JP2019527399A - 炭化水素処理流内の蒸気圧をオンラインで測定するためのシステムおよび方法 - Google Patents
炭化水素処理流内の蒸気圧をオンラインで測定するためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2019527399A JP2019527399A JP2018564310A JP2018564310A JP2019527399A JP 2019527399 A JP2019527399 A JP 2019527399A JP 2018564310 A JP2018564310 A JP 2018564310A JP 2018564310 A JP2018564310 A JP 2018564310A JP 2019527399 A JP2019527399 A JP 2019527399A
- Authority
- JP
- Japan
- Prior art keywords
- rvp
- model
- sample
- outputs
- value
- 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 312
- 230000008569 process Effects 0.000 title claims abstract description 205
- 229930195733 hydrocarbon Natural products 0.000 title claims description 53
- 239000004215 Carbon black (E152) Substances 0.000 title claims description 50
- 150000002430 hydrocarbons Chemical class 0.000 title claims description 50
- 238000005259 measurement Methods 0.000 title description 61
- 230000004044 response Effects 0.000 claims abstract description 137
- 230000002776 aggregation Effects 0.000 claims abstract description 13
- 238000004220 aggregation Methods 0.000 claims abstract description 13
- 238000001228 spectrum Methods 0.000 claims description 49
- 239000012530 fluid Substances 0.000 claims description 38
- 230000006870 function Effects 0.000 claims description 22
- 239000007788 liquid Substances 0.000 claims description 14
- 238000005481 NMR spectroscopy Methods 0.000 claims description 12
- 238000010998 test method Methods 0.000 claims description 11
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 claims description 10
- 238000001069 Raman spectroscopy Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000010561 standard procedure Methods 0.000 claims description 9
- 238000004886 process control Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 230000001052 transient effect Effects 0.000 claims description 6
- 238000007655 standard test method Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000013179 statistical model Methods 0.000 claims description 4
- 235000014676 Phragmites communis Nutrition 0.000 claims description 2
- 230000008878 coupling Effects 0.000 claims 2
- 238000010168 coupling process Methods 0.000 claims 2
- 238000005859 coupling reaction Methods 0.000 claims 2
- 238000013178 mathematical model Methods 0.000 claims 2
- 230000003213 activating effect Effects 0.000 claims 1
- 230000001419 dependent effect Effects 0.000 abstract description 13
- 239000000523 sample Substances 0.000 description 152
- 239000000203 mixture Substances 0.000 description 58
- 238000011161 development Methods 0.000 description 29
- 239000000047 product Substances 0.000 description 28
- 230000000875 corresponding effect Effects 0.000 description 24
- 238000004458 analytical method Methods 0.000 description 23
- 230000008901 benefit Effects 0.000 description 17
- 239000003502 gasoline Substances 0.000 description 17
- 238000013459 approach Methods 0.000 description 15
- 238000002156 mixing Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 11
- 239000000126 substance Substances 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 239000007789 gas Substances 0.000 description 10
- 238000004821 distillation Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000007620 mathematical function Methods 0.000 description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000010905 molecular spectroscopy Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- 230000003595 spectral effect Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 6
- 238000002872 Statistical quality control Methods 0.000 description 5
- 150000001875 compounds Chemical class 0.000 description 5
- 239000010779 crude oil Substances 0.000 description 5
- 239000003209 petroleum derivative Substances 0.000 description 5
- 238000000513 principal component analysis Methods 0.000 description 5
- 238000004611 spectroscopical analysis Methods 0.000 description 5
- 230000032258 transport Effects 0.000 description 5
- -1 D5188 Chemical compound 0.000 description 4
- 125000000524 functional group Chemical group 0.000 description 4
- 238000007417 hierarchical cluster analysis Methods 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000003208 petroleum Substances 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 230000001364 causal effect Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000001934 delay Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- TVMXDCGIABBOFY-UHFFFAOYSA-N octane Chemical compound CCCCCCCC TVMXDCGIABBOFY-UHFFFAOYSA-N 0.000 description 3
- 239000012188 paraffin wax Substances 0.000 description 3
- 239000012071 phase Substances 0.000 description 3
- 230000004481 post-translational protein modification Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000007670 refining Methods 0.000 description 3
- 238000007634 remodeling Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000009530 blood pressure measurement Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000013329 compounding Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 238000005111 flow chemistry technique Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000004817 gas chromatography Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000011545 laboratory measurement Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000012628 principal component regression Methods 0.000 description 2
- 239000003079 shale oil Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 description 1
- 101000864793 Homo sapiens Secreted frizzled-related protein 4 Proteins 0.000 description 1
- 101000684728 Mus musculus Secreted frizzled-related sequence protein 4 Proteins 0.000 description 1
- 102100030052 Secreted frizzled-related protein 4 Human genes 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 239000000538 analytical sample Substances 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000005112 continuous flow technique Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000001566 impedance spectroscopy Methods 0.000 description 1
- 238000010978 in-process monitoring Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000006101 laboratory sample Substances 0.000 description 1
- 239000000314 lubricant Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005504 petroleum refining Methods 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012883 sequential measurement Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 239000012808 vapor phase Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound 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
- G01N7/00—Analysing materials by measuring the pressure or volume of a gas or vapour
- G01N7/14—Analysing materials by measuring the pressure or volume of a gas or vapour by allowing the material to emit a gas or vapour, e.g. water vapour, and measuring a pressure or volume difference
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D11/00—Solvent extraction
- B01D11/02—Solvent extraction of solids
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
- G01N2030/8809—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample
- G01N2030/884—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample organic compounds
- G01N2030/8854—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample organic compounds involving hydrocarbons
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Feedback Control In General (AREA)
Abstract
Description
本出願は、2016年6月7日に提出された、「ガソリンなどの最終炭化水素生成物内のRVPならびに縮合物および原油などの上流の石油生成物内のRVPの高精度高頻度オンライン測定のためのシステムおよび方法」と題する特許文献1の明細書の利益を主張し、2013年2月5日に提出された、「生成物またはプロセス流の特性を決定するためのシステム、方法、および装置」と題する特許文献2の明細書の利益を主張する、2014年2月5日に提出された、「生成物流またはプロセス流の特性を決定するためのシステム、方法、および装置」と題する特許文献3の明細書の一部継続出願であり、これらの出願の内容はすべて、参照により本明細書に事実上組み込まれる。
P’(j)=f(センサ応答) 式(1)
であり、式中、P’(j)は、値P(j)を予測したことを示し、fは、P’(j)を得るためにセンサ応答に適用された関数であり、この関数は、図2に示す手順などの手順により作成され、適用されたモデルであり、手順は、予測供給連鎖である。センサ応答を、時には独立変数と呼ばれる、ハード分析器が測定したPTMR、すなわちP(j)ではない1つまたは複数の変数を備えるとみなしてもよい。分析が、本明細書で使用するように、センサ応答にモデルを提供することであるということを考慮に入れると、ソフト分析器は、モデルと、モデルを使用して、対象となる特性にセンサ応答を相関させるように構成されたプロセッサとを含む。ソフト分析器への入力の役割を果たすセンサ応答自体とソフト分析器を混同すべきではない。ソフトウェアで実装されても、ファームウェアで実装されても、分析器モデルが作成され、コンピュータプログラムを用いてデジタルで適用されるので、ソフト分析器という用語が適用される(時には、ソフトセンサと呼ばれる)。しかし、ソフトという用語はまた、センサ応答が所与の特性を引き起こす化学的性質すべてを極限では考慮するわけではないので、ソフト分析器が、ハード分析器の堅牢性を一般に欠くという意味で、ソフト分析器による予測が確固たるものではないので、比喩的に適用され、この場合、堅牢な、および堅牢性という用語は、本明細書で使用するとき、何らかの規定された初期時間フレームの範囲内で達成された予測精度が、プロセス変化、および監視している流れの化学的性質に付随する変化があるにもかかわらず、経時的に実質的に変化しないまま残る品質を指す。
P’(蒸気圧)=f(サンプルスペクトル) 式(2)
であり、上式は、数学関数fが、蒸気圧に関する予測値P’(蒸気圧)を得るためにサンプルスペクトルに適用されたモデルであることを示す。しかし、本発明者は、従来の知識に反して、従来の分子分光法技術により得た、複雑な液体炭化水素混合物のスペクトルが、サンプルの化学組成の一意の表現ではないことを認識した。他の場所で(非特許文献2)詳述されている理由は、分光法が化学的性質を十分に決定するわけではない、すなわち、化学組成の変化が、サンプルスペクトル内に、対応する一意の変化を作り出すわけでは必ずしもないということである。数学的用語では、理由は、対象となる特性の大きさの原因となっているサンプル組成が、対応するサンプルスペクトルよりも多くの自由度を有するということである。化学の用語で理解すると、ちょうどアルファベットの最初の5文字だけを使用して数ダースの単語を組み立てることができるように、官能基と呼ばれる、比較的少数の構成単位を組み合わせることにより、混合物内で炭化水素分子の大きな多様性が達成される。類推を続けると、赤外線(infrared、IR)、近赤外線(NIR)、ラマン、および核磁気共鳴(NMR)分光法などの技法は、文字、または隣接する文字のグループとして応答を記録するが、極限では、a〜eを使用して綴られた、異なる量のこれらすべての単語を含む混合物内で全単語をそれぞれ拾い上げることができるわけではない。この制限は、分子量(語長)を増大させる機能として作用し始める。より問題なことには、他の場所で(Trygstad、et al.、ISA 2015)より完全に論じられているように、意味のある変化を蒸気圧に作り出す、成分の濃度変化は、ガソリンなどの複雑な石油混合物、原油、および同種のもののスペクトルに、対応する測定可能な変化を作り出さない場合がある。
P’(RVP)=f(センサ応答)=f(サンプルスペクトル,m(1),m(2),m(3),…,m(n),C(HC)) 式(3)
式中、関数fは、センサ応答内の1つまたは複数の要素に対して動作するモデルである、推論に基づく分析器であり、m(1)、m(2)、m(3)、…、m(n)は、1つまたは複数の他のセンサから得られる出力であり、C(HC)は、HC混合物のガスクロマトグラムから得られる強度対時間出力である。センサ応答が複数の要素である実施形態に関連して、本明細書では、要素が数学的に構成され、配列され、グループ化され、表現される形に関する何かを、または要素が1つまたは複数のセンサにより発行されたとして使用されるか、最初に当業者に公知の方法により何らかの方法で修正または処置されたかどうかに関する何かを意味するものが何かあると考えてはならない。特定の一実施形態では、センサ応答340は、1つまたは複数の他の特性センサ343から得られる1つまたは複数の出力を伴うサンプルスペクトル322’の濃度である。
[RVP設定点]=[生成物に関する最大RVP限界]−[2×U(RVP)] 式(4)
さらに、本明細書で上記に規定したように、
RVPギブアウェイ=[生成物に関する最大RVP限界]−[RVP設定点] 式(5)
=2×U(RVP)
であり、式中、U(RVP)は、95%信頼水準(confidence level、CL)でのRVP測定の不確実性である。たとえば、U(RVP)=±0.25psiである場合、RVPギブアウェイ=0.5である。RVP測定不確実性をU(RVP)=±0.05まで80%低減することにより、0.5psi−2×(0.05psi)=0.4psiだけRVPギブアウェイが低減され、このとき、新しいRVP設定点の値は、[生成物に関する最大RVP限界]よりも0.1psi低い。原油処理能力が、米国での中央値である125,000バレル/日(barrel per day、bpd)に等しい精製所については、RVPギブアウェイ低減の値を、限定しない例として、式(6)に従って計算してもよい。
0.4×0.45×125,000×365×1.00ドル=8.2百万ドル/年 式(6)
式中、1.00ドルは、RVP−バレルの値を現し、バレル/バレル原油単位での平均的ガソリン収率は、北米では0.45である。圧力単位psiをkPaに変換する係数は、0.145038である。したがって、
0.145038×kPa=psi、およびpsi/0.145038=kPa 式(7)
である。
本明細書で上記に記述した実施形態は、式(3)に示すようにP’(RVP)を予測する限りにおいて、実施形態Fと呼ばれる場合があり、この場合、数学関数fは、サンプルスペクトル、および1つまたは複数の他のセンサから得た出力からなるグループから選択される1つまたは複数の要素を含むセンサ応答に適用され、fは、モデルがP(RVP)にセンサ応答を関係づけることを意味する。したがって、いわゆる未知のプロセスサンプルでRVPを予測するための基礎となるセンサ応答340は、モデル開発に関連して記述した実施形態に従ってモデルを作成するために使用するセンサ応答340と同じ要素を実質的に含む。その上、本明細書で、上記で論じたように、センサ応答340の要素は、何らかの標準方法に従ってハード分析器310’が測定したP(RVP)40’ではない特性に対応する独立変数である。
P’(標準)=g(センサ応答)
=g(P(非標準),m(1),m(2),m(3),…,m(n)) 式(8)
である。便宜上、一般に式(8)により記述される実施形態を実施形態Gと呼ぶものとする。特定の一実施形態Gでは、非標準パラメータは、分析用設定点温度,および/または測定セル内の蒸気対液体体積である。
P’(RVP)=h(センサ応答)
=h(C(LH),m(1),m(2),m(3),…,m(n)) 式(9)
であり、式中、C(LH)は、ガスクロマトグラフにより決定された、LH成分1、2、3、…、nに関する濃度行列[c(1),c(2),c(3),…,c(n)]であり、LH成分1、2、3、…、nは、RVPを決定する際の役割がまさっているメタン、エタン、プロパンなどであり、濃度行列は、限定しない例として、当業者に公知の手段により生成された、模擬蒸留プロファイルであってもよく、ソフトセンサhは、センサ応答に適用されたモデルである。便宜上、一般に式(9)により記述される実施形態を実施形態Hと呼ぶものとする。特定の実施形態Hでは、データベース取得は、モデル開発を支援するのに適したサンプルの母集団に関するP(RVP)およびセンサ応答の集合であり、収集は、代表的であるが限定しない、いずれかの手順、または2つの手順により達成される。一方の手順は、(i)P(RVP)を測定するように構成された計器、(ii)C(LH)を測定するGC、および任意選択で(iii)密度、粘度、屈折率、および温度からなるグループから選択された、1つまたは複数のセンサ出力であるm(1)、m(2)、m(2)、m(3)、…、m(n)を測定する計器を用いて、1組の較正サンプルに関するデータベース値を実験室で取得することを伴う。代替手順では、C(LH)、および1つまたは複数の値m(1)、m(2)、m(3)、…、m(n)は、データベース開発に関して本明細書で上記に記述したようにオンラインで収集され、一方では、P(RVP)に関する値は、C(LH)を測定するハード分析器によるプロセスサンプルの獲得と同期した時間にオンラインで自動的に取得したプロセスサンプルに対して実験室で測定され、そのように取得する方法は、当業者に公知である。プロセスを表す流れの組成の範囲に及ぶデータベースをこのように取得すると、実施形態Hに関するモデル開発は、関連する(i)多変量モデリング技法を適用することによる、P(RVP)に対するセンサ応答、(ii)第1原理を適用することによる、温度および圧力などの規定された条件の下での、対応するLH成分の既知の蒸気圧に対するC(LH)、(iii)HC混合物の残余の組成変動に対する、LH成分に関する上記の既知の蒸気圧の変動からなる、1つまたは複数の取り組み方法を採用し、(iii)の変動は、C(LH)を得るために使用するGC分析により、または密度および/または粘度との相関関係により決定される、または近似される。
Claims (54)
- 炭化水素流体プロセス流の蒸気圧をリアルタイムで決定するためのシステムであって、
少なくとも1つのプロセス流インタフェースに前記流体プロセス流を運搬するように構成された液体流経路と、
時間増分t1、t2、…、tnに前記流体プロセス流のサンプルの蒸気圧に関する値を生成するように構成された、前記プロセス流インタフェースに通信可能に連結されたハード分析器と、
前記時間増分に前記流体プロセス流のサンプルに関する独立変数の形をとる1つまたは複数の出力を生成するように構成された、前記プロセス流インタフェースに通信可能に連結された1つまたは複数のセンサと、
前記1つまたは複数の出力、および前記ハード分析器が生成した前記値を取得し、集約して、集約応答を形成するように構成された集約モジュールを含む、前記ハード分析器および前記1つまたは複数のセンサに通信可能に連結された経験的知識に基づく品質マネージャ(cognitive quality manager、CQM)と
を備え、
前記CQMは、前記集約応答を使用して、前記ハード分析器が生成した前記値に前記1つまたは複数の出力を関係づけるモデルを生成するように構成され、
前記CQMは、前記1つまたは複数の出力に前記モデルを適用して、前記時間増分の間にある1つまたは複数の時間txに前記流体プロセス流のサンプルの蒸気圧の予測値を生成するように構成されるシステム。 - 前記CQMは、前記値および前記1つまたは複数の出力を用いて前記モデルをリアルタイムで更新するように構成される、請求項1に記載のシステム。
- 前記ハード分析器は、1次試験方法(Primary Test Method 、PTM)に従って蒸気圧に関する前記値を生成する、請求項1に記載のシステム。
- RVPに関する前記予測値は、以下の式(3)により表現され、
P’(RVP)=f(センサ応答)=f(サンプルスペクトル,m(1),m(2),m(3),…,m(n),C(HC)) 式(3)
前記式中、前記関数fは、前記モデルであり、前記サンプルスペクトルは、分光計から得られる出力であり、前記m(1)、m(2)、m(3)、…、m(n)は、前記1つまたは複数のセンサから得られる出力であり、前記C(HC)は、前記サンプルのガスクロマトグラムから得られる強度対時間出力である、
請求項3に記載のシステム。 - 前記PTMは、リード(Reid)法であり、前記リード法により生成された値は、リード蒸気圧(Reid Vapor Pressure、RVP)、すなわちP(RVP)である、請求項3に記載のシステム。
- 前記ハード分析器は、非標準試験方法に従って蒸気圧に関する前記値を生成する、請求項1に記載のシステム。
- 前記非標準方法は、1つまたは複数のパラメータが、前記1次試験方法(PTM)で規定されたパラメータから逸脱する方法であり、蒸気圧に関する前記予測値は、以下の式(8)により表現され、
P’(標準)=g(センサ応答)
=g(P(非標準),m(1),m(2),m(3),…,m(n)) 式(8)
式中、前記関数gは、前記モデルであり、前記m(1)、m(2)、m(3)、…、m(n)は、前記1つまたは複数のセンサから得られる出力である、
請求項6に記載のシステム。 - 前記1つまたは複数のセンサは、分光計を備える、請求項1に記載のシステム。
- 前記1つまたは複数のセンサは、分光計、密度センサ、粘度センサ、屈折率センサ、および温度センサからなるグループから選ばれる、請求項1に記載のシステム。
- 前記分光計は、近赤外線(NIR)分光計、フーリエ変換赤外線(FTIR)分光計、ラマン分光計、および核磁気共鳴(NMR)分光計からなるグループから選ばれる、請求項9に記載のシステム。
- 前記CQMは、前記集約応答を受信し、サンプルデータベース内に保管するように構成される、請求項1に記載のシステム。
- 前記データベースは、前記モデルを開発するために使用される、請求項11に記載のシステム。
- 前記モデルは、数学的モデル、アルゴリズム、および/または多変量統計モデルである、請求項12に記載のシステム。
- 前記集約モジュールは、前記P(RVP)および前記1つまたは複数の出力を使用して、検証された応答を形成するようにさらに構成され、
前記CQMは、前記検証された応答を読み込んだデータベースと、前記データベースを使用して、前記モデルを生成するように構成されたモデルエンジンとを含み、
前記モデルは、前記1つまたは複数の時間txに前記流体プロセス流のサンプルに関する前記RVPの予測値(P’(RVP))を生成するように構成される、
請求項1に記載のシステム。 - 前記CQMは、前記P(RVP)の連続する値と前記P’(RVP)の対応する値の比較を生成し、かつ前記比較を使用して、過渡的な孤立値を検出し、取り除いて、前記流体プロセス流に関する向上した推論RVP値(P”(RVP))を生成するようにさらに構成される、請求項14に記載のシステム。
- 前記P’(RVP)および/またはP”(RVP)を使用して、前記流体プロセス流をリアルタイムで制御するように構成されたプロセスオプティマイザをさらに備える、請求項15に記載のシステム。
- 前記プロセスオプティマイザから命令を受信したことに応答して、前記流体プロセス流の1つまたは複数のパラメータを調節するように構成された、前記プロセスオプティマイザと活動化可能に連動するプロセス制御システムをさらに備える、請求項16に記載のシステム。
- 前記独立変数は、温度、屈折率、粘度、密度、特定の波長または周波数で測光機器または分光機器により測定した強度応答、ガスクロマトグラフから得られるクロマトグラム、および/またはこれらの任意の組合せのうち1つまたは複数を含む、請求項1に記載のシステム。
- 前記1つまたは複数の出力および/または前記値を使用して、前記モデルを更新するように構成される、請求項1に記載のシステム。
- 前記比較は、前記1つまたは複数の出力の少なくとも1つの検証を含む、請求項15に記載のシステム。
- 前記1つまたは複数の出力が検証されると、前記モデルを調節する、および/または前記流体プロセス流を制御するように構成される、請求項20に記載のシステム。
- 前記検証された1つまたは複数の出力の古さ、および前記1つまたは複数の出力を測定した時間での前記プロセスの状態と比較した、前記プロセスの現在の状態のうち少なくとも一方に基づき、前記検証された1つまたは複数の出力を使用して、前記モデルを調節するかどうかを判断するように構成される、請求項21に記載のシステム。
- 前記比較のモジュールは、統計的多変量手順を使用して前記比較を生成するように構成される、請求項20に記載のシステム。
- 前記1つまたは複数のセンサは、前記流体プロセス流のサンプルのクロマトグラムを取得および評価することにより、前記1つまたは複数の出力を生成するように構成されたガスクロマトグラフを備える、請求項1に記載のシステム。
- 前記RVPに関する前記予測値は、以下の式(9)により表現され、
P’(RVP)=h(センサ応答)
=h(C(LH),m(1),m(2),m(3),…,m(n)) 式(9)
式中、前記関数hは、前記モデルであり、前記m(1)、m(2)、m(3)、…、m(n)は、前記1つまたは複数のセンサから得られる出力であり、前記C(LH)は、前記ガスクロマトグラフが決定するような、前記サンプルの成分1、2、3、…、nに関する濃度行列[c(1),c(2),c(3),…,c(n)]である、
請求項24に記載のシステム。 - 前記CQMは、前記予測値P’(RVP)および/またはP”(RVP)を実質的にリアルタイムで生成するように構成され、前記ハード分析器は、前記予測値P’(RVP)および/またはP”(RVP)を生成する頻度よりも低い頻度で前記値P(RVP)を生成するオンライン分析器であり、前記比較は、前記モデルを調節するために、および/または前記流体プロセス流を実質的にリアルタイムで制御するために使用される、請求項15に記載のシステム。
- 複数の炭化水素流体プロセス流の蒸気圧をリアルタイムで決定するように構成され、複数の前記流体流経路および複数の前記プロセス流インタフェースを備える、請求項1に記載のシステム。
- 炭化水素流体プロセス流の蒸気圧をリアルタイムで決定するための方法であって、
流体流経路を通して少なくとも1つのプロセス流インタフェースに前記流体プロセス流を運搬するステップと、
時間増分t1、t2、…、tnに前記流体プロセス流のサンプルの蒸気圧に関する値を生成するように構成されたハード分析器を、前記プロセス流インタフェースに通信可能に連結するステップと、
前記時間増分に前記流体プロセス流のサンプルに関する独立変数の形をとる1つまたは複数の出力を生成するように構成された1つまたは複数のセンサを、前記プロセス流インタフェースに通信可能に連結するステップと、
前記1つまたは複数の出力、および前記ハード分析器が生成した前記値を取得し、集約して、集約応答を形成するように構成された集約モジュールを含む経験的知識に基づく品質マネージャ(CQM)を、前記ハード分析器および前記1つまたは複数のセンサに通信可能に連結するステップと、
前記CQMを用いて、前記集約応答を使用して、前記ハード分析器が生成した前記値に前記1つまたは複数の出力を関係づけるモデルを生成するステップと、
前記CQMを用いて、前記1つまたは複数の出力に前記モデルを適用して、前記時間増分の間にある1つまたは複数の時間txに前記流体プロセス流のサンプルの蒸気圧の予測値を生成するステップと
を備える方法。 - 前記CQMを用いて、前記値および前記1つまたは複数の出力を用いて前記モデルをリアルタイムで更新するステップをさらに備える、請求項28に記載の方法。
- 前記ハード分析器は、1次試験方法(PTM)に従って蒸気圧に関する前記値を生成する、請求項28に記載の方法。
- RVPに関する前記予測値は、以下の式(3)により表現され、
P’(RVP)=f(センサ応答)=f(サンプルスペクトル,m(1),m(2),m(3),…,m(n),C(HC)) 式(3)
前記式中、前記関数fは、前記モデルであり、前記サンプルスペクトルは、分光計から得られる出力であり、前記m(1)、m(2)、m(3)、…、m(n)は、前記1つまたは複数のセンサから得られる出力であり、C(HC)は、前記サンプルのガスクロマトグラムから得られる強度対時間出力である、
請求項30に記載の方法。 - 前記PTMは、リード法であり、前記リード法により生成された値は、リード蒸気圧(RVP)、すなわちP(RVP)である、請求項30に記載の方法。
- 前記ハード分析器は、非標準試験方法に従って蒸気圧に関する前記値を生成する、請求項28に記載の方法。
- 前記非標準方法は、1つまたは複数のパラメータが、前記1次試験方法(PTM)で規定されたパラメータから逸脱する方法であり、前記蒸気圧に関する前記予測値は、以下の式(8)により表現され、
P’(標準)=g(センサ応答)
=g(P(非標準),m(1),m(2),m(3),…,m(n)) 式(8)
式中、前記関数gは、前記モデルであり、前記m(1)、m(2)、m(3)、…、m(n)は、前記1つまたは複数のセンサから得られる出力である、
請求項33に記載の方法。 - 前記1つまたは複数のセンサは、分光計を備える、請求項28に記載の方法。
- 前記1つまたは複数のセンサは、分光計、密度センサ、粘度センサ、屈折率センサ、および温度センサからなるグループから選ばれる、請求項28に記載の方法。
- 前記分光計は、近赤外線(NIR)分光計、フーリエ変換赤外線(FTIR)分光計、ラマン分光計、および核磁気共鳴(NMR)分光計からなるグループから選ばれる、請求項36に記載の方法。
- 前記CQMを用いて、前記集約応答を受信し、サンプルデータベース内に保管するステップをさらに備える、請求項28に記載の方法。
- 前記データベースは、前記モデルを開発するために使用される、請求項38に記載の方法。
- 前記モデルは、数学的モデル、アルゴリズム、および/または多変量統計モデルである、請求項39に記載の方法。
- 前記集約モジュールを用いて、前記P(RVP)および前記1つまたは複数の出力を使用して、検証された応答を形成するステップと、
前記CQMを用いて、前記検証された応答をデータベースに読み込むステップと、モデルエンジンを用いて、前記データベースを使用して、前記モデルを生成するステップと、
前記モデルを用いて、前記1つまたは複数の時間txに前記流体プロセス流のサンプルに関する前記RVPの予測値(P’(RVP))を生成するステップと
をさらに備える、請求項28に記載の方法。 - 前記CQMを使用して、前記P(RVP)の連続する値とP’(RVP)の対応する値の比較を生成し、かつ前記比較を使用して、過渡的な孤立値を検出し、取り除いて、前記流体プロセス流に関する向上した推論RVP値(P”(RVP))を生成するステップをさらに備える、請求項41に記載の方法。
- プロセスオプティマイザを使用して、前記P’(RVP)および/またはP”(RVP)を使用して、前記流体プロセス流をリアルタイムで制御するステップをさらに備える、請求項42に記載の方法。
- 前記プロセスオプティマイザから命令を受信したことに応答して、プロセス制御システムを前記プロセスオプティマイザと活動化可能に連動させて、前前記流体プロセス流の1つまたは複数のパラメータを調節するステップをさらに備える、請求項43に記載の方法。
- 前記独立変数は、温度、屈折率、粘度、密度、特定の波長または周波数で測光機器または分光機器により測定した強度応答、ガスクロマトグラフから得られるクロマトグラム、および/またはこれらの任意の組合せのうち1または複数を含む、請求項28に記載の方法。
- 前記1つまたは複数の出力および/または前記値を使用して、前記モデルを更新するステップをさらに備える、請求項28に記載の方法。
- 前記比較は、前記1つまたは複数の出力の少なくとも1つの検証を含む、請求項42に記載の方法。
- 前記1つまたは複数の出力が検証されると、前記モデルを調節する、および/または前記流体プロセス流を制御するステップをさらに備える、請求項47に記載の方法。
- 前記検証された1つまたは複数の出力の古さ、および前記1つまたは複数の出力を測定した時間での前記プロセスの状態と比較した、前記プロセスの現在の状態のうち少なくとも一方に基づき、前記検証された1つまたは複数の出力を使用して、前記モデルを調節するかどうかを判断するステップをさらに備える、請求項48に記載の方法。
- 前記比較のモジュールを使用して、統計的多変量手順を使用して前記比較を生成するステップをさらに備える、請求項47に記載の方法。
- 前記1つまたは複数のセンサは、前記流体プロセス流のサンプルのクロマトグラムを取得および評価することにより、前記1つまたは複数の出力を生成するように構成されたガスクロマトグラフを備える、請求項28に記載の方法。
- 前記RVPに関する前記予測値は、以下の式(9)により表現され、
P’(RVP)=h(センサ応答)
=h(C(LH),m(1),m(2),m(3),…,m(n)) 式(9)
式中、前記関数hは、前記モデルであり、前記m(1)、m(2)、m(3)、…、m(n)は、前記1つまたは複数のセンサから得られる出力であり、前記C(LH)は、前記ガスクロマトグラフが決定するような、前記サンプルの成分1、2、3、…、nに関する濃度行列[c(1),c(2),c(3),…,c(n)]である、
請求項51に記載の方法。 - 前記CQMを用いて、前記予測値P’(RVP)および/またはP”(RVP)を実質的にリアルタイムで生成するステップをさらに備え、前記ハード分析器は、前記予測値P’(RVP)および/またはP”(RVP)が生成される頻度よりも低い頻度で前記値P(RVP)を生成するオンライン分析器であり、前記比較は、前記モデルを調節するために、および/または前記流体プロセス流を実質的にリアルタイムで制御するために使用される、請求項42に記載の方法。
