910257547.2A CN109975344B (zh) | 2019-04-01 | 2019-04-01 | 一种复杂原油的分类方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109975344A true CN109975344A (zh) | 2019-07-05 |
| CN109975344B CN109975344B (zh) | 2020-09-29 |
Family
ID=67082167
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910257547.2A Active CN109975344B (zh) | 2019-04-01 | 2019-04-01 | 一种复杂原油的分类方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109975344B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110646457A (zh) * | 2019-10-15 | 2020-01-03 | 中国科学院广州地球化学研究所 | 一种区分碳质气溶胶组分的碳质来源的核磁共振方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012054638A2 (en) * | 2010-10-22 | 2012-04-26 | T2 Biosystems, Inc. | Nmr systems and methods for the detection of analytes |
| CN102721716A (zh) * | 2012-07-04 | 2012-10-10 | 中国科学院研究生院 | 基于1h-nmr指纹图谱结合多变量分析的食用油质量检验方法 |
| WO2017064479A1 (en) * | 2015-10-12 | 2017-04-20 | Mm (Uk) Limited | A foodstuff item characteristic mri detection system |
| CN107192688A (zh) * | 2017-07-13 | 2017-09-22 | 南京大学 | 混合原油、降解原油油源的辨识方法 |
-
2019
- 2019-04-01 CN CN201910257547.2A patent/CN109975344B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012054638A2 (en) * | 2010-10-22 | 2012-04-26 | T2 Biosystems, Inc. | Nmr systems and methods for the detection of analytes |
| CN102721716A (zh) * | 2012-07-04 | 2012-10-10 | 中国科学院研究生院 | 基于1h-nmr指纹图谱结合多变量分析的食用油质量检验方法 |
| WO2017064479A1 (en) * | 2015-10-12 | 2017-04-20 | Mm (Uk) Limited | A foodstuff item characteristic mri detection system |
| CN107192688A (zh) * | 2017-07-13 | 2017-09-22 | 南京大学 | 混合原油、降解原油油源的辨识方法 |
Non-Patent Citations (2)
| Title |
|---|
| 冯子辉 李振广: "松辽盆地原油的核磁共振(NMR)谱及其有机地球化学特征", 《地球化学》 * |
| 王英伟 等: "核磁共振测井在致密砂岩气层储层分类评价中的应用", 《石油天然气学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110646457A (zh) * | 2019-10-15 | 2020-01-03 | 中国科学院广州地球化学研究所 | 一种区分碳质气溶胶组分的碳质来源的核磁共振方法 |
| CN110646457B (zh) * | 2019-10-15 | 2022-04-22 | 中国科学院广州地球化学研究所 | 一种区分碳质气溶胶组分的碳质来源的核磁共振方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109975344B (zh) | 2020-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102768256B (zh) | 用全二维气相色谱定量石油样品中金刚烷类化合物的方法 | |
| Pérez-Trujillo et al. | Simultaneous 1 H and 13 C NMR enantiodifferentiation from highly-resolved pure shift HSQC spectra | |
| CN102323285A (zh) | 一种nmr代谢组学检测数据的分析方法 | |
| Mitschke et al. | NMR spectroscopy of dissolved organic matter: a review | |
| CN110161072B (zh) | 一种基于三维核磁共振谱鉴定链烷烃与环烷烃的方法 | |
| CN110579543A (zh) | 一种轻质原油族组分的分析方法 | |
| CN109975344A (zh) | 一种复杂原油的分类方法 | |
| A Bradley et al. | Quantitative NMR analysis of complex mixtures using CRAFT (complete reduction to amplitude frequency table) method | |
| Aspers et al. | Using indirect covariance processing for structure elucidation of small molecules in cases of spectral crowding | |
| CN105866293A (zh) | 一种He和N2联合判识煤成气、油型气的方法及其应用 | |
| CN108918572B (zh) | 一种酚醛树脂指纹结构测试方法及定量分析方法 | |
| JP6005971B2 (ja) | 自動化原料スクリーニングのための方法および装置 | |
| CN110044944A (zh) | 一种用于费托合成废水组分分析的核磁共振检测方法 | |
| CN109959674B (zh) | 一种陆相复杂原油的油源辨识方法 | |
| Roe et al. | Dispersion versus absorption: analysis of line-broadening mechanisms in nuclear magnetic resonance spectrometry | |
| CN109959673B (zh) | 一种陆相干酪根的评价方法 | |
| KR102549561B1 (ko) | 2차원 확산 정렬 nmr 분석을 이용한 용매 추출물의 정성 및 정량 분석법 | |
| CN107389645B (zh) | 离散小波变换解析油品荧光特性的Fisher模型鉴别海上溢油的方法 | |
| CN106124551A (zh) | 佛手氢核磁共振指纹图谱及其建立方法和用途 | |
| CN109991258A (zh) | 一种费托合成水成分的核磁共振检测方法 | |
| Yamamoto et al. | Construction of proton nuclear magnetic resonance database system with full spectral patterns | |
| CN110376235B (zh) | 基于核磁共振技术的三尖杉宁碱的空间相关谱测试方法 | |
| CN118245754A (zh) | 一种储层沥青有机和无机相结合的油气来源判别方法 | |
| Tagliavini et al. | NMR spectroscopic applications to atmospheric organic aerosol analysis–Part 2: A review of existing methodologies and perspectives | |
| CN109254312A (zh) | 一种基于伽玛能谱测量铅污染的快速检测方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |