CN116825229A - 一种确定油品粘温模型的方法 - Google Patents
一种确定油品粘温模型的方法 Download PDFInfo
- Publication number
- CN116825229A CN116825229A CN202310733214.9A CN202310733214A CN116825229A CN 116825229 A CN116825229 A CN 116825229A CN 202310733214 A CN202310733214 A CN 202310733214A CN 116825229 A CN116825229 A CN 116825229A
- Authority
- CN
- China
- Prior art keywords
- viscosity
- model
- oil
- temperature
- oil product
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000012937 correction Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 abstract description 2
- 239000003921 oil Substances 0.000 description 89
- 238000004364 calculation method Methods 0.000 description 21
- 239000010779 crude oil Substances 0.000 description 2
- 239000003350 kerosene Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 239000007846 middle crude oil Substances 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明提供了一种确定油品粘温模型的方法,属于油品性能模拟技术领域,其包括:获取油品在多个不同温度下的实际粘度
Description
技术领域
本发明涉及油品性能模拟技术领域,尤其是粘温特性估算,具体是一种确定油品粘温模型的方法,本方法适用于石油馏分及其混合物,如汽油、柴油、煤油与稠油的混合物等。
背景技术
确定不同温度下的油品粘度可以帮助我们了解油的性质和变化情况,以便更好地使用它们。同时,不同类型的油在不同温度下的粘度表现有所不同。因此,在油田生产、机械设计等领域中,需要根据特定的应用需要,选择适合的油品和温度条件。
通常而言,通过室内粘度仪和流变仪来测量不同温度条件下的油品粘度是最准确的方式,但是这需要付出极大的时间和成本。目前,直接采用数据模型来计算不同温度条件下的油品粘度正逐渐形成为一种流行的趋势。根据不同的建模思路和理论基础,油品粘度模型包括理论模型和经验模型,其中,理论模型具有较强的理论意义并能提供更多的油品信息,但缺点是需要提供很多物性参数,并且计算过程极其复杂;经验方程拥有简单易用,适用范围广以及输入参数少等优点,但计算精度和可靠性偏低,因此,有必要开发一种计算过程相对简单、准确性相对较高的油品粘温计算模型。
发明内容
鉴于上述问题,本发明的一个目的在于提供一种确定油品粘温模型的方法,以提高现有经验模型的准确性。
本发明的技术方案是:
一种确定油品粘温模型的方法,包括以下步骤
S1、获取油品在多个不同温度下的实际粘度
S2、建立计算油品粘度的乘幂模型、指数模型并获取模型的常数;
其中,乘幂模型如下:
指数模型:
其中,Ti为第i个温度值;a、b、c、d均为常数;分别为温度Ti条件下乘幂模型、指数模型的计算粘度;
S3、构建油品粘温模型;
所述油品粘温模型如下:
其中,
式中,分别为系数;n为油品温度点总数量;
当然,由计算式可知,因此,也可以通过此关系式在已知/>中任一一个的数值后求另一个的值,以简化计算。
本发明中步骤S2涉及确定油品粘度的乘幂模型、指数模型,主要是确定其中的常数a、b、c、d,这些常数可以采用目前已知经验公式公开的常数,也可以通过拟合步骤S1获取的数据得到,拟合需要重新处理数据,费时较长,当然,对单一油品进行拟合得到的常数对于该油品的粘度计算而言,其准确度更高。
发明人通过对多种油品进行拟合,发现以下情况:对于部分油品而言,这些常数、系数与油品在20℃条件下的密度ρ0密切相关,可以通过20℃的密度以及他们之间的关联式来计算这些常数、系数,而且精度很高;但对于部分油品而言,采用上述经验公式确定的常数和系数来计算油品粘度时,其精度明显下降,但发明人进一步发现,对于这部分油品粘度,可以通过50℃的粘度修正20℃的油品密度,采用修正后的密度来计算油品粘度后,预测精度明显的提高了。因此,对于这部分油品,有必要通过50℃的粘度来校正油品的密度,进而确定其常数,以便提高油品粘度的计算精度。对此,发明人提出了一种新的确定油品粘温模型的方法,其包括如下步骤:
S1、获取油品在20℃条件下密度ρ0和50℃的粘度μ150;
S2、获取计算油品粘度的乘幂模型、指数模型的常数,这个可以采用现有的经验公式,也可以采用本发明公开的经验式获取;采用经验式获取温模型的系数,建立粘温模型;
所述粘温模型如下:
粘温模型中常数的计算经验式如下:
当ρ0≤0.860g/cm3时,
当0.860<ρ0≤0.916g/cm3时:
当ρ0>0.916g/cm3时:
粘温模型中系数的计算经验式如下:
当ρ0>0.90g/cm3时,
当0.860<ρ0≤0.90g/cm3时,
当0.830≤ρ0≤0.860g/cm3时,
当ρ0<0.830g/cm3时,
S3、通过步骤S2建立的粘温模型计算50℃条件下油品的粘度,并将粘温模型计算粘度与步骤S1获取的50℃的油品粘度μ150进行对比,当两者的误差不大于预设阈值时,以步骤S2获得的粘温模型为油品的最终粘温模型;当两者误差大于预设阈值时,以步骤S1获取的50℃的油品粘度μ150和密度修正经验式获取油品的修正密度ρ1,以修正密度ρ1替代油品20℃密度,返回步骤S2更新粘温模型的常数和系数,获得油品的最终粘温模型;
修正密度ρ1的密度修正经验式如下:
当ρ0>0.916g/cm3时,
当0.860<ρ0≤0.916g/cm3时:
当ρ0≤0.860g/cm3时,
对于预设阈值而言,本领域技术人员可以根据实际结果确定,比如,对于ρ0≤0.860g/cm3油品(轻质油品),其相对于误差不大于15.7%,对于0.860<ρ0≤0.916g/cm3的油品(中质油品),其相对误差不大于0.4%,对于ρ0>0.916g/cm3的油品(重质油品),其相对于误差不大于2.0%。
有益效果:
本发明提供了一种确定油品粘温模型的方法,本方法操作简单,能够快速获得粘温模型,而且通过该粘温模型获得的结果,其精度相对于现有的指数模型、乘幂模型明显提高。
具体实施方式
下面将结合实例对本发明的具体实施方式进行清楚、完整地描述,显然,所描述的实例仅仅是本发明一部分实施例,而不是全部的实施例。
一种确定油品粘温模型的方法,包括:
S1、获取油品在多个不同温度下的实际粘度
本实施例的混合油为稠油与液相轻烃(煤油)的混合油;实验的油品通过DWY-6A原油脱水仪进行脱水处理,并利用DV3TLVTJ0粘度计多次测量同一温度下的混合油粘度,并取平均值,测试剪切率为7.36s-1,各油品的测试数据见表1和表2。
表1各油品的粘度、密度数据表
编号 | 油品名称 | 密度(20℃) | 粘度(50℃) |
样品1 | 煤油 | 0.7751 | 0.76 |
样品2 | 汽油 | 0.7473 | 0.38 |
样品3 | 柴油 | 0.8257 | 1.79 |
样品4 | 轻质原油A | 0.8179 | 2.40 |
样品5 | 中质原油H | 0.8827 | 73.93 |
样品6 | 稠油J | 0.9334 | 1320.00 |
样品7 | 轻质混合油Q4 | 0.8478 | 5.38 |
样品8 | 中质混合油NT1 | 0.8768 | 54.80 |
样品9 | 重质混合油MH0 | 0.9246 | 1354.00 |
表2各油品在不同温度下的粘度统计表
S2、建立计算油品粘度的乘幂模型、指数模型;
其中,乘幂模型如下:
指数模型:
其中,Ti为油品在第i个温度值;a、b、c、d均为常数;分别为温度Ti条件下乘幂模型、指数模型的计算粘度;
本实施例中,分别对每种油品进行拟合,得到乘幂模型、指数模型的常数如表3:
表3不同油品乘幂模型、指数模型的常数统计表
S3、根据乘幂模型、指数模型的计算偏差构建油品粘温模型;
油品粘温模型如下:
其中,
式中,分别为系数;n为油品温度点总数量;
本实施例中为了简化计算,先求得则根据/>这一关系式求得,具体结果见表4。
表4不同油品的粘温模型中系数统计表
计算各种油品采用不同模型计算的偏差:对于同一种油品而言,将不同温度条件下的测定粘度与通过乘幂模型、指数模型、本发明的模型的计算粘度进行对比,计算其平均偏差,具体计算式如下:
为采用某一模型的计算粘度;
通过上述方法计算结果如下:
表5不同模型计算偏差统计表
编号 | 乘幂模型(%) | 指数模型(%) | 本发明模型(%) |
样品1 | 2.88 | 2.70 | 2.12 |
样品2 | 9.38 | 6.57 | 5.34 |
样品3 | 9.28 | 6.29 | 7.45 |
样品4 | 3.95 | 3.86 | 2.53 |
样品5 | 6.60 | 5.39 | 3.44 |
样品6 | 4.17 | 9.36 | 1.41 |
样品7 | 2.08 | 3.99 | 2.14 |
样品8 | 4.10 | 3.97 | 1.23 |
样品9 | 14.13 | 5.49 | 4.85 |
平均误差 | 6.29 | 5.29 | 3.39 |
由上述数据可知,经过实测数据拟合的乘幂模型和指数模型的平均拟合误差为6.29%和5.29%,而本发明获得的模型的平均计算误差为3.39%,明显优于前者。
实施例2
为了确定本发明粘温模型经验式的准确性,本实施继续采用实施例1的测定数据,但更改实施例1中常数、系数的获取方法,本实施例通过油品20℃的密度ρ0、50℃的粘度来获取常数和系数,具体步骤如下:
S1、测定油品在20℃条件下密度ρ0和50℃的粘度μ150,具体数据见表1。
S2、通过经验式获取计算油品粘度的乘幂模型、指数模型的常数以及粘温模型的系数,建立粘温模型;
粘温模型如下:
计算系数的经验式如下:
当ρ0>0.90g/cm3时,
当0.860<ρ0≤0.90g/cm3时,
当0.830≤ρ0≤0.860g/cm3时,
当ρ0<0.830g/cm3时,
计算常数的经验式如下:
如果ρ0≤0.860g/cm3,则
如果0.860<ρ0≤0.916g/cm3,则
如果ρ0>0.916g/cm3,则
S3、通过步骤S2建立的粘温模型计算50℃条件下油品的粘度,并将粘温模型计算粘度与步骤S1获取的50℃的油品粘度μ150进行对比,当两者的误差不大于预设阈值时,以步骤S2获得的粘温模型为油品的最终粘温模型;当两者误差大于预设阈值时,以步骤S1获取的50℃的油品粘度μ150和密度修正经验式获取油品的修正密度ρ1,以修正密度ρ1替代油品20℃密度,返回步骤S2更新粘温模型的常数和系数,获得油品的最终粘温模型;
对于预设阈值而言,本实施例中,对于ρ0≤0.860g/cm3油品(轻质油品),其相对于误差不大于15.7%,对于0.860<ρ0≤0.916g/cm3的油品(中质油品),其相对误差不大于0.4%,对于ρ0>0.916g/cm3的油品(重质油品),其相对于误差不大于2.0%。
修正密度ρ1的经验式如下:
当ρ0>0.916g/cm3时,
当0.860<ρ0≤0.916g/cm3时:
当ρ0≤0.860g/cm3时,
根据经验式获取的油品的常数、系数见表6。
表6各油品经经验式获取的常数、系数统计表
编号 | log10a | b | c | d | f1 | f2 |
样品1 | 1.399 | -0.908 | 1.8465 | -0.017 | 0.444795 | 0.555205 |
样品2 | 1.742 | -1.349 | 1.1466 | -0.026 | 0.473348 | 0.526652 |
样品3 | 1.461 | -0.727 | 3.5832 | -0.014 | 0.392824 | 0.607176 |
样品4 | 1.657 | -0.738 | 5.4396 | -0.014 | 0.400835 | 0.599165 |
样品5 | 5.529 | -2.146 | 633.0201 | -0.041 | 0.438671 | 0.561329 |
样品6 | 9.025 | -3.468 | 44863.7426 | -0.070 | 0.489795 | 0.510205 |
样品7 | 2.402 | -0.984 | 14.8449 | -0.019 | 0.563181 | 0.436819 |
样品8 | 5.214 | -2.026 | 428.2420 | -0.039 | 0.498867 | 0.501133 |
样品9 | 8.907 | -3.405 | 39052.4783 | -0.069 | 0.435858 | 0.564142 |
采用这些经验式获取的常数、系数确定本实施例的粘温模型,将其计算结果与实际测定值进行对比,确定其相对误差率,具体计算方法如实施例1,此处不详述,具体计算结果见表7。
表7粘温模型计算偏差统计表
编号 | 相对误差(%) |
样品1 | 2.58 |
样品2 | 5.72 |
样品3 | 3.91 |
样品4 | 2.56 |
样品5 | 5.01 |
样品6 | 4.57 |
样品7 | 2.02 |
样品8 | 1.42 |
样品9 | 3.21 |
平均误差 | 3.44 |
结合实施例1的数据可知,经过实测数据拟合的乘幂模型和指数模型的平均拟合误差为6.29%和5.29%,而本发明通过经验式获得的常数、系数获得的模型的平均计算误差为3.44%,也明显优于前者。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明实施例揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (4)
1.一种确定油品粘温模型的方法,其特征在于,包括以下步骤:
S1、获取油品在多个不同温度下的实际粘度
S2、建立计算油品粘度的乘幂模型、指数模型并确定模型中的常数;
其中,乘幂模型如下:
指数模型:
其中,Ti为第i个温度值;a、b、c、d均为常数;分别为温度Ti条件下乘幂模型、指数模型的计算粘度;
S3、构建油品粘温模型;
所述油品粘温模型如下:
其中,
式中,均为系数;n为油品温度点总数量。
2.一种确定油品粘温模型的方法,其特征在于,包括以下步骤:
S1、获取油品在20℃的密度ρ0和50℃的粘度μ150;
S2、获取计算油品粘度的乘幂模型、指数模型的常数,采用经验式获取粘温模型的系数,建立粘温模型;
所述粘温模型如下:
式中,Ti为第i个温度值;a、b、c、d均为常数;均为系数;
计算系数的经验式如下:
当ρ0>0.90g/cm3时,
当0.860<ρ0≤0.90g/cm3时,
当0.830≤ρ0≤0.860g/cm3时,
当ρ0<0.830g/cm3时,
S3、通过步骤S2建立的粘温模型计算50℃条件下油品的粘度,并将粘温模型计算粘度与步骤S1获取的50℃的油品粘度μ150进行对比,当两者的误差不大于预设阈值时,以步骤S2获得的粘温模型为油品的最终粘温模型;当两者误差大于预设阈值时,以步骤S1获取的50℃的油品粘度μ150和密度修正经验式获取油品的修正密度ρ1,以修正密度ρ1替代油品20℃密度,返回步骤S2更新粘温模型的常数和系数,获得油品的最终粘温模型;
修正密度ρ1的经验式如下:
当ρ0>0.916g/cm3时,
当0.860<ρ0≤0.916g/cm3时:
当ρ0≤0.860g/cm3时,
3.根据权利要求2所述的方法,其特征在于,步骤S2包括根据经验式获取乘幂模型、指数模型的常数:
乘幂模型、指数模型的常数与密度的经验式如下:
如果ρ0≤0.860g/cm3,则
如果0.860<p0≤0.916g/cm3,则
如果ρ0>0.916g/cm3,则
4.根据权利要求2所述的方法,其特征在于,步骤S3中预设阈值的规则如下:
如果ρ0≤0.860g/cm3,则相对于误差不大于15.7%;
如果0.860<ρ0≤0.916g/cm3,则相对误差不大于0.4%;
如果ρ0>0.916g/cm3,则相对于误差不大于2.0%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310733214.9A CN116825229A (zh) | 2023-06-20 | 2023-06-20 | 一种确定油品粘温模型的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310733214.9A CN116825229A (zh) | 2023-06-20 | 2023-06-20 | 一种确定油品粘温模型的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116825229A true CN116825229A (zh) | 2023-09-29 |
Family
ID=88142274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310733214.9A Pending CN116825229A (zh) | 2023-06-20 | 2023-06-20 | 一种确定油品粘温模型的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116825229A (zh) |
-
2023
- 2023-06-20 CN CN202310733214.9A patent/CN116825229A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109271319B (zh) | 一种基于面板数据分析的软件故障的预测方法 | |
CN110363337A (zh) | 一种基于数据驱动的抽油机量油方法及系统 | |
CN104990893B (zh) | 一种基于相似判别的汽油辛烷值检测方法 | |
CN103246821A (zh) | 一种基于仿真的多应力小样本加速寿命试验方案设计优化方法 | |
Hosking | FORTRAN routines for use with the method of L-moments, Version 3.04 | |
CN110749835A (zh) | 基于卡尔曼滤波器的输电线路故障定位方法 | |
US7977099B2 (en) | Method for alcohol content determination | |
CN113360983A (zh) | 一种边坡可靠度分析与风险评估方法 | |
CN114970157A (zh) | 电子产品在电压应力作用下的小样本试验寿命预测方法 | |
CN116825229A (zh) | 一种确定油品粘温模型的方法 | |
CN110895626B (zh) | 基于留一交叉验证的性能退化模型精度验证方法 | |
CN110866347A (zh) | 显示器件的寿命预估方法和装置、存储介质 | |
US11415568B2 (en) | Systems and methods for implicit chemical resolution of vacuum gas oils and fit quality determination | |
CN112734201A (zh) | 基于预期故障概率的多台设备整体质量评价方法 | |
CN111914386A (zh) | 一种基于退化模型不确定分析的可靠性评估方法及系统 | |
CN116070302A (zh) | 一种电缆绝缘状态的预测方法及装置 | |
CN113901628B (zh) | 用于热油管道仿真的方法 | |
CN115389567A (zh) | 水质电导率传感器的温度补偿算法 | |
CN108154292B (zh) | 一种路面性能的预测模型的建立方法及系统 | |
CN104732049A (zh) | 吸氢材料吸氢性能曲线修正方法 | |
CN112163729A (zh) | 基于供货产品截断正态分布质量数据的过程能力分析方法 | |
CN113390757A (zh) | 一种石英音叉液体粘度传感器的标定与测量方法 | |
CN107330207B (zh) | 一种多重因素耦合试验修正的滑动轴承流量参数计算方法 | |
CN113378368A (zh) | 一种基于非线性退化轨迹模型的加速因子评估方法 | |
CN114689460B (zh) | 一种在线密度自动测量的原油密度值校正方法 |
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 |