- 複数の前記流体流経路および複数の前記プロセス流インタフェースを用いて、複数の炭化水素流体プロセス流の蒸気圧をリアルタイムで決定するステップをさらに備える、請求項28に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662346914P | 2016-06-07 | 2016-06-07 | |
US62/346,914 | 2016-06-07 | ||
PCT/US2017/036414 WO2017214311A1 (en) | 2016-06-07 | 2017-06-07 | System and method for online measurement of vapor pressure in hydrocarbon process streams |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019527399A true JP2019527399A (ja) | 2019-09-26 |
JP6752298B2 JP6752298B2 (ja) | 2020-09-09 |
Family
ID=60578944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018564310A Active JP6752298B2 (ja) | 2016-06-07 | 2017-06-07 | 炭化水素処理流内の蒸気圧をオンラインで測定するためのシステムおよび方法 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP3463606B1 (ja) |
JP (1) | JP6752298B2 (ja) |
CN (1) | CN109562304B (ja) |
CA (1) | CA3026377C (ja) |
WO (1) | WO2017214311A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220412946A1 (en) * | 2019-12-13 | 2022-12-29 | Validere Technologies Inc. | System, method, and apparatus for predicting physical properties by indirect measurement |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09305567A (ja) * | 1996-01-11 | 1997-11-28 | Intevep Sa | 炭化水素燃料の評価方法 |
JPH11508363A (ja) * | 1995-06-23 | 1999-07-21 | エクソン リサーチ アンド エンジニアリング カンパニー | 原油の化学的および物理的特性の予測方法 |
JP2010079465A (ja) * | 2008-09-25 | 2010-04-08 | Yokogawa Electric Corp | プロセス推定システムおよびプロセス推定方法 |
US20150211971A1 (en) * | 2014-01-29 | 2015-07-30 | Jp3 Measurement, Llc | System and method for determining vapor pressure of produced hydrocarbon streams via spectroscopy |
JP2016507113A (ja) * | 2013-02-05 | 2016-03-07 | ヨコガワ・コーポレーション・オブ・アメリカ | 製品またはプロセス流の特性を判定するためのシステム、方法、および装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1130201A (en) * | 1979-07-10 | 1982-08-24 | Esso Resources Canada Limited | Method for continuously producing viscous hydrocarbons by gravity drainage while injecting heated fluids |
US5322626A (en) * | 1990-03-02 | 1994-06-21 | Hewlett-Packard Company | Decoupled flow and pressure setpoints in an extraction instrument using compressible fluids |
US9658178B2 (en) * | 2012-09-28 | 2017-05-23 | General Electric Company | Sensor systems for measuring an interface level in a multi-phase fluid composition |
US9091160B2 (en) * | 2011-06-23 | 2015-07-28 | Michael Renick | Flowback separation system |
-
2017
- 2017-06-07 WO PCT/US2017/036414 patent/WO2017214311A1/en unknown
- 2017-06-07 CA CA3026377A patent/CA3026377C/en active Active
- 2017-06-07 JP JP2018564310A patent/JP6752298B2/ja active Active
- 2017-06-07 CN CN201780047589.2A patent/CN109562304B/zh active Active
- 2017-06-07 EP EP17810962.5A patent/EP3463606B1/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11508363A (ja) * | 1995-06-23 | 1999-07-21 | エクソン リサーチ アンド エンジニアリング カンパニー | 原油の化学的および物理的特性の予測方法 |
JPH09305567A (ja) * | 1996-01-11 | 1997-11-28 | Intevep Sa | 炭化水素燃料の評価方法 |
JP2010079465A (ja) * | 2008-09-25 | 2010-04-08 | Yokogawa Electric Corp | プロセス推定システムおよびプロセス推定方法 |
JP2016507113A (ja) * | 2013-02-05 | 2016-03-07 | ヨコガワ・コーポレーション・オブ・アメリカ | 製品またはプロセス流の特性を判定するためのシステム、方法、および装置 |
US20150211971A1 (en) * | 2014-01-29 | 2015-07-30 | Jp3 Measurement, Llc | System and method for determining vapor pressure of produced hydrocarbon streams via spectroscopy |
Non-Patent Citations (1)
Title |
---|
IVICA JERBIC, 他2名: "Development of Soft Sensors for Debutanizer Product Quality Estimation and Control", PROCEEDINGS OF EUROPEAN CONGRESS OF CHEMICAL ENGINEERING, JPN6020002631, 20 September 2007 (2007-09-20), pages 1 - 9, ISSN: 0004202094 * |
Also Published As
Publication number | Publication date |
---|---|
CN109562304A (zh) | 2019-04-02 |
WO2017214311A1 (en) | 2017-12-14 |
EP3463606A1 (en) | 2019-04-10 |
EP3463606A4 (en) | 2020-01-08 |
CA3026377C (en) | 2021-01-05 |
CA3026377A1 (en) | 2017-12-14 |
JP6752298B2 (ja) | 2020-09-09 |
CN109562304B (zh) | 2021-12-21 |
EP3463606B1 (en) | 2024-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10235481B2 (en) | System and method for online measurement of vapor pressure in hydrocarbon process streams | |
US10175661B2 (en) | System, method and apparatus for determining properties of product or process streams | |
US6897071B2 (en) | Topological near infrared analysis modeling of petroleum refinery products | |
EP3519811B1 (en) | Measurement of hydrocarbon fuel gas composition and properties | |
US6662116B2 (en) | Method for analyzing an unknown material as a blend of known materials calculated so as to match certain analytical data and predicting properties of the unknown based on the calculated blend | |
JP2016507113A5 (ja) | 製品またはプロセス流の特性を判定するためのシステムおよび方法 | |
RU2498274C2 (ru) | Система и способ анализа процесса алкилирования | |
JP4997120B2 (ja) | 測定された全原油の特性を用いる合成アッセイの修正方法 | |
Nespeca et al. | Rapid and Simultaneous Prediction of Eight Diesel Quality Parameters through ATR‐FTIR Analysis | |
JP2008510877A (ja) | 原料の品質予測に関する高度な解析技術を用いた精製所の原油ユニット性能のモニタリング | |
He et al. | A novel adaptive algorithm with near-infrared spectroscopy and its application in online gasoline blending processes | |
WO2006126978A1 (en) | Topological near infrared analysis modeling of petroleum refinery products | |
JP6752298B2 (ja) | 炭化水素処理流内の蒸気圧をオンラインで測定するためのシステムおよび方法 | |
US20170097330A1 (en) | Hybrid analyzer for fluid processing processes | |
Gourvénec et al. | 38 NIR Spectroscopy Applied to the Oil and Gas Industry | |
Liu et al. | Practical challenges in developing data-driven soft sensors for quality prediction | |
Kayat et al. | SMART PRODUCT BLENDING SYSTEM TO MAXIMISE QUALITY | |
Amin et al. | Evaluation of Flowloop Uncertainty with Live Hydrocarbon Process Fluids for Multiphase Flowmeters Validation | |
Trygstad | Spectroscopy: Interpreting Measurement Data. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190130 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200204 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200507 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200804 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200818 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6752298 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |