JP6240091B2 - 石油精製のために原油の化学組成をキャラクタリゼーションする方法 - Google Patents
石油精製のために原油の化学組成をキャラクタリゼーションする方法 Download PDFInfo
- Publication number
- JP6240091B2 JP6240091B2 JP2014552346A JP2014552346A JP6240091B2 JP 6240091 B2 JP6240091 B2 JP 6240091B2 JP 2014552346 A JP2014552346 A JP 2014552346A JP 2014552346 A JP2014552346 A JP 2014552346A JP 6240091 B2 JP6240091 B2 JP 6240091B2
- Authority
- JP
- Japan
- Prior art keywords
- crude oil
- segment
- content
- chemical composition
- characterizing
- 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
- 239000010779 crude oil Substances 0.000 title claims description 347
- 239000000203 mixture Substances 0.000 title claims description 179
- 238000000034 method Methods 0.000 title claims description 177
- 239000000126 substance Substances 0.000 title claims description 167
- 239000003921 oil Substances 0.000 title claims description 20
- 238000007670 refining Methods 0.000 title description 8
- 150000002430 hydrocarbons Chemical class 0.000 claims description 144
- 229930195733 hydrocarbon Natural products 0.000 claims description 143
- 239000004215 Carbon black (E152) Substances 0.000 claims description 142
- 239000000470 constituent Substances 0.000 claims description 113
- 238000009835 boiling Methods 0.000 claims description 80
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 76
- 229910052799 carbon Inorganic materials 0.000 claims description 76
- 238000005315 distribution function Methods 0.000 claims description 48
- 230000005484 gravity Effects 0.000 claims description 48
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 44
- 238000002156 mixing Methods 0.000 claims description 44
- 125000003118 aryl group Chemical group 0.000 claims description 38
- 238000012512 characterization method Methods 0.000 claims description 34
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 32
- 229910052757 nitrogen Inorganic materials 0.000 claims description 32
- 229910052717 sulfur Inorganic materials 0.000 claims description 32
- 239000011593 sulfur Substances 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 31
- RGSFGYAAUTVSQA-UHFFFAOYSA-N Cyclopentane Chemical compound C1CCCC1 RGSFGYAAUTVSQA-UHFFFAOYSA-N 0.000 claims description 24
- XDTMQSROBMDMFD-UHFFFAOYSA-N Cyclohexane Chemical compound C1CCCCC1 XDTMQSROBMDMFD-UHFFFAOYSA-N 0.000 claims description 21
- 239000002253 acid Substances 0.000 claims description 21
- 229910052739 hydrogen Inorganic materials 0.000 claims description 21
- 239000001257 hydrogen Substances 0.000 claims description 21
- 230000000704 physical effect Effects 0.000 claims description 21
- UFWIBTONFRDIAS-UHFFFAOYSA-N Naphthalene Chemical compound C1=CC=CC2=CC=CC=C21 UFWIBTONFRDIAS-UHFFFAOYSA-N 0.000 claims description 20
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 19
- 239000012188 paraffin wax Substances 0.000 claims description 19
- DMEGYFMYUHOHGS-UHFFFAOYSA-N heptamethylene Natural products C1CCCCCC1 DMEGYFMYUHOHGS-UHFFFAOYSA-N 0.000 claims description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 8
- 229910052760 oxygen Inorganic materials 0.000 claims description 8
- 239000001301 oxygen Substances 0.000 claims description 8
- 125000002496 methyl group Chemical group [H]C([H])([H])* 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 3
- 125000000325 methylidene group Chemical group [H]C([H])=* 0.000 claims 6
- 238000003556 assay Methods 0.000 description 65
- 238000009826 distribution Methods 0.000 description 64
- 230000006870 function Effects 0.000 description 56
- 239000003208 petroleum Substances 0.000 description 48
- 241000894007 species Species 0.000 description 24
- 125000001570 methylene group Chemical group [H]C([H])([*:1])[*:2] 0.000 description 21
- 238000010586 diagram Methods 0.000 description 20
- 238000004821 distillation Methods 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 14
- 229920006395 saturated elastomer Polymers 0.000 description 14
- 230000001186 cumulative effect Effects 0.000 description 13
- 229910052698 phosphorus Inorganic materials 0.000 description 10
- 238000004088 simulation Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 150000003568 thioethers Chemical class 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- PAYRUJLWNCNPSJ-UHFFFAOYSA-N Aniline Chemical compound NC1=CC=CC=C1 PAYRUJLWNCNPSJ-UHFFFAOYSA-N 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical class S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 5
- 125000000113 cyclohexyl group Chemical group [H]C1([H])C([H])([H])C([H])([H])C([H])(*)C([H])([H])C1([H])[H] 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 125000005608 naphthenic acid group Chemical group 0.000 description 4
- 229930192474 thiophene Natural products 0.000 description 4
- 150000003577 thiophenes Chemical class 0.000 description 4
- 241000183024 Populus tremula Species 0.000 description 3
- 125000000217 alkyl group Chemical group 0.000 description 3
- 150000001491 aromatic compounds Chemical class 0.000 description 3
- 150000001716 carbazoles Chemical class 0.000 description 3
- 125000004432 carbon atom Chemical group C* 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- WVIIMZNLDWSIRH-UHFFFAOYSA-N cyclohexylcyclohexane Chemical compound C1CCCCC1C1CCCCC1 WVIIMZNLDWSIRH-UHFFFAOYSA-N 0.000 description 3
- 238000004836 empirical method Methods 0.000 description 3
- 238000013213 extrapolation Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000003647 oxidation Effects 0.000 description 3
- 238000007254 oxidation reaction Methods 0.000 description 3
- 150000002989 phenols Chemical class 0.000 description 3
- 229930195734 saturated hydrocarbon Natural products 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 2
- LSDPWZHWYPCBBB-UHFFFAOYSA-N Methanethiol Chemical compound SC LSDPWZHWYPCBBB-UHFFFAOYSA-N 0.000 description 2
- 150000007513 acids Chemical class 0.000 description 2
- 125000001931 aliphatic group Chemical group 0.000 description 2
- 229940111121 antirheumatic drug quinolines Drugs 0.000 description 2
- 150000001721 carbon Chemical group 0.000 description 2
- 125000001511 cyclopentyl group Chemical group [H]C1([H])C([H])([H])C([H])([H])C([H])(*)C1([H])[H] 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 150000003248 quinolines Chemical class 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 239000001993 wax Substances 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 241000364021 Tulsa Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 159000000032 aromatic acids Chemical class 0.000 description 1
- 150000004945 aromatic hydrocarbons Chemical class 0.000 description 1
- 125000004429 atom Chemical group 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 150000001735 carboxylic acids Chemical class 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 229920001577 copolymer Polymers 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004508 fractional distillation Methods 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 239000003502 gasoline Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 125000005842 heteroatom Chemical group 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000000302 molecular modelling Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000005624 perturbation theories Effects 0.000 description 1
- 238000005504 petroleum refining Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000009834 vaporization Methods 0.000 description 1
- 230000008016 vaporization Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
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
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- 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—Oils, i.e. hydrocarbon liquids raw oil, drilling fluid or polyphasic mixtures
-
- 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
- G01N33/2829—Oils, i.e. hydrocarbon liquids mixtures of fuels, e.g. determining the RON-number
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C99/00—Subject matter not provided for in other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Medicinal Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Food Science & Technology (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- General Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Business, Economics & Management (AREA)
- Crystallography & Structural Chemistry (AREA)
- Agronomy & Crop Science (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
Description
本願は、2012年5月9日付出願の米国仮特許出願第61/644,792号の利益および2012年1月13日付出願の米国仮特許出願第61/586,268号の利益を主張する。
これらの米国仮特許出願の全教示内容は、参照をもって本明細書に取り入れたものとする。
原油は、異なる種類ごとに、固有の分子的特徴を有する。原油アッセイ（原油の分析・評価）は、石油試験ラボにおいて、原油原料を物理的及び化学的に評価する技術である。アッセイの内容は、産業分野において多様であり、原油全体の一部の重要な特性を対象とするものから、原油の留分、又は留分ブレンドや残渣についての物理的、化学的特性やクロマトグラフィー測定結果などの一式を対象とするものまで多種多様である（非特許文献１を参照）。原油アッセイの試験結果は、精油業者や取引業者や生産元に対し、豊富な炭化水素分析データをもたらす。例えば、アッセイデータは、精油業者が、特定の原油原料が特定の石油精製工場での精製に適したものかどうか、あるいはその原油が収量上、品質上、製造上、環境上、またはその他の問題を引き起こすものかどうかを判断する際の目安となる。
原油アッセイをきめ細かく実施しようとすると、長時間を要し、さらに、多大な手間とコストも要する（非特許文献２を参照）。従来、アッセイを実施する際には、原油や原油の留分について、僅かな種類の測定しか行っていない（非特許文献１参照）。大抵の場合、原油全体または原油中の特定の留分の沸点や比重やその他の物理的特性や化学的特性に関する測定値が、数個ある程度である。通常、比重は、米国石油協会（ＡＰＩ）が定めたＡＰＩ度で表される。ＡＰＩ度（ＡＰＩ比重）とは、水をＡＰＩ度＝１０として、所与の石油が水よりも重いか軽いかを示す尺度であり、高いＡＰＩ度を有する原油は、水よりも軽い（比重が低い）とされる（非特許文献３参照）。
入手可能なデータが限られているため、原油アッセイの専門家は、石油精製工場のプランニングとスケジューリング、石油精製プロセスのシミュレーションなどのビジネス上の様々な需要に応えるために、データの不足する特性を予測又は推定によって補う必要がある。
一般的に、沸点曲線を求める場合、内挿演算には低次多項式を使用し、外挿演算には算術確率関数を使用する。Ａｓｐｅｎ Ｔｅｃｈｎｏｌｇｙ社（米国マサチューセッツ州バーリントン）製のＡｓｐｅｎ ＨＹＳＹＳ，ｖ７．３を参照のこと。分析方法には、例えば、高速の代替測定法（一般的には、分光測定法）によって得られたデータを既存の原油アッセイ（既存の原油分析データ）と相関させることによって原油特性を予測する方法などがある。非特許文献２および2003年12月9日付特許のJ. M. Brownによる “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”（米国特許第６６６２１１６号明細書：特許文献１）を参照のこと。さらに2009年4月23日付公開のJ. M. Brown達による“Estimating Detailed Compositional Information from Limited Analytical Data”（特許文献２：米国特許出願公開第２００９／０１０５９６６号明細書）も参照のこと。
一般的に、沸点曲線を求める場合、内挿演算には低次多項式を使用し、外挿演算には算術確率関数を使用する。Ａｓｐｅｎ Ｔｅｃｈｎｏｌｇｙ社（米国マサチューセッツ州バーリントン）製のＡｓｐｅｎ ＨＹＳＹＳ，ｖ７．３を参照のこと。分析方法には、例えば、高速の代替測定法（一般的には、分光測定法）によって得られたデータを既存の原油アッセイ（既存の原油分析データ）と相関させることによって原油特性を予測する方法などがある。非特許文献２および2003年12月9日付特許のJ. M. Brownによる “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”（米国特許第６６６２１１６号明細書：特許文献１）を参照のこと。さらに2009年4月23日付公開のJ. M. Brown達による“Estimating Detailed Compositional Information from Limited Analytical Data”（特許文献２：米国特許出願公開第２００９／０１０５９６６号明細書）も参照のこと。
M. Unavane, Statistical Tools for Managing and Manipulating Crude Oil Data, Exploration & Production, 2010, 8: 135-138
M. Watt, S. Roussis, Crude Assay, Practical Advances in Petroleum Processing, Chapter 3, 103-116 (2006)
Oil & Gas Journal Databook, 2006 Edition, PennWell Corporation, Tulsa, Oklahoma, 2006
原油の特性やアッセイ（各種データ）を予測又は推定する方法として、統計学的に導かれる予測方法も、産業分野において広く利用されている（非特許文献１参照）。統計学的方法に関しては、以下の問題点を挙げることができる。
１）データが不足していたり、データが散在していたりする場合には、統計学的に有意なモデルを構築できないことがある。
２）データは十分にあるが、高い不確定性を含むなどといった要因により、データの品質に一貫性がない場合に、モデルの品質や相関性に疑問が生じ得る。
３）データが十分にあり、さらに、そのデータの品質が十分な場合でも、石油混合物が有する複雑な構成は、特に、異なる特性間の相互関係を導出する際、統計学的モデルの構築を依然として極めて困難なものとしており、モデル自体も極めて主観的なものとしている。
４）データが全くない場合に、統計学的方法では何も導き出せない。
１）データが不足していたり、データが散在していたりする場合には、統計学的に有意なモデルを構築できないことがある。
２）データは十分にあるが、高い不確定性を含むなどといった要因により、データの品質に一貫性がない場合に、モデルの品質や相関性に疑問が生じ得る。
３）データが十分にあり、さらに、そのデータの品質が十分な場合でも、石油混合物が有する複雑な構成は、特に、異なる特性間の相互関係を導出する際、統計学的モデルの構築を依然として極めて困難なものとしており、モデル自体も極めて主観的なものとしている。
４）データが全くない場合に、統計学的方法では何も導き出せない。
原油のアッセイを基にして、限定的な数の「疑似成分」（理論的成分）を定め、石油混合物の組成をこれらの成分で表して、これをプランニングやスケジューリングやプロセスシミュレーションに利用する方法もある。真沸点（ＴＢＰ）特性曲線から「ミクロ沸点カット分」として導き出される前記の「疑似成分」は、石油混合物中に実在する炭化水素（又は炭化水素分子）の成分を示すものではない（M. R. Riazi, Characterization and Properties of Petroleum Fractions, 1st Ed., ASTM, West Conshohocken, PA, USA, 2005, p. 111-112参照）。これらの「疑似成分」は、原油のアッセイのうちの所定の留分を模擬するために定義される。すなわち、前記「疑似成分」は、特定の沸点範囲及び比重範囲によって定義されたり、炭素数が特定の範囲となる炭化水素ファミリーから選択された複数の純成分の組合せとして定義されたりする。石油の留分（例えば、燃料油など）とは、これとは対照的に、原油の分留によって得られる実在の炭化水素分子の混合物である。「疑似成分」を使用する場合、その「疑似成分」の物理的特性及び化学的特性を推定する際に、ときに不確かな経験的方法に頼らざるを得ないことが難点となる。
上記に鑑みて、原油の特性やアッセイ（各種データ）を推定するための、改善された原油アッセイ方法が所望される。
本発明の基本的構成は、所定の原油または石油留分を代表する化学組成について、この化学組成を構成する一群の炭化水素成分（炭化水素分子）を選択し、これを用いて原油の化学組成を特定するアッセイ方法に関する。
このアッセイの結果として得られる炭化水素成分（炭化水素分子）の相対量は、前記の原油の実際の化学組成の推定値を表すものである。
次いで、これらの構成炭化水素分子の化学組成は、前記原油の、各種の化学的、物理的特性を内挿や外挿を用いて求める際の分子学的基礎として用いられる。
このアッセイの結果として得られる炭化水素成分（炭化水素分子）の相対量は、前記の原油の実際の化学組成の推定値を表すものである。
次いで、これらの構成炭化水素分子の化学組成は、前記原油の、各種の化学的、物理的特性を内挿や外挿を用いて求める際の分子学的基礎として用いられる。
一態様において、原油の化学組成をキャラクタリゼーション（特定、評価）する方法は、特定の原油特性データを有する所与の原油について、プロセッサにより選択された種類（複数種）の構成炭化水素分子における、セグメント（構造繰り返し単位）の種類及びセグメント数の範囲を、各構成炭化水素分子の物理的特性及び化学的特性についてのデータならびに原油の物理的特性及び化学的特性についてのデータに基づいて決定する過程を含む方法である。プロセッサによってセグメントの種類及びセグメント数の範囲を決定する前記過程は、そのプロセッサが各種類の構成炭化水素分子における前記セグメントについての所定の確率分布関数を得る副過程、あるいは、そのプロセッサが各種類の構成炭化水素分子における前記セグメントについての確率分布関数及び当該関数に関連するパラメータを求める副過程を含み得る。前記方法は、さらに：前記特定の原油特性データに基づいて、前記所与の原油の化学組成を構成する各種類の構成炭化水素分子の相対割合を決定する過程であって、これにより、その所与の原油の化学組成をキャラクタリゼーションする過程と；エンドユーザに対する出力として、前記所与の原油のキャラクタリゼーションされた化学組成を表示する過程と；を含む。
前記セグメントの種類には、必ずしも以下に限定するものではないが：メチルセグメント；ゼロ分岐メチレンセグメント；一分岐メチレンセグメント；二分岐メチレンセグメント；シクロヘキサンセグメント；シクロヘキサン側環セグメント；シクロペンタンセグメント；シクロペンタン側環セグメント；芳香族セグメント；および芳香族側環セグメント；から選択される少なくとも一種を含んでもよい。前記セグメントの種類及びセグメント数の範囲を決定する過程は、同族列を用いて行う過程ではない。同族列とは、同じ骨格構造（core structure）で、その脂肪族側鎖の長さや数が互いに異なるものを言う。
前記方法は、各種類の構成炭化水素分子群の物理的特性の数値及び化学的特性の数値を、セグメントの種類及びセグメント数の範囲との相関関係に基づいて推定する過程を含んでもよい。セグメントとは、分子中の構造繰返し単位のことを指す。前記セグメントの種類及びセグメント数の範囲を決定する過程は、各種類の構成炭化水素分子に関して、その構成炭化水素分子の種類を定義するセグメントの種類及びセグメント数の範囲の確率分布関数を特定し、この特定の際に、前記確率分布関数の尺度パラメータ（尺度母数）及び形状パラメータ（形状母数）を特定することを含み得る。
前記方法は、さらに：特定された前記確率分布関数および各種類の構成炭化水素分子の前記相対割合に基づいて、前記所与の原油の化学組成を推定する過程と；この推定された化学組成に基づいて、前記所与の原油の物理的特性及び化学的特性を推定する過程と；を含んでもよい。
前記所与の原油の推定される物理的特性には：沸点；比重；および粘度；から選択される少なくとも一種が含まれ得るが、必ずしもこれらに限定されない。前記所与の原油の推定される化学的特性には：パラフィン含有量；ナフテン含有量；芳香族含有量；炭素含有量；水素含有量；Ｃ／Ｈ比；アスファルテン含有量；残留炭素；硫黄含有量；窒素含有量；および全酸価；から選択される少なくとも一種が含まれ得るが、必ずしもこれらに限定されない。各種類の構成炭化水素分子の前記相対割合を決定する過程は、前記所与の原油の推定された物理的特性及び化学的特性を、前記特定の原油特性データにマッチングさせることにより、前記所与の原油中の各種類の構成炭化水素分子の前記相対割合を決定することを含み得る。前記構成炭化水素分子の種類（複数の種類）には：パラフィン類（直鎖パラフィン類およびイソパラフィン類の両方を含む）；ナフテン類；および芳香族類；の構成炭化水素分子が含まれ得るが、必ずしもこれらに限定されない。構成炭化水素分子の物理的特性についての前記データには：蒸気圧；比重；および粘度；から選択される少なくとも一種が含まれ得る。構成炭化水素分子の化学的特性についての前記データには：炭素含有量；水素含有量；硫黄含有量；窒素含有量；および酸素分；から選択される少なくとも一種が含まれ得る。前記特定の原油特性データには：沸点；比重；および粘度；から選択される少なくとも一種が含まれ得る。一部の他の構成では、前記特定の原油特性データに、さらに：パラフィン含有量；ナフテン含有量；芳香族含有量；炭素含有量；水素含有量；Ｃ／Ｈ比；アスファルテン含有量；残留炭素；硫黄含有量；窒素含有量；および全酸価；から選択される少なくとも一種が含まれ得る。この一部の他の構成では、一部の沸点カット分についてのみ、前記特定の原油特性データが入手可能な場合もある。前記方法は、さらに：コンピュータにより、前記所与の原油のキャラクタリゼーションされた化学組成を用いて、当該所与の原油の物理的特性及び化学的特性を予測する過程；を含み得る。前記方法は、さらに：コンピュータにより、前記所与の原油のキャラクタリゼーションされた化学組成および／または当該所与の原油の予測された物理的特性及び化学的特性を用いて、石油精製作業をプランニングおよび／またはスケジューリングおよび／またはシミュレートおよび／または設計および／または最適化および／または制御する過程；を含み得る。
他の実施形態において、原油をブレンドする方法は：ブレンドを構成する２種以上の原油試料のそれぞれを、化学組成ならびに、予測された物理的特性及び予測された化学的特性によってキャラクタリゼーションする過程；を含む。このキャラクタリゼーションにより、前記２種以上の原油試料のそれぞれのキャラクタリゼーション結果が得られる。前記方法は、さらに：前記キャラクタリゼーション結果に基づいて、前記２種以上の原油試料の各割合を、当該各割合で前記原油試料を配合した場合のブレンドが特定の化学組成ならびに予測された物理的特性及び予測された化学的特性を有するように決定する過程と；前記２種以上の原油試料を、決定された前記各割合の量で配合してブレンドを製造する過程と；を含む。前記原油試料のそれぞれをキャラクタリゼーションする過程については、既述したとおりである。
本発明は、数多くの利点を有しており、例えば、科学的根拠に基づいて（すなわち、分子ベースで）、原油や石油留分のアッセイ（各種データ）や特性（例えば、物理的特性及び化学的特性など）を予測・推定することができる。
前述の内容は、添付の図面に示す本発明の例示的な実施形態についての以下の詳細な説明から明らかになる。同じ符号は、異なる図面をとおして、同じ構成又は構成要素を指している。図面は、必ずしも縮尺どおりではなく、むしろ、本発明の例示的な実施形態を示すことに重点を置いている。
以下では、本発明の例示的な実施形態について説明する。
（石油留分の分子特性の評価）
前記「疑似成分」ベースの方法を代替し、原油や石油留分をキャラクタリゼーションして石油精製プロセスのモデル化やシミュレーションを支援する方法として、分子ベースの方法が広く研究されている。Watt(非特許文献２)、およびM. T. Klein, G. Hou, , R. J. Bertolacini, L. J. Broadbelt, A. Kumar, Molecular Modeling in Heavy Hydrocarbon Conversions, Taylor & Francis, Boca Raton, FL., 2006を参照のこと。そのような分子ベースのモデルの一例として、Quann及びJaffeによる「構造指向ランピング」モデルが挙げられる。R. J. Quann, S. B. Jaffe, Structured-Oriented Lumping: Describing the Chemistry of Complex Hydrocarbon Mixtures, Ind. Eng. Chem. Res. 1992, 31, 2483-2497およびS. B. Jaffe, H. Freund, W. N. Olmstead, Extension of Structure-Oriented Lumping to Vacuum Residua, Ind. Eng. Chem. Res. 2005, 44, 9840-9852を参照のこと。このモデルでは、個々の炭化水素分子を、インクリメンタルな構造的特徴に係るベクトルとして表現することにより、石油混合物の組成、反応および特性を記述することができる。個々の炭化水素分子の化学組成は、分析測定結果から推定される。非特許文献２および前述のJ. M. Brown et al.による特許文献を参照のこと。Eckert とVanek、さらに、Albahriは、石油留分や石油混合物を、予め選択された実際の成分のセットに基づいてシミュレートする方法を提案した。E. Eckert, T. Vanek, New Approach to the Characterization of Petroleum Mixtures Used in the Modeling of Separation Processes, Computers & Chem. Eng. 2005, 30, 343-356（以降、“EckertとVanek”と称する）およびT. A. Albahri, Molecularly Explicit Characterization Model (MECM) for Light Petroleum Fractions, Ind. Eng. Chem. Res. 2005, 44, 9286-9298（以降、“Albahri”と称する）を参照のこと。Albahriの分子明示キャラクタリゼーションモデル（ＭＥＣＭ）では、石油留分のバルク特性（例えば、ＡＳＴＭ Ｄ８６規格に準拠した蒸留特性、ＡＰＩ度、リード蒸気圧、パラフィン含有量、ナフテン含有量、芳香族含有量など）を定期的に測定し、この結果と純成分特性に基づいて、シミュレーションに適した、石油燃料の化学組成を定義する。この方法は、信頼性の低い経験法によって「疑似成分」の物理的特性を推定せざるを得ない従来の「疑似成分」ベースの方法に比べて、重要な利点を提示するものである。EckertとVanekを参照のこと。Albahriは、代表的な純成分のセットを限定的な数、用いるだけで、石油燃料の複雑な性状をモデル化できることを示した。しかし、この方法では、対象となる石油留分を代表するための成分の数及び種類（この代表方法の精度を決める重要なファクタである）を決定することが困難である。Y. Wu, N. Zhang, Molecular Characterization of Gasoline and Diesel Streams, Ind. Eng. Chem. Res. 2010, 49, 12773-12782を参照のこと。Saine AyeとZhangは、石油精製ストリームの分子的情報を、分子種同族列（ＭＴＨＳ）行列の形態で捉えて、これに構造ランピングの規則を適用することにより、実在成分を、適切に選択された数の、等価な「集中化された(lumped)」種に変換する方法を提案した。M. M. Saine Aye, N. Zhang, A Novel Methodology in Transforming Bulk Properties of Refining Streams into Molecular Information, Chem. Eng. Sci. 2005, 60, 6702-6717（以降、“Saine AyeとZhang”と称する）を参照のこと。
前記「疑似成分」ベースの方法を代替し、原油や石油留分をキャラクタリゼーションして石油精製プロセスのモデル化やシミュレーションを支援する方法として、分子ベースの方法が広く研究されている。Watt(非特許文献２)、およびM. T. Klein, G. Hou, , R. J. Bertolacini, L. J. Broadbelt, A. Kumar, Molecular Modeling in Heavy Hydrocarbon Conversions, Taylor & Francis, Boca Raton, FL., 2006を参照のこと。そのような分子ベースのモデルの一例として、Quann及びJaffeによる「構造指向ランピング」モデルが挙げられる。R. J. Quann, S. B. Jaffe, Structured-Oriented Lumping: Describing the Chemistry of Complex Hydrocarbon Mixtures, Ind. Eng. Chem. Res. 1992, 31, 2483-2497およびS. B. Jaffe, H. Freund, W. N. Olmstead, Extension of Structure-Oriented Lumping to Vacuum Residua, Ind. Eng. Chem. Res. 2005, 44, 9840-9852を参照のこと。このモデルでは、個々の炭化水素分子を、インクリメンタルな構造的特徴に係るベクトルとして表現することにより、石油混合物の組成、反応および特性を記述することができる。個々の炭化水素分子の化学組成は、分析測定結果から推定される。非特許文献２および前述のJ. M. Brown et al.による特許文献を参照のこと。Eckert とVanek、さらに、Albahriは、石油留分や石油混合物を、予め選択された実際の成分のセットに基づいてシミュレートする方法を提案した。E. Eckert, T. Vanek, New Approach to the Characterization of Petroleum Mixtures Used in the Modeling of Separation Processes, Computers & Chem. Eng. 2005, 30, 343-356（以降、“EckertとVanek”と称する）およびT. A. Albahri, Molecularly Explicit Characterization Model (MECM) for Light Petroleum Fractions, Ind. Eng. Chem. Res. 2005, 44, 9286-9298（以降、“Albahri”と称する）を参照のこと。Albahriの分子明示キャラクタリゼーションモデル（ＭＥＣＭ）では、石油留分のバルク特性（例えば、ＡＳＴＭ Ｄ８６規格に準拠した蒸留特性、ＡＰＩ度、リード蒸気圧、パラフィン含有量、ナフテン含有量、芳香族含有量など）を定期的に測定し、この結果と純成分特性に基づいて、シミュレーションに適した、石油燃料の化学組成を定義する。この方法は、信頼性の低い経験法によって「疑似成分」の物理的特性を推定せざるを得ない従来の「疑似成分」ベースの方法に比べて、重要な利点を提示するものである。EckertとVanekを参照のこと。Albahriは、代表的な純成分のセットを限定的な数、用いるだけで、石油燃料の複雑な性状をモデル化できることを示した。しかし、この方法では、対象となる石油留分を代表するための成分の数及び種類（この代表方法の精度を決める重要なファクタである）を決定することが困難である。Y. Wu, N. Zhang, Molecular Characterization of Gasoline and Diesel Streams, Ind. Eng. Chem. Res. 2010, 49, 12773-12782を参照のこと。Saine AyeとZhangは、石油精製ストリームの分子的情報を、分子種同族列（ＭＴＨＳ）行列の形態で捉えて、これに構造ランピングの規則を適用することにより、実在成分を、適切に選択された数の、等価な「集中化された(lumped)」種に変換する方法を提案した。M. M. Saine Aye, N. Zhang, A Novel Methodology in Transforming Bulk Properties of Refining Streams into Molecular Information, Chem. Eng. Sci. 2005, 60, 6702-6717（以降、“Saine AyeとZhang”と称する）を参照のこと。
近年、Pyl et al.は、石油変換プロセス用の反応速度モデルを補助するため、混合物のバルク特性のセットを少数用いて原油留分の詳細な組成を導き出すことができる、制約付き同族列を使った組成モデル化方法を提案した。S. P. Pyl, Z. Hou, K. M. Van Geem, M.-F. Reyniers, G. B. Marin, M. T. Klein, Modeling the Composition of Crude Oil Fractions Using Constrained Homologous Series, Ind. Eng. Chem. Res. 2011, 50, 10850-10858を参照のこと。同族列とは、同じ骨格構造（core structure）で、その脂肪族側鎖の長さや数が互いに異なるものを言う。同族列の炭素数は、その同族列の骨格構造の側鎖長さが変わることにより、最小炭素数Ｃｍｉｎから最大炭素数Ｃｍａｘまで変化する。
本発明にかかる分子ベースの方法は、ユーザーによって定義された骨格構造や、大量の分析データを必要とする構造ランピングを用いることなく、原油や石油留分をキャラクタリゼーションすることができ、これにより、原油やブレンド原油や石油留分や石油混合物のアッセイや特性を、相関・予測・推定することができる。本発明は、セグメントの種類及びセグメント数の範囲ならびに当該種類及び数範囲に対応する確率分布関数についての特定のクロスセクションに基づいて、候補となる組成を構築することにより、分子の数及び種類ならびに当該分子による組成を決定し、原油や石油留分の物理的特性及び化学的特性を広範囲にわたって表現することのできる、体系的な方法を用いるものである。
周知のとおり、原油に含まれる炭化水素分子は、主に、３種類の炭化水素分子：パラフィン類（Ｐ）；ナフテン類（Ｎ）；および芳香族類（Ａ）；で構成される。パラフィン類には、直鎖状の飽和炭化水素（すなわち、ｎ−パラフィン類又は直鎖パラフィン類）および分岐鎖状の飽和炭化水素（すなわち、イソパラフィン類）が含まれる。ナフテン類は、１個以上のナフテン環を有し、任意でパラフィン系側鎖を備えた飽和炭化水素である。なお、パラフィン類とナフテン類とをあわせて飽和類と称する場合もある。芳香族類は、芳香族環を有し、任意でナフテン環やパラフィン系側鎖を備えた炭化水素である。また、硫黄、窒素、酸素などがこれらの炭化水素分子に、ヘテロ原子として含まれていてもよく、チオフェン類、カルバゾール類、フェノール類、ナフテン酸類などの様々な亜種（サブクラス、副次的成分種）の炭化水素分子を形成してもよい。同様に、本発明では、原油や石油留分を、選択された種類の構成炭化水素分子（すなわち、パラフィン類（Ｐ）、ナフテン類（Ｎ）および芳香族類（Ａ））の混合物として定義する。それらの選択された各種類（主要種類）および各亜種（副次的種類）の構成炭化水素分子に関して、後述のように、確率分布関数が決定され、最適化される。本発明では、構成炭化水素分子種や構成炭化水素分子亜種に対して確率分布関数を適用することから、原油の物理的特性を算出するのに必要な実験データ量が従来の方法に比べて少なくて済み、さらに、所与の原油のプロファイル（すなわち、組成）について、例えば原油が採掘される深度の違いによる特性ドリフト等を簡単に調整することができる。というのも、本発明にかかる方法では、同一のプロファイルのままで、前記確率分布関数を、物理的特性及び化学的特性の変化に合わせて調整するからである。
原油や石油留分に含まれる、選択された種類の構成炭化水素分子の物理的特性の推定には、セグメントベースのＰＣ−ＳＡＦＴ状態式を利用することができる。ＰＣ−ＳＡＦＴ状態式により、蒸気圧、沸点、比重、熱容量などの基本的な物理的特性を、確実かつ高精度に、さらに、熱力学的な整合性をもって算出することができる。J. Gross, G. Sadowski, Perturbed-Chain SAFT: An Equation-of-State Based on a Perturbation Theory for Chain Molecules, Ind. Eng. Chem. Res. 2001, 40, 1244-1260（以降、“Gross 2001”と称する）およびJ. Gross, O. Spuhl, F. Tumakaka, G. Sadowski, Modeling Copolymer Systems Using the Perturbed-Chain SAFT Equation of State, Ind. Eng. Chem. Res. 2003, 42, 1266-1274（以降、“Gross 2003”と称する）を参照のこと。各種の構成炭化水素分子に基づいて記載される、所与の原油の正確な特性は、その所与の原油について算出される物理的特性及び化学的特性が、その原油の物理的特性および化学的特性（例えば、真沸点、ＡＰＩ度、粘度、パラフィン含有量、ナフテン含有量、芳香族含有量、Ｃ／Ｈ比など）に関する、入手可能な分析値と最適に適合するように調整することにより、得られる。原油のアッセイのうち、情報が不足する特性については、化学組成および構成炭化水素分子の特性から推定される。この方法の実用性は、公的に入手可能な様々な原油アッセイを使ってさらに立証可能である。非特許文献３を参照のこと。
上記のような分子ベースのキャラクタリゼーションの精度を向上させ、さらに正確なアッセイ測定値を得るには、前述した３種類の主要な構成炭化水素分子（すなわち、Ｐ、ＮおよびＡ）に加え、追加の構成炭化水素分子種や構成炭化水素分子亜種（サブクラス）を組み込むことも可能である。例えば、メルカプタン類、スルフィド類、チオフェン類などの含硫黄分子を導入すれば「硫黄含有量」を求めることができ、カルバゾール類、キノリン類などの含窒素分子を導入すれば「窒素含有量」を求めることができ、フェノール類、各種カルボン酸などの含酸素分子を導入すれば「全酸価」を求めることができる。高分子量・高分岐の芳香族炭化水素オリゴマーを導入すれば、重質アスファルテン類について計算し、「アスファルテン含有量」を求めることができる。このような分子ベースの方法は、原油や石油留分の特性やアッセイを内挿演算や外挿演算で求めるに際し、従来の経験法に基づく多項式表示や、高コストな代替測定を必要とする分析による方法や、統計学的に弱い相関性又は時に無意味な相関関係の扱いに苦慮する統計学的方法よりも、遥かに確実な科学的根拠（分子ベースの根拠）を提供するものである。
（原油及び石油留分の分子ベースのキャラクタリゼーション方法）
本明細書で説明する分子ベースの方法の基本的な前提として：１）モデル構成炭化水素分子種やモデル構成炭化水素分子亜種の適切な選択、及び原油の構造セグメントからそのようなモデル分子を自動的に生成・構築する実用的規則；２）構成炭化水素分子の物理的特性を高精度にかつ熱力学的整合性をもって算出することを容易にした、近年の分子熱力学モデルの発展；および３）アッセイ実験データを回帰させることにより、モデル構成炭化水素分子による化学組成を特定する堅実なアルゴリズム；が必要である。これらの共同作用により、原油や石油留分の物理的特性及び化学的特性を相関・推定するための包括的かつ実用的な、分子ベースのキャラクタリゼーション方法が得られる。このような分子ベースのキャラクタリゼーション方法を上手く実施することにより、複雑な石油混合物についての極めて高需要な分子的知見が得られ、これにより、貴重な天然資源の活用・精製（processing）を最適化することができる。さらに、モデル構成炭化水素分子およびその化学組成の整合性のあるセットを特定し、石油精製作業のプランニング、スケジューリング、プロセスシミュレーション、設計、最適化、制御などを行うことができる。
本明細書で説明する分子ベースの方法の基本的な前提として：１）モデル構成炭化水素分子種やモデル構成炭化水素分子亜種の適切な選択、及び原油の構造セグメントからそのようなモデル分子を自動的に生成・構築する実用的規則；２）構成炭化水素分子の物理的特性を高精度にかつ熱力学的整合性をもって算出することを容易にした、近年の分子熱力学モデルの発展；および３）アッセイ実験データを回帰させることにより、モデル構成炭化水素分子による化学組成を特定する堅実なアルゴリズム；が必要である。これらの共同作用により、原油や石油留分の物理的特性及び化学的特性を相関・推定するための包括的かつ実用的な、分子ベースのキャラクタリゼーション方法が得られる。このような分子ベースのキャラクタリゼーション方法を上手く実施することにより、複雑な石油混合物についての極めて高需要な分子的知見が得られ、これにより、貴重な天然資源の活用・精製（processing）を最適化することができる。さらに、モデル構成炭化水素分子およびその化学組成の整合性のあるセットを特定し、石油精製作業のプランニング、スケジューリング、プロセスシミュレーション、設計、最適化、制御などを行うことができる。
原油の特性や原油アッセイを求めるための、このような分子ベースの方法の重要な課題として：１）モデル構成炭化水素分子種やモデル構成炭化水素分子亜種の最適なセットの特定、分子中の構造繰返し単位（すなわち、構造「セグメント」）からそのような構成炭化水素分子を自動的に生成する実用的規則の構築、及び原油や石油留分の特性やアッセイを算出するのに必要な前記構造「セグメント」の確率分布及びそれによって得られる化学組成の決定；２）個々のモデル構成炭化水素分子の物理的特性およびその混合物の物理的特性を高精度で且つ熱力学的整合性をもって算出するための、熱力学的フレームワークの適用；および３）モデル構成炭化水素分子に基づいた原油や石油留分の化学組成の決定を容易に行うための、確実な回帰法の構築；などが挙げられる。
原油中の構成炭化水素分子は、炭素数が増えるにつれて、その種類も指数関数的に増加し、急速に把握困難となる。Saine AyeとZhangを参照のこと。本発明では、原油や石油留分の物理的特性及び化学的特性を十分にキャラクタリゼーションするのに必要となるモデル構成炭化水素分子の数を最小限に抑えるために、まず、一般的な原油が主に３種類の相異なる炭化水素分子：パラフィン類（Ｐ）；ナフテン類（Ｎ）；および芳香族類（Ａ）；で構成されるという前提から出発する。すなわち、原油や石油混合物を、３種類の構成炭化水素分子（すなわち、Ｐ、ＮおよびＡ）の組合せとして近似的に定義可能であると見なす。原油の多種多様な物理的特性及び化学的特性（例えば、沸点、比重、粘度、パラフィン含有量、ナフテン含有量、芳香族含有量、炭素含有量、水素分、Ｃ／Ｈ比、残留炭素など）を包括的かつ実用的に表現するには、これら３種類の構成炭化水素分子のそれぞれに関して、適切なセグメントの種類、適切なセグメント数の範囲、ならびに当該種類及びセグメント数の範囲の適切な確率分布関数を決定・最適化する必要がある。
上記の環分子には、直線状環（linear ring）分子と縮合環分子の両方が含まれ得る。各種側環セグメントの化学式は、直線状環とするか縮合環とするかに応じて、原子数の収支を満たすように調整される。図２には、パラフィン類（Ｐ）の構成炭化水素分子を構成するパラフィン系分子として、最大６０個のゼロ分岐メチレン基、最大３個の一分岐メチレン基および最大２個の二分岐メチレン基を有する、総炭素数が最大７４のパラフィン系分子が示されている。図３には、ナフテン類（Ｎ）の構成炭化水素分子を構成するナフテン系分子が示されている。これらのナフテン系分子は、シクロヘキサン環およびシクロペンタン環から選択される環を１個以上、さらに、最大６個のシクロヘキサン側環（直線状環又は縮合環）を有し得る。図４には、芳香族類（Ａ）の構成炭化水素分子を構成する芳香族分子が示されている。これらの芳香族分子は、１個以上の芳香族環、最大１個のシクロペンタン側環、最大６個の芳香族側環（直線状環又は縮合環）、さらに、最大６個のシクロヘキサン側環（直線状環又は縮合環）を有し得る。また、上記の環分子は、１個または複数のｎ−アルキル側鎖を有し得る。ナフテン系分子および芳香族分子のいずれの場合にも、直線状環と縮合環の両方が考慮される。図３及び図４において、芳香族環およびシクロヘキサン環から選択される３個以上の環による縮合環は、３つの環の一部を成す炭素原子を少なくとも１つ含んでいる。対照的に、芳香族環およびシクロヘキサン環から選択される３個以上の環による直線状環は、どの炭素原子も３つまたはそれ以上の環の一部を成しておらず、つまり、環同士が直線列状に互いに並んでいる。以下の表１に、上記構成炭化水素分子の個数をまとめた：
上記の構成炭化水素分子が示す、広範囲の物理的特性の数値を示すため、図５Ａ〜図５Ｃに各成分（分子）の沸点、図６Ａ〜図６Ｃに各成分の比重、図７Ａ〜図７Ｃに各成分の粘度を示す。これらのうち、沸点および比重についてはセグメントベースのＰＣ−ＳＡＦＴ状態式（ＥＯＳ）を用いて推定し、粘度については原子団寄与法を用いて推定している。Gross 2001、Gross 2003およびB. E. Poling, J. M. Prausnitz, J. P. O'Connell, The Properties of Gases and Liquids, 5th Ed., McGraw-Hill, New York, 2001, pp. 9.77-9.90を参照のこと。
原油には、メルカプタン類、スルフィド類、チオフェン類などの含硫黄分子が大量に含まれ得る。また、一部の原油には、カルバゾール類、キノリン類などの含窒素分子や、フェノール類、ナフテン酸類などの含酸素分子や、アスファルテン分子が含まれ得る。したがって、原油の特性やアッセイを十分な信頼性をもって求めるために、Ｐ、ＮおよびＡの分子及びその構造セグメントに加えて、追加の構成炭化水素分子種や構成炭化水素分子亜種も加味してもよい。
例示的な一実施形態では、既述したように、各分子を、３種類の構成炭化水素分子種（すなわち、パラフィン類（Ｐ）、ナフテン類（Ｎ）および芳香族類（Ａ））のうちの１つと見なす。さらに、これら３種類の分子に含まれる分子を構成するために、構造繰返し単位（すなわち、構造「セグメント」）を選択する。例えば、ｎ−パラフィン類Ｐの分子は、４種類のセグメント：−ＣＨ３；−ＣＨ２−；−ＣＨ−；および−Ｃ−；で構成されると見なされるが、これら４種類のセグメントから実際のｎ−パラフィン類Ｐの分子を構築するためには、−ＣＨ３セグメントの数は常に２であり、−ＣＨ−セグメントの数は常に０であり、−Ｃ−セグメントの数も常に０である。
別の例として、イソパラフィン類Ｐの分子は、４種類のセグメント：−ＣＨ３；−ＣＨ２−；−ＣＨ−；および−Ｃ−；で構成される分子である。これら４種類のセグメントから実際のイソパラフィン類Ｐの分子を構築する際には、所定の制約が付けられる。具体的には、この場合のＣＨ３セグメントの数は、独立変数ではなく、他の３種類のセグメントの数に左右される。
セグメントベースの方法では、各分子種のセグメントと関連づけられる全ての成分（分子）を先験的（アプリオリ）に生成することができ、それら全ての成分（分子）の濃度は、適切なセグメントについて仮定した分布関数を用いて算出した分布度により正規化される。
回帰計算は、以下に定義する残差の平均二乗誤差（ＲＲＭＳＥ）を最小限にするようにして実行される：
［式中、ＺＭは測定値（実験値）であり、Ｚは算出値であり、σは標準偏差であり、ｉはデータ点数であり、ｋはデータ点総数であり、ｊは所与のデータ点で測定される変数（例えば、温度、比重、粘度、体積％など）であり、ｍは所与のデータ点で測定される変数の数であり、ｎは調整可能なパラメータの総数である。］
選択された分子について、その組成を特定する際には、体系的な調査により、各分子種（すなわち、Ｐ、ＮおよびＡ）について、その構造セグメントの確率分布関数及び当該関数に関連するパラメータを確定する。様々な確率分布関数の使用が検討されてよい。例えば、ガンマ分布関数は、２種類のパラメータを有する確率分布であり、以下の式で表される：
［式中、ｐ（ｎ）は、所与のサンプル数値ｎの確率であり、Ｌは確率分布関数の位置、始点であり、αは形状係数であり、βは尺度パラメータであり、Γ（α）はγ関数である。］図８は、Ｐにおける−ＣＨ２−セグメントについて選択したガンマ確率分布関数を示す図であって、尺度パラメータ＝１１、形状パラメータ＝１としている。前述した３種類の構成炭化水素分子の相対量は、アッセイの物理的データ及び化学的データ（例えば、後で説明するように、選択された留分の真沸点、ＡＰＩ度、粘度、パラフィン含有量、ナフテン含有量、芳香族含有量など）に対する回帰により特定される。
モデル構成炭化水素分子およびそれらの混合物の物理特性を正確に算出するためには、熱力学的整合性をもつフレームワークの構築に、セグメントベースのＰＣ−ＳＡＦＴ状態式（ＥＯＳ）が用いられる。Gross 2001およびGross 2003を参照のこと。所与の原油中のＰ、ＮおよびＡの分子を構成するセグメントをキャラクタリゼーションするのに必要なセグメントベースのパラメータは、このようにＰＣ−ＳＡＦＴによって得られる。ＰＣ−ＳＡＦＴによって得られるセグメントベースのパラメータには：セグメント割合パラメータ；セグメントサイズパラメータ；およびセグメントエネルギーパラメータが含まれる。Gross 2003を参照のこと。これらのパラメータは、上記セグメントで構成された何百もの炭化水素化合物の蒸気圧、液体粘度や液体熱容量についての実験データを回帰させることによって特定される。後述の表２に、ＰＣ−ＳＡＦＴに用いるセグメントおよびＰＣ−ＳＡＦＴによって得られるセグメントパラメータの数値をまとめる。
これらのセグメントパラメータとＰＣ−ＳＡＦＴＥＯＳとにより、統計力学の原理に基づく、予測用の確実な熱力学的フレームワークが得られる。このような熱力学的フレームワークにより、様々な種類及び数範囲のセグメントを有する各種分子種について、体系的な分析を行うことができる。特に注目すべきは、ＰＣ−ＳＡＦＴＥＯＳ特有の、蒸気圧および液体比重の両方を同時にかつ高精度に相関・予測できるという性能である。これとは対照的に、Ｐｅｎｇ−Ｒｏｂｉｎｓｏｎ状態式やＲｅｄｌｉｃｈ−Ｋｗｏｎｇ−Ｓｏａｖｅ状態式などの典型的な三次状態方程式は、蒸気圧を精度良く算出することしかできない。これらの三次状態方程式は、液体比重を精度良く算出することができない。
以下の表３に、粘度モデルに用いられる原子団寄与パラメータをまとめる：
ここで：
ＣＨ２ＣＨ２基以外の基は全て、実際の基の数が実効数とされる。ＣＨ２ＣＨ２基の実効数は、以下のように推定される：
パラフィン類の場合、Ｃ１は１６．３８２、Ｃ２は０．２４７とされる。ナフテン類および芳香族類の場合、Ｃ１は３５．３４１、Ｃ２は０とされる。
（分子分布パラメータの特定）
具体的な原油に基づく例として、図９〜図１１に、ＵＫブレント原油（フォーティーズブレンド）の真沸点についてのデータ、ＡＰＩ度についてのデータ、原油粘度についてのデータを示す（非特許文献３参照）。これらの実験アッセイデータを同時回帰させることにより、Ｐ、ＮおよびＡの相対量ならびに各分子種における構造セグメントについての確率分布関数パラメータも含め、構成炭化水素分子のセグメントについての確率分布関数パラメータを特定している。このようにして得られるモデル結果の真沸点曲線、ＡＰＩ度曲線、粘度曲線は、それぞれ、図９、図１０、図１１に実線で示されている。この回帰計算には、追加の実験アッセイデータを含めてもよい。この具体例では、前記回帰計算において、構造セグメントならびにＰの含有量、Ｎの含有量、Ａの含有量についての確率分布関数と当該関数に関連するパラメータとを、真沸点についての前記データ、ＡＰＩ度についての前記データおよび粘度についての前記データにフィットするように同時調整している。後述の表４に、ＵＫブレント原油（フォーティーズブレンド）のＰの含有量、Ｎの含有量およびＡの含有量の最適値ならびに関連するセグメントの確率分布関数および関数パラメータの最適値を示す。なお、混合物粘度相関用の相互作用パラメータｋ０（表３についての前記式（５）を参照のこと）についても調整した。実際には、手可能な実験アッセイデータの性質に基づき、前記回帰計算において、Ｐの含有量、Ｎの含有量およびＡの含有量ならびに確率分布関数パラメータを順次または同時に調整して、実験データに最適にフィットさせてもよい。真沸点、比重、粘度、Ｐの含有量、Ｎの含有量およびＡの含有量の実験アッセイデータに対する標準偏差は、典型的には、それぞれ、約１％、約１０％、約１０％である。
具体的な原油に基づく例として、図９〜図１１に、ＵＫブレント原油（フォーティーズブレンド）の真沸点についてのデータ、ＡＰＩ度についてのデータ、原油粘度についてのデータを示す（非特許文献３参照）。これらの実験アッセイデータを同時回帰させることにより、Ｐ、ＮおよびＡの相対量ならびに各分子種における構造セグメントについての確率分布関数パラメータも含め、構成炭化水素分子のセグメントについての確率分布関数パラメータを特定している。このようにして得られるモデル結果の真沸点曲線、ＡＰＩ度曲線、粘度曲線は、それぞれ、図９、図１０、図１１に実線で示されている。この回帰計算には、追加の実験アッセイデータを含めてもよい。この具体例では、前記回帰計算において、構造セグメントならびにＰの含有量、Ｎの含有量、Ａの含有量についての確率分布関数と当該関数に関連するパラメータとを、真沸点についての前記データ、ＡＰＩ度についての前記データおよび粘度についての前記データにフィットするように同時調整している。後述の表４に、ＵＫブレント原油（フォーティーズブレンド）のＰの含有量、Ｎの含有量およびＡの含有量の最適値ならびに関連するセグメントの確率分布関数および関数パラメータの最適値を示す。なお、混合物粘度相関用の相互作用パラメータｋ０（表３についての前記式（５）を参照のこと）についても調整した。実際には、手可能な実験アッセイデータの性質に基づき、前記回帰計算において、Ｐの含有量、Ｎの含有量およびＡの含有量ならびに確率分布関数パラメータを順次または同時に調整して、実験データに最適にフィットさせてもよい。真沸点、比重、粘度、Ｐの含有量、Ｎの含有量およびＡの含有量の実験アッセイデータに対する標準偏差は、典型的には、それぞれ、約１％、約１０％、約１０％である。
図１２〜図１７は、セグメント数のサンプル値の確立分布関数を示す図であり、セグメント数に対してはガンマ分布が適用されている。この確率は、上記の表４に記載したガンマ分布関数パラメータに基づいた確率である。図１８は、各分子種の正規化された重量％の分布を分子中の総炭素数の関数として示した図である。図１９、図２０は、Ｐが１００％の理論上の原油、Ｎが１００％の理論上の原油、およびＡが１００％の理論上の原油について、上記の表４に記載した各セグメントの確率分布関数パラメータを用いて計算したモデル結果を示す図であり、図１９は真沸点曲線、図２０は、ＡＰＩ度曲線を示している。これらのデータとＰ、ＮおよびＡの相対量とを組み合わせることにより、図９、図１０、図１１にそれぞれ示す、ブレント原油（フォーティーズブレンド）の真沸点曲線、ＡＰＩ度曲線、および粘度曲線が得られる。分子分布パラメータを特定するための上記方法は、沸点範囲が限られている石油留分の場合にもそのまま適用可能である。
（完全なアッセイと特性の生成）
所与の原油についての分子分布パラメータを基にして、ＰＣ−ＳＡＦＴＥＯＳなどの各種分子熱力学的モデルや、原子団寄与法や、その他の方法を適用することにより、蒸気圧、比重、粘度、パラフィン含有量、ナフテン含有量、芳香族含有量、炭素含有量、水素含有量、Ｃ／Ｈ比、アスファルテン含有量、残留炭素、硫黄含有量、窒素含有量、全酸価、分子量、熱容量、熱量、気化熱、曇り点、アニリン点、ろう含有量などを含め、原油の様々な物理的特性及び化学的特性を予測することができる。逆に、このような物理的特性及び化学的特性についてのデータが入手可能である場合、それらを基にして、前述した回帰法を利用することにより、最適な分子分布パラメータを特定することができる。
所与の原油についての分子分布パラメータを基にして、ＰＣ−ＳＡＦＴＥＯＳなどの各種分子熱力学的モデルや、原子団寄与法や、その他の方法を適用することにより、蒸気圧、比重、粘度、パラフィン含有量、ナフテン含有量、芳香族含有量、炭素含有量、水素含有量、Ｃ／Ｈ比、アスファルテン含有量、残留炭素、硫黄含有量、窒素含有量、全酸価、分子量、熱容量、熱量、気化熱、曇り点、アニリン点、ろう含有量などを含め、原油の様々な物理的特性及び化学的特性を予測することができる。逆に、このような物理的特性及び化学的特性についてのデータが入手可能である場合、それらを基にして、前述した回帰法を利用することにより、最適な分子分布パラメータを特定することができる。
原油の分子分布パラメータは、さらに、分子ベースで、原油ブレンド計算を行うことを可能にする。従来は、ブレンド対象の全ての原油に対し、任意のセットの疑似成分を適用することにより、疑似成分レベルで原油ブレンドを行っていた。Ａｓｐｅｎ ＨＹＳＹＳ，ｖ７．３を参照のこと。これとは対照的に、分子ベースの方法を利用すると、原油ブレンドを行う際に、疑似成分を必要としない。ここでは、ブレンド後の原油の化学組成は、単純に、個々の原油の化学組成の合計となる。ブレンドのアッセイ特性は、疑似成分を生成する不自然な工程を踏む必要なく、当該ブレンドの分子の表示するところに基づいて厳密に算出することができる。図２１は、３種類の原油から調製したブレンドの、真沸点についてのモデル予測を示す図であり、図２２は、そのブレンドの、ＡＰＩ度についてのモデル予測を示す図である。原油アッセイや原油アッセイを用いたブレンドをモデル化する上記方法は、沸点範囲が限られている石油留分同士をブレンドする場合にもそのまま適用可能である。
（プランニング、スケジューリング、プロセスシミュレーションを行うための分子ベースの方法）
先に述べたように、原油のアッセイはしばしば、限定的な数の「疑似成分」又は「理論的成分」の作成に用いられ、これらの成分は、石油精製作業（例えば、分留、反応など）のプランニングやスケジューリングやプロセスシミュレーションを行うに際し、石油混合物を代表するために用いられている。疑似成分の特性は、原油のアッセイの留分を模擬するために定義され、すなわち、特定の沸点範囲及び比重範囲を用いて定義される。分子ベースのキャラクタリゼーション方法は、そのような「疑似成分」を生成する際の基となる、アッセイ全体を相関・予測することのできる優れた方法を提供するだけではなく、プランニングやスケジューリングやプロセスシミュレーションを行うための、従来の「疑似成分」ベースの方法を代替する、新たな、重要な方法を提供するものである。特に、石油精製作業のプランニングやスケジューリングやプロセスシミュレーションを行う際に、モデル分子と当該モデル分子からなり且つ分子分布パラメータが関連付けられた組成とを直接用いて原油や石油留分を表現することが可能である。
先に述べたように、原油のアッセイはしばしば、限定的な数の「疑似成分」又は「理論的成分」の作成に用いられ、これらの成分は、石油精製作業（例えば、分留、反応など）のプランニングやスケジューリングやプロセスシミュレーションを行うに際し、石油混合物を代表するために用いられている。疑似成分の特性は、原油のアッセイの留分を模擬するために定義され、すなわち、特定の沸点範囲及び比重範囲を用いて定義される。分子ベースのキャラクタリゼーション方法は、そのような「疑似成分」を生成する際の基となる、アッセイ全体を相関・予測することのできる優れた方法を提供するだけではなく、プランニングやスケジューリングやプロセスシミュレーションを行うための、従来の「疑似成分」ベースの方法を代替する、新たな、重要な方法を提供するものである。特に、石油精製作業のプランニングやスケジューリングやプロセスシミュレーションを行う際に、モデル分子と当該モデル分子からなり且つ分子分布パラメータが関連付けられた組成とを直接用いて原油や石油留分を表現することが可能である。
（コンピュータを用いた実施態様）
図２３Ａ、図２３Ｂ及び図２４には、本発明を実施するコンピュータシステムが示されている。本明細書を参酌することにより、当業者の技量の範囲内で、図示の構成以外にも、好適なコンピュータアーキテクチャや構成が実施可能である。
図２３Ａ、図２３Ｂ及び図２４には、本発明を実施するコンピュータシステムが示されている。本明細書を参酌することにより、当業者の技量の範囲内で、図示の構成以外にも、好適なコンピュータアーキテクチャや構成が実施可能である。
図２３Ａに、本発明を実施するための、コンピュータネットワークまたはそれと同様のデジタル処理環境を示す。
少なくとも１つのクライアントコンピュータ／装置５０および少なくとも１つのサーバーコンピュータ６０は、処理機能、記憶機能、アプリケーションプログラムを実行する入出力装置などを有する。少なくとも１つのクライアントコンピュータ／装置５０は、通信ネットワーク７０を介して、別のクライアント装置／プロセス５０や少なくとも１つの別のサーバーコンピュータ６０を含む、別のコンピューティング装置に接続可能である。通信ネットワーク７０は、リモートアクセスネットワークの一部や、グローバルネットワーク（例えば、インターネットなど）の一部や、世界規模のコンピュータの集まりの一部、ローカルエリアネットワークの一部や、ワイドエリアネットワークの一部や、各種プロトコル（ＴＣＰ／ＩＰ、Ｂｌｕｅｔｏｏｔｈ（登録商標）など）を用いて相互通信するゲートウェイの一部であり得る。それ以外の電子装置／コンピュータネットワークアーキテクチャも使用可能である。
図２３Ｂは、図２３Ａのコンピュータシステムにおける所与のコンピュータ（例えば、クライアントプロセッサ／装置５０、サーバーコンピュータ６０など）の内部構造を示す図である。各コンピュータ５０，６０は、コンピュータシステム（又は処理システム）の構成品間のデータ転送に用いられるハードウェアラインのセットである、システムバス７９を備える。バス７９は、コンピュータシステムの相異なる構成品（例えば、プロセッサ、ディスクストレージ、メモリ、入力／出力ポート、ネットワークポートなど）同士を接続する共有の線渠であり、それら構成品間の情報のやり取りを可能にする。システムバス７９には、様々な入出力装置（例えば、キーボード、マウス、ディスプレイ、プリンター、スピーカーなど）をコンピュータ５０，６０に接続するためのＩ／Ｏ装置インターフェース８２が取り付けられている。コンピュータ５０，６０は、ネットワークインターフェース８６を介して、ネットワーク（例えば、図２３Ａのネットワーク７０など）に取り付けられた他の様々な装置に接続することができる。メモリ９０は、本発明の一実施形態（例えば、仮想アッセイエンジン、原油アッセイモデラ、後述する支援コード１００など）を実施するのに用いられるコンピュータソフトウェア命令９２およびデータ９４を記憶する揮発性メモリである。ディスクストレージ９５は、本発明の一実施形態を実施するのに用いられるコンピュータソフトウェア命令９２およびデータ９４を記憶する不揮発性ストレージである。システムバス７９には、さらに、コンピュータ命令を実行する中央演算処理装置８４も取り付けられている。
一実施形態において、プロセッサルーチン９２およびデータ９４は、本発明にかかるシステム用のソフトウェア命令の少なくとも一部を提供するコンピュータ読み取り可能な媒体（例えば、少なくとも１つのＤＶＤ−ＲＯＭ、少なくとも１つのＣＤ−ＲＯＭ、少なくとも１つのディスケット、少なくとも１つのテープなどのリムーバブル記憶媒体）を含むコンピュータプログラムプロダクト（概して符号９２で示す）である。コンピュータプログラムプロダクト９２は、当該技術分野において周知である任意の適切なインストール方法によってインストール可能であってもよい。他の実施形態において、前記ソフトウェア命令の少なくとも一部は、ケーブルおよび／または通信および／または無線接続を介してダウンロード可能なものであってもよい。さらなる他の実施形態において、本発明にかかるプログラムは、伝播媒体による伝播信号（例えば、無線波、赤外線波、レーザ波、音波、インターネットなどのグローバルネットワークやその他のネットワークによって伝播される電波など）によって実現される、コンピュータプログラム伝播信号プロダクト１０７である。このような搬送媒体または搬送信号は、本発明にかかるルーチン／プログラム９２用のソフトウェア命令の少なくとも一部を提供する。
他の実施形態において、前記伝播信号は、伝播媒体によって搬送されるアナログ搬送波またはデジタル信号である。例えば、前記伝播信号は、グローバルネットワーク（例えば、インターネットなど）、電気通信ネットワークまたはその他のネットワークによって搬送されるデジタル信号（digitalized signal）であってもよい。一実施形態において、前記伝播信号は、所与の期間のあいだ伝播媒体によって送信される信号であり、例えば、数ミリ秒、数秒、数分またはそれ以上の期間のあいだネットワークによってパケットで送信される、ソフトウェアアプリケーション用の命令などであってもよい。他の実施形態において、コンピュータプログラムプロダクト９２の前記コンピュータ読み取り可能な媒体は、コンピュータシステム５０が受け取って読み取り可能な伝播媒体である。例えば、コンピュータシステム５０は、前述したコンピュータプログラム伝播信号プロダクトの場合のように、伝播媒体を受け取ってその伝播媒体内に組み込まれた伝播信号を特定する。
一般的に、「搬送媒体」や過渡性のキャリアなどの用語には、前述した過渡性の信号、伝播信号、伝播媒体、記憶媒体などの意味が包含される。
図２４は、本発明にかかる仮想アッセイモデラまたは原油アッセイモデラ（概してエンジンまたはモデラ１００と示す）の例示的なフロー図である。図示のデータのフロー及びプロセッサ８４の制御フローは、単なる例示に過ぎず、必ずしも本発明を限定するものではない。その処理は、複数のプロセッサによる並列分散処理であってもよいし、図示の順序とは異なる順序で行われてもよい。いずれにせよ、その処理は、本発明の原理に従って動作するようにプログラムされたプロセッサによって実行される。
仮想アッセイエンジン／アッセイモデラ１００は、まず、原油試料または対象の石油留分を表すデータを受け取る（ステップ１１０）。このデータには、原油試料／石油留分に関する（当該産業において一般的なタイプの）特定の特性データ、例えば、沸点、比重、粘度などについてのデータが含まれる。ステップ１１０では、その受け取ったデータを用いて、エンジン／モデラ１００を初期化する。
次に、ステップ１１１において、構成炭化水素分子種（すなわち、Ｐ分、Ｎ分およびＡ分）を特定し、さらに、これら特定した種の確率分布関数を特定する。具体的に説明すると、ステップ１１１では、各確率分布関数（例えば前記式（４）を参照のこと）の尺度パラメータ及び形状パラメータを特定する。その結果、ステップ１１１では、Ｐ；Ｎ；およびＡの各種類に関して、構成炭化水素分子のセグメントの種類及びセグメント数の範囲（概して符号１９０で示す）を出力する。出力されたセグメントの種類及びセグメント数の範囲は、例えばＰＣ−ＳＡＦＴで使用することができる。ステップ１１１では、同族列を使わずにセグメントの種類及びセグメント数の範囲が出力される。
次に、ステップ１１３〜１１７において、上記のようにして特定した構成炭化水素分子種（すなわち、候補組成）を、前記ステップ１１０で受け取った原油試料／石油留分の特性データにフィットするように最適化する。ステップ１１３では、その原油試料／石油留分中の分子のモル分率を算出する。ステップ１１４では、前述したように、アッセイ特性を求めるＰＣ−ＳＡＦＴ状態式および／または熱力学的モデル１１４ａを利用して、原油や原油混合物に含まれる構成炭化水素分子の物理的特性を推定する。このような分子的組成によって得られる原油／石油留分の物理的特性は、同じ原油試料／対象の石油留分に関する前記特性データに記述された物理的特性と極めて近いものになる。ステップ１１５では、推定したアッセイ特性データと実験アッセイ特性データ１１５ａとの差分を算出する。ステップ１１６では、上記のようにして得られたＰ分とＮ分とＡ分との相対割合（Ｐの構成炭化水素分子とＮの構成炭化水素分子とＡの構成炭化水素分子との相対割合）を合致基準（convergence criteria）に照らしてチェックし、必要に応じ、ステップ１１７で前記相対割合を調整し、そして、これら最適化ステップ１１３〜１１７を再び繰り返す。最適化後のアッセイ出力１９９は、前記原油試料／対象の石油留分の化学組成を代表又はキャラクタリゼーションしている。このようにして得られた出力１９９は、前記原油試料／対象の石油留分について、その特性（例えば、沸点、比重、粘度など）やその他のアッセイ結果（例えば、組成など）を極めて包括的にキャラクタリゼーション可能な分子モデルの役割を果たす。
このアッセイ出力１９９（前記原油試料／対象の石油留分の化学組成のキャラクタリゼーション結果）を、他のソフトウェアプログラムやソフトウェアアプリケーションで使用することにより、その原油試料／対象の石油留分の物理的特性を予測し、さらに、これに基づいて、石油精製作業のプランニングおよび／またはスケジューリングおよび／またはシミュレーションおよび／または設計および／または最適化および／または制御を行うことができる。
（実施例）
分子ベースのキャラクタリゼーション方法は、原油や石油留分のアッセイや特性を相関付け・予測するために開発された。この方法は、限られたアッセイデータの回帰計算から、原油や石油留分のうちの所定のモデル構成炭化水素分子による、当該原油や石油留分の化学組成の特定を可能にする。この方法は、さらに、これらの化学組成から、その原油や石油留分のアッセイならびに関連する物理的特性及び化学的特性の予測を可能にする。
分子ベースのキャラクタリゼーション方法は、原油や石油留分のアッセイや特性を相関付け・予測するために開発された。この方法は、限られたアッセイデータの回帰計算から、原油や石油留分のうちの所定のモデル構成炭化水素分子による、当該原油や石油留分の化学組成の特定を可能にする。この方法は、さらに、これらの化学組成から、その原油や石油留分のアッセイならびに関連する物理的特性及び化学的特性の予測を可能にする。
以下に示す、３種類の原油のキャラクタリゼーションについての実施例は、分子ベースのキャラクタリゼーション方法がいかに進められるかを示すものである。第一実施例では軽質原油のAzeri BTC 2009 01（ＡＰＩ度＝３６．６）、第二実施例では重質原油のGrane 2003 11（ＡＰＩ度＝１８．７）、第三実施例は６０％のAzeri BTC 2009 01および４０％のGrane 2003 11で構成されるブレンド原油を用いた。
１． 軽質原油−Azeri BTC 2009 01
１．１ 一般情報
Azeri BTC 2009 01は、アゼルバイジャンで産出された軽質原油に関するアッセイ（各種データ）であり、Ｓｔａｔｏｉｌ社（米国コネチカット州スタムフォード）から入手可能である。入手可能なアッセイデータには、幅広い特性データが含まれ、蒸留収量、比重、ユニバーサルオイルプロダクツ（ＵＯＰ）Ｋファクタ（ＵＯＰＫ）、分子量、全硫黄、メルカプタン硫黄、全窒素、塩基性窒素、全酸価（ＴＡＮ）、粘度、ＰＮＡ分布、ＲＯＮ及びＭＯＮ、流動点、曇り点、析出点、煙点、セタン指数、アニリン点、ろう含有量、水素含有量、アスファルテン含有量ならびにマイクロ残留炭素分についてのデータが含まれる。
１．１ 一般情報
Azeri BTC 2009 01は、アゼルバイジャンで産出された軽質原油に関するアッセイ（各種データ）であり、Ｓｔａｔｏｉｌ社（米国コネチカット州スタムフォード）から入手可能である。入手可能なアッセイデータには、幅広い特性データが含まれ、蒸留収量、比重、ユニバーサルオイルプロダクツ（ＵＯＰ）Ｋファクタ（ＵＯＰＫ）、分子量、全硫黄、メルカプタン硫黄、全窒素、塩基性窒素、全酸価（ＴＡＮ）、粘度、ＰＮＡ分布、ＲＯＮ及びＭＯＮ、流動点、曇り点、析出点、煙点、セタン指数、アニリン点、ろう含有量、水素含有量、アスファルテン含有量ならびにマイクロ残留炭素分についてのデータが含まれる。
この実施例では、蒸留収量、比重、粘度、ＰＮＡ分布、アスファルテン分、全硫黄および全酸価についてのアッセイデータを回帰させて、上記の入手可能な原油特性データと最も良好に相関する、最適な分子分布パラメータおよび構成炭化水素分子による最適な化学組成を特定し、かつ、足りない-データを予測した。
以下の表１に、この原油のバルク特性を示す。
１．２ 回帰計算に用いる実験データ
以下の表２に、Ｓｔａｔｏｉｌ社のアッセイ：Azeri BTC 2009 01であって、原油全体、ガスおよび沸点カット分１〜１３の、蒸留収量、ＡＰＩ度データ、ＰＮＡ分布、粘度、硫黄含有量、アスファルテン分および全酸価についての（回帰計算に用いた）実験データを示す。
以下の表２に、Ｓｔａｔｏｉｌ社のアッセイ：Azeri BTC 2009 01であって、原油全体、ガスおよび沸点カット分１〜１３の、蒸留収量、ＡＰＩ度データ、ＰＮＡ分布、粘度、硫黄含有量、アスファルテン分および全酸価についての（回帰計算に用いた）実験データを示す。
１．３ 分子ベースのキャラクタリゼーション結果
１．３．１ 最適値
（Ｓｔａｔｏｉｌ社のアッセイから入手可能な）上記の表２における全データを回帰させることにより、後述の表３に示すように、パラフィン類、ナフテン類、芳香族類、スルフィド類、メルカプタン類、ナフテン系スルフィド類、チオフェン類、パラフィン酸類、ナフテン酸類および芳香族酸類を含む各種構成炭化水素分子種の相対重量を特定した。後述の表３では、さらに、各分子種についての確率分布関数パラメータも特定されている。混合物粘度相関用の、相互作用パラメータｋ０、アスファルテン類関連パラメータｋ１，ｋ２およびｋ３についても調整されている。入手可能な実験データの性質に基づき、各分子種の重量、確率分布関数パラメータおよび粘度相関用のパラメータを同時に、または逐次に回帰させ、実験データに最適にフィットさせることができる。
１．３．１ 最適値
（Ｓｔａｔｏｉｌ社のアッセイから入手可能な）上記の表２における全データを回帰させることにより、後述の表３に示すように、パラフィン類、ナフテン類、芳香族類、スルフィド類、メルカプタン類、ナフテン系スルフィド類、チオフェン類、パラフィン酸類、ナフテン酸類および芳香族酸類を含む各種構成炭化水素分子種の相対重量を特定した。後述の表３では、さらに、各分子種についての確率分布関数パラメータも特定されている。混合物粘度相関用の、相互作用パラメータｋ０、アスファルテン類関連パラメータｋ１，ｋ２およびｋ３についても調整されている。入手可能な実験データの性質に基づき、各分子種の重量、確率分布関数パラメータおよび粘度相関用のパラメータを同時に、または逐次に回帰させ、実験データに最適にフィットさせることができる。
後述の表３に、原油：Azeri BTC 2009 01に関する分子分布パラメータの最適化された値を示す。この回帰計算では、スルフィド類についての確率分布パラメータの数値およびメルカプタン類についての確率分布パラメータの数値を、パラフィン類の分子についての確率分布パラメータの数値と同一と設定している。また、ナフテン系スルフィド類についての分布パラメータの数値を、ナフテン類の分子についての分布パラメータの数値と同一と設定している。
表３の注記
(1) a. シクロヘキサンベースのナフテン系分子の側鎖に含まれる−ＣＨ２−セグメント
b. シクロペンタンベースのナフテン系分子の側鎖に含まれる−ＣＨ２−セグメント
c. N6/(N5+N6)は、全ナフテン系分子に対するシクロヘキサンベースのナフテン系分
子のモル比である。
(2) ガンマ分布関数は全種類の分子を包含するよう選択されたセグメント数の確率を算出するために用いられる。
(3) 全てのセグメントに関して、ガンマ分布関数の位置パラメータは−１に固定する。
(4) ｋ０、ｋ１、ｋ２およびｋ３は、混合物粘度相関用のパラメータである。ｋ０は、パラフィン類とナフテン類と芳香族類との相互作用を表し、ｋ１、ｋ２およびｋ３は、アスファルテン含有量に関連する。ｋ１は、アスファルテン含有量に依存する一次パラメータである。ｋ２は、温度に依存するパラメータである。ｋ３は、アスファルテン含有量に依存する二次パラメータである。
１．３．２ 特性のプロット
上記の表３の最適化された分子分布パラメータを用いて算出した、モデル予測による原油：Azeri BTC 2009 01についての真沸点曲線、ＡＰＩ度曲線、ＰＮＡ分布曲線、全原油及びその画分の粘度曲線、硫黄含有量曲線、全酸化曲線をそれぞれ図２５−３０に示す。
(1) a. シクロヘキサンベースのナフテン系分子の側鎖に含まれる−ＣＨ２−セグメント
b. シクロペンタンベースのナフテン系分子の側鎖に含まれる−ＣＨ２−セグメント
c. N6/(N5+N6)は、全ナフテン系分子に対するシクロヘキサンベースのナフテン系分
子のモル比である。
(2) ガンマ分布関数は全種類の分子を包含するよう選択されたセグメント数の確率を算出するために用いられる。
(3) 全てのセグメントに関して、ガンマ分布関数の位置パラメータは−１に固定する。
(4) ｋ０、ｋ１、ｋ２およびｋ３は、混合物粘度相関用のパラメータである。ｋ０は、パラフィン類とナフテン類と芳香族類との相互作用を表し、ｋ１、ｋ２およびｋ３は、アスファルテン含有量に関連する。ｋ１は、アスファルテン含有量に依存する一次パラメータである。ｋ２は、温度に依存するパラメータである。ｋ３は、アスファルテン含有量に依存する二次パラメータである。
１．３．２ 特性のプロット
上記の表３の最適化された分子分布パラメータを用いて算出した、モデル予測による原油：Azeri BTC 2009 01についての真沸点曲線、ＡＰＩ度曲線、ＰＮＡ分布曲線、全原油及びその画分の粘度曲線、硫黄含有量曲線、全酸化曲線をそれぞれ図２５−３０に示す。
１．３．３ 分子分布のプロット
さらに、上記の最適化された分子分布パラメータを基礎にして、原油の化学組成を、モデル構成炭化水素分子に基づいて決定することができる。
さらに、上記の最適化された分子分布パラメータを基礎にして、原油の化学組成を、モデル構成炭化水素分子に基づいて決定することができる。
図３１に、原油全体中のパラフィン類、ナフテン類および芳香族類のそれぞれの、炭素数に対する累積重量分率を示す。図３２に、原油全体中のパラフィン類、ナフテン類および芳香族類の、炭素数に対する微分重量分率を示す。図３３に、原油全体中のパラフィン類、ナフテン類および芳香族類の、正規化された重量％の炭素数に対する分布を示す。図３４に、原油全体中のパラフィン類、ナフテン類および芳香族類のそれぞれの、真沸点に対する累積重量分率を示す。図３５に、原油全体中のパラフィン類、ナフテン類および芳香族類の、真沸点に対する微分重量分率を示す。図３６に、原油全体中のパラフィン類、ナフテン類および芳香族類の、正規化された重量％の真沸点に対する分布を示す。
２． 重質原油−Grane 2003 11
２．１ 一般情報
Grane 2003 11は、北海で産出された重質原油に関するアッセイ（各種データ）であり、Ｓｔａｔｏｉｌ社から入手可能である。報告されるアッセイデータには、蒸留収量、比重、ＵＯＰＫ、全硫黄、メルカプタン硫黄、全窒素、塩基性窒素、全酸価、粘度、ＰＮＡ分布、蒸気圧、流動点、曇り点、析出点、煙点、セタン指数、アニリン点、ろう含有量、水素含有量、アスファルテン含有量、屈折率およびコンラドソン法残留炭素についてのデータを含む。
２．１ 一般情報
Grane 2003 11は、北海で産出された重質原油に関するアッセイ（各種データ）であり、Ｓｔａｔｏｉｌ社から入手可能である。報告されるアッセイデータには、蒸留収量、比重、ＵＯＰＫ、全硫黄、メルカプタン硫黄、全窒素、塩基性窒素、全酸価、粘度、ＰＮＡ分布、蒸気圧、流動点、曇り点、析出点、煙点、セタン指数、アニリン点、ろう含有量、水素含有量、アスファルテン含有量、屈折率およびコンラドソン法残留炭素についてのデータを含む。
この実施例では、蒸留収量、比重、粘度、ＰＮＡ分布、アスファルテン分、全硫黄および全酸価についてのアッセイデータを回帰させて、上記の入手可能な原油特性データと最も良好に相関する、最適な分子分布パラメータおよび構成炭化水素分子による最適な化学組成を特定し、かつ、足りない-データを予測した。
以下の表４に、この原油のバルク特性を示す。
２．２ 回帰計算に用いる実験データ
以下の表５に、原油全体、ガス、および回帰計算用に選択した沸点カット分１〜１３についての、Ｓｔａｔｏｉｌ社のアッセイから得られる実験データを示す。
以下の表５に、原油全体、ガス、および回帰計算用に選択した沸点カット分１〜１３についての、Ｓｔａｔｏｉｌ社のアッセイから得られる実験データを示す。
２．３ 分子ベースのキャラクタリゼーション結果
２．３．１ 最適値
後述の表６に、原油：Grane 2003 11に関する分子分布パラメータの最適値を示す。この回帰計算では、スルフィド類についての確率分布パラメータの数値、メルカプタン類についての確率分布パラメータの数値およびパラフィン酸類についての確率分布パラメータの数値を、パラフィン類の分子についての確率分布パラメータの数値と同一と設定した。また、ナフテン系スルフィド類についての分布パラメータの数値およびナフテン酸類についての分布パラメータの数値を、ナフテン類の分子についての分布パラメータの数値と同一と設定した。
２．３．１ 最適値
後述の表６に、原油：Grane 2003 11に関する分子分布パラメータの最適値を示す。この回帰計算では、スルフィド類についての確率分布パラメータの数値、メルカプタン類についての確率分布パラメータの数値およびパラフィン酸類についての確率分布パラメータの数値を、パラフィン類の分子についての確率分布パラメータの数値と同一と設定した。また、ナフテン系スルフィド類についての分布パラメータの数値およびナフテン酸類についての分布パラメータの数値を、ナフテン類の分子についての分布パラメータの数値と同一と設定した。
（特性のプロット）
図３７−４２に、上記の表６の最適化された分子分布パラメータを用いて算出した、モデル予測による原油：Grane 2003 11についての真沸点曲線、ＡＰＩ度曲線、ＰＮＡ分布曲線、原油全体およびその留分についての粘度曲線、硫黄含有量曲線、全酸化曲線をそれぞれ示す。
図３７−４２に、上記の表６の最適化された分子分布パラメータを用いて算出した、モデル予測による原油：Grane 2003 11についての真沸点曲線、ＡＰＩ度曲線、ＰＮＡ分布曲線、原油全体およびその留分についての粘度曲線、硫黄含有量曲線、全酸化曲線をそれぞれ示す。
（分子分布のプロット）
さらに、上記の最適化された分子分布パラメータを基礎にして、原油の化学組成を、モデル構成炭化水素分子に基づいて決定することができる。
さらに、上記の最適化された分子分布パラメータを基礎にして、原油の化学組成を、モデル構成炭化水素分子に基づいて決定することができる。
図４３に、原油全体中の飽和類および芳香族類のそれぞれの、炭素数に対する累積重量分率を示す。なお、この重質原油は、パラフィン含有量が極めて低い。そのため、パラフィン類とナフテン類とをまとめて飽和類としている。図４４に、原油全体中の飽和類および芳香族類の、炭素数に対する微分重量分率を示す。図４５に、原油全体中の飽和類および芳香族類の、正規化された重量％の炭素数に対する分布を示す。図４６に、原油全体中の飽和類および芳香族類のそれぞれの、真沸点に対する累積重量分率を示す。図４７に、原油全体中の飽和類および芳香族類の、真沸点に対する微分重量分率を示す。図４８に、原油全体中の飽和類および芳香族類の、正規化された重量％の真沸点に対する分布を示す。
３． ブレンド原油−６０％のAzeri BTC 2009 01と４０％のGrane 2003 11
３．１ 一般情報
原油に関する分子分布パラメータは、分子ベースで原油ブレンド計算しうる重要な基準を提供する。ブレンド原油の化学組成は、単純に、ブレンドに用いる個々の原油の化学組成を算術平均したものである。このようにして得られるブレンド原油の化学組成に基づき、そのブレンド原油のアッセイ特性を算出することができる。
３．１ 一般情報
原油に関する分子分布パラメータは、分子ベースで原油ブレンド計算しうる重要な基準を提供する。ブレンド原油の化学組成は、単純に、ブレンドに用いる個々の原油の化学組成を算術平均したものである。このようにして得られるブレンド原油の化学組成に基づき、そのブレンド原油のアッセイ特性を算出することができる。
この実施例のブレンド原油は、６０％の軽質原油：Azeri BTC 2009 01および４０％の重質原油：Grane 2003 11を含むものである。
３．２ 特性のプロット
上記の２種類の原油：Azeri BTC 2009 01；およびGrane 2003 11；のブレンド割合に基づいて、前記ブレンド原油の化学組成を求めることができ、さらに、その特性を推定することもできる。
上記の２種類の原油：Azeri BTC 2009 01；およびGrane 2003 11；のブレンド割合に基づいて、前記ブレンド原油の化学組成を求めることができ、さらに、その特性を推定することもできる。
図４９−５７に、モデル予測による前記ブレンド原油についての真沸点曲線、ＡＰＩ度曲線、ＰＮＡ分布曲線、原油全体およびその留分についての粘度曲線、硫黄含有量曲線、全酸化曲線、残留炭素曲線、ＵＯＰＫファクタ曲線、炭素−水素比曲線をそれぞれ示す。
３．３ 分子分布のプロット
図５８に、原油全体中のパラフィン類、ナフテン類および芳香族類のそれぞれの、炭素数に対する累積重量分率を示す。図５９に、原油全体中のパラフィン類、ナフテン類および芳香族類の、炭素数に対する微分重量分率を示す。図６０に、原油全体中のパラフィン類、ナフテン類および芳香族類の、炭素数に対する重量％の分布を示す。図６１に、原油全体中のノルマルパラフィン類、イソパラフィン類、モノナフテン類、ポリナフテン類、モノ芳香族類、二核芳香族類、三核芳香族類およびその他の多核芳香族類の、正規化された重量％の炭素数に対する分布を示す。図６２に、原油全体中のパラフィン類、ナフテン類および芳香族類のそれぞれの、真沸点に対する累積重量分率を示す。図６３に、原油全体中のパラフィン類、ナフテン類および芳香族類の、真沸点に対する微分重量分率を示す。図６４に、原油全体中のパラフィン類、ナフテン類および芳香族類の、真沸点に対する重量％の分布を示す。図６５に、前記ブレンド原油全体中のノルマルパラフィン類、イソパラフィン類、モノナフテン類、ポリナフテン類、モノ芳香族類、二核芳香族類、三核芳香族類およびその他の多核芳香族類の、正規化された重量％の真沸点に対する分布を示す。
図５８に、原油全体中のパラフィン類、ナフテン類および芳香族類のそれぞれの、炭素数に対する累積重量分率を示す。図５９に、原油全体中のパラフィン類、ナフテン類および芳香族類の、炭素数に対する微分重量分率を示す。図６０に、原油全体中のパラフィン類、ナフテン類および芳香族類の、炭素数に対する重量％の分布を示す。図６１に、原油全体中のノルマルパラフィン類、イソパラフィン類、モノナフテン類、ポリナフテン類、モノ芳香族類、二核芳香族類、三核芳香族類およびその他の多核芳香族類の、正規化された重量％の炭素数に対する分布を示す。図６２に、原油全体中のパラフィン類、ナフテン類および芳香族類のそれぞれの、真沸点に対する累積重量分率を示す。図６３に、原油全体中のパラフィン類、ナフテン類および芳香族類の、真沸点に対する微分重量分率を示す。図６４に、原油全体中のパラフィン類、ナフテン類および芳香族類の、真沸点に対する重量％の分布を示す。図６５に、前記ブレンド原油全体中のノルマルパラフィン類、イソパラフィン類、モノナフテン類、ポリナフテン類、モノ芳香族類、二核芳香族類、三核芳香族類およびその他の多核芳香族類の、正規化された重量％の真沸点に対する分布を示す。
本明細書で引用した全ての特許公報、特許公開公報および刊行物における関連する教示内容については、その全てを、参照をもって本願に取り入れたものとする。
本発明を、例示的な実施形態を参照しながら詳細に図示・説明したが、本発明の範囲を逸脱しない範疇で、これらの例示的な実施形態に対して様々な変更や変形が可能であることは、当業者であれば容易に理解できる。なお、そのような変更や変形は、添付の特許請求の範囲に包含される。
なお本発明は、実施態様として以下の内容を含んでいてもよい。
［実施態様１］
原油の化学組成をキャラクタリゼーションする方法であって、
プロセッサにより、特定の原油特性データを有する所与の原油について、
ｉ）各構成炭化水素分子種におけるセグメントの種類及びセグメント数の範囲を、各構成炭化水素分子の物理的特性及び化学的特性についてのデータならびに原油の物理的特性及び化学的特性についてのデータに基づいて決定する過程と、
ｉｉ）前記特定の原油特性データに基づいて、前記所与の原油を代表する化学組成を構成する各種類の構成炭化水素分子の相対割合を決定し、これによって、その所与の原油の化学組成をキャラクタリゼーションする過程と、
エンドユーザに対する出力として、前記所与の原油のキャラクタリゼーションされた化学組成を表示する過程と、
を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様２］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、前記セグメントの種類が：メチルセグメント；ゼロ分岐メチレンセグメント；一分岐メチレンセグメント；二分岐メチレンセグメント；シクロヘキサンセグメント；シクロヘキサン側環セグメント；シクロペンタンセグメント；シクロペンタン側環セグメント；芳香族セグメント；および芳香族側環セグメント；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様３］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、前記セグメントの種類及びセグメント数の範囲を決定する過程が、同族列を使わずに行われる、原油の化学組成のキャラクタリゼーション方法。
［実施態様４］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、さらに、
各構成炭化水素分子種の物理的特性の数値及び化学的特性の数値を、セグメントの種類及びセグメント数の範囲との関数として推定する過程、
を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様５］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、前記セグメントの種類及びセグメント数の範囲を決定する過程が、各種類の構成炭化水素分子に関して、その構成炭化水素分子種を定義するセグメントの種類及びセグメント数の範囲の確率分布関数を特定し、この特定の際に、前記確率分布関数の尺度パラメータ及び形状パラメータを特定することを含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様６］
実施態様５に記載の原油の化学組成のキャラクタリゼーション方法において、さらに、
特定された前記確率分布関数および各種類の構成炭化水素分子の前記相対割合に基づいて、前記所与の原油の化学組成を推定する過程と、
この推定された化学組成に基づいて、前記所与の原油の物理的特性及び化学的特性を推定する過程と、
を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様７］
実施態様６に記載の原油の化学組成のキャラクタリゼーション方法において、前記所与の原油の推定される物理的特性が：沸点；比重；および粘度；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様８］
実施態様６に記載の原油の化学組成のキャラクタリゼーション方法において、前記所与の原油の推定される化学的特性が：パラフィン含有量；ナフテン含有量；芳香族含有量；炭素含有量；水素含有量；Ｃ／Ｈ比；アスファルテン分；残留炭素；硫黄含有量；窒素含有量；および全酸価；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様９］
実施態様６に記載の原油の化学組成のキャラクタリゼーション方法において、各種類の構成炭化水素分子の前記相対割合を決定する過程が、前記所与の原油の推定された物理的特性及び化学的特性を、前記特定の原油特性データにマッチングさせることにより、前記所与の原油中の各種類の構成炭化水素分子の前記相対割合を決定することを含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様１０］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、前記構成炭化水素分子種が：パラフィン類；ナフテン類；および芳香族類；の構成炭化水素分子を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様１１］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、構成炭化水素分子の物理的特性についての前記データが：蒸気圧；比重；および粘度；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様１２］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、構成炭化水素分子の化学的特性についての前記データが：炭素含有量；水素含有量；硫黄含有量；窒素含有量；および酸素分；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様１３］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、前記特定の原油特性データが：沸点；比重；および粘度；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様１４］
実施態様１３に記載の原油の化学組成のキャラクタリゼーション方法において、前記特定の原油特性データが、さらに：パラフィン含有量；ナフテン含有量；芳香族含有量；炭素含有量；水素含有量；Ｃ／Ｈ比；アスファルテン含有量；残留炭素；硫黄含有量；窒素含有量；および全酸価；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様１５］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、さらに、
コンピュータにより、前記所与の原油のキャラクタリゼーションされた化学組成を用いて、当該所与の原油の物理的特性及び化学的特性を予測する過程、
を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様１６］
実施態様１５に記載の原油の化学組成のキャラクタリゼーション方法において、さらに、
コンピュータにより、前記所与の原油のキャラクタリゼーションされた化学組成および／または当該所与の原油の予測された物理的特性及び化学的特性を用いて、石油精製作業をプランニングおよび／またはスケジューリングおよび／またはシミュレートおよび／または設計および／または最適化および／または制御する過程、
を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様１７］
原油をブレンドする方法であって、
ブレンドを構成する２種以上の原油試料のそれぞれを、化学組成ならびに予測された物理的特性及び予測された化学的特性によってキャラクタリゼーションし、このキャラクタリゼーションにより、前記２種以上の原油試料のそれぞれのキャラクタリゼーション結果を得る過程と、
前記キャラクタリゼーション結果に基づいて、前記２種以上の原油試料の各割合を、当該各割合で前記原油試料を配合した場合のブレンドが特定の化学組成ならびに予測された物理的特性及び予測された化学的特性を有するように決定する過程と、
前記２種以上の原油試料を、決定された前記各割合の量で配合してブレンドを製造する過程と、
を含み、前記２種以上の原油試料のそれぞれをキャラクタリゼーションする過程が：
各原油試料が、特定の原油特性データを有する所与の原油であり、プロセッサにより、その所与の原油について、
ｉ）構成炭化水素分子におけるセグメントの種類及びセグメント数の範囲を、各種類の構成炭化水素分子の物理的特性及び化学的特性についてのデータならびに原油の物理的特性及び化学的特性についてのデータに基づいて決定する副過程と、
ｉｉ）前記特定の原油特性データに基づいて、前記所与の原油の化学組成を構成する各種類の構成炭化水素分子の相対割合を決定し、これにより、その所与の原油の化学組成をキャラクタリゼーションする副過程と、
ｉｉｉ）前記所与の原油のキャラクタリゼーションされた化学組成を用いて、当該所与の原油の物理的特性及び化学的特性を予測する副過程と、
によって行われる、原油のブレンド方法。
［実施態様１８］
実施態様１７に記載の原油のブレンド方法において、前記セグメントの種類が：メチルセグメント；ゼロ分岐メチレンセグメント；一分岐メチレンセグメント；二分岐メチレンセグメント；シクロヘキサンセグメント；シクロヘキサン側環セグメント；シクロペンタンセグメント；シクロペンタン側環セグメント；芳香族セグメント；および芳香族側環セグメント；から選択される少なくとも一種を含む、原油のブレンド方法。
［実施態様１９］
実施態様１７に記載の原油のブレンド方法において、前記セグメントの種類及びセグメント数の範囲を決定する副過程が、同族列を使わずに行われる、原油のブレンド方法。
［実施態様２０］
実施態様１７に記載の原油のブレンド方法において、さらに、
各種類の構成炭化水素分子の物理的特性の数値及び化学的特性の数値を、セグメントの種類及びセグメント数の範囲との関数として推定する過程、
を含む、原油のブレンド方法。
［実施態様２１］
実施態様１７に記載の原油のブレンド方法において、前記セグメントの種類及びセグメント数の範囲を決定する副過程が、各種類の構成炭化水素分子に関して、その種類の構成炭化水素分子を定義するセグメントの種類及びセグメント数の範囲の確率分布関数を特定し、この特定の際に、前記確率分布関数の尺度パラメータ及び形状パラメータを特定することを含む、原油のブレンド方法。
［実施態様２２］
実施態様２１に記載の原油のブレンド方法において、さらに、
特定された前記確率分布関数および各種類の構成炭化水素分子の前記相対割合に基づいて、前記所与の原油の化学組成を推定する副過程、および
この推定された化学組成に基づいて、前記所与の原油の物理的特性及び化学的特性を推定する副過程、
を含む、原油のブレンド方法。
［実施態様２３］
実施態様２２に記載の原油のブレンド方法において、前記所与の原油の推定される物理的特性が：沸点；比重；および粘度；から選択される少なくとも一種を含む、原油のブレンド方法。
［実施態様２４］
実施態様２２に記載の原油のブレンド方法において、前記所与の原油の推定される化学的特性が：パラフィン含有量；ナフテン含有量；芳香族含有量；炭素含有量；水素含有量；Ｃ／Ｈ比；アスファルテン分；残留炭素；硫黄含有量；窒素含有量；および全酸価；から選択される少なくとも一種を含む、原油のブレンド方法。
［実施態様２５］
実施態様２２に記載の原油のブレンド方法において、各種類の構成炭化水素分子の前記相対割合を決定する副過程が、前記所与の原油の推定された物理的特性及び化学的特性を、前記特定の原油特性データにマッチングさせることにより、前記所与の原油中の各種類の構成炭化水素分子の前記相対割合を決定することを含む、原油のブレンド方法。
［実施態様２６］
実施態様１７に記載の原油のブレンド方法において、前記構成炭化水素分子の種類が：パラフィン類；ナフテン類；および芳香族類；の構成炭化水素分子を含む、原油のブレンド方法。
［実施態様２７］
実施態様１７に記載の原油のブレンド方法において、構成炭化水素分子の物理的特性についての前記データが：蒸気圧；比重；および粘度；から選択される少なくとも一種を含む、原油のブレンド方法。
［実施態様２８］
実施態様１７に記載の原油のブレンド方法において、構成炭化水素分子の化学的特性についての前記データが：炭素含有量；水素含有量；硫黄含有量；窒素含有量；および酸素分；から選択される少なくとも一種を含む、原油のブレンド方法。
［実施態様２９］
実施態様１７に記載の原油のブレンド方法において、前記特定の原油特性データが：沸点；比重；粘度；パラフィン含有量；ナフテン含有量；芳香族含有量；炭素含有量；水素含有量；Ｃ／Ｈ比；アスファルテン含有量；残留炭素；硫黄含有量；窒素含有量；および全酸価；から選択される少なくとも一種を含む、原油のブレンド方法。
なお本発明は、実施態様として以下の内容を含んでいてもよい。
［実施態様１］
原油の化学組成をキャラクタリゼーションする方法であって、
プロセッサにより、特定の原油特性データを有する所与の原油について、
ｉ）各構成炭化水素分子種におけるセグメントの種類及びセグメント数の範囲を、各構成炭化水素分子の物理的特性及び化学的特性についてのデータならびに原油の物理的特性及び化学的特性についてのデータに基づいて決定する過程と、
ｉｉ）前記特定の原油特性データに基づいて、前記所与の原油を代表する化学組成を構成する各種類の構成炭化水素分子の相対割合を決定し、これによって、その所与の原油の化学組成をキャラクタリゼーションする過程と、
エンドユーザに対する出力として、前記所与の原油のキャラクタリゼーションされた化学組成を表示する過程と、
を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様２］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、前記セグメントの種類が：メチルセグメント；ゼロ分岐メチレンセグメント；一分岐メチレンセグメント；二分岐メチレンセグメント；シクロヘキサンセグメント；シクロヘキサン側環セグメント；シクロペンタンセグメント；シクロペンタン側環セグメント；芳香族セグメント；および芳香族側環セグメント；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様３］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、前記セグメントの種類及びセグメント数の範囲を決定する過程が、同族列を使わずに行われる、原油の化学組成のキャラクタリゼーション方法。
［実施態様４］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、さらに、
各構成炭化水素分子種の物理的特性の数値及び化学的特性の数値を、セグメントの種類及びセグメント数の範囲との関数として推定する過程、
を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様５］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、前記セグメントの種類及びセグメント数の範囲を決定する過程が、各種類の構成炭化水素分子に関して、その構成炭化水素分子種を定義するセグメントの種類及びセグメント数の範囲の確率分布関数を特定し、この特定の際に、前記確率分布関数の尺度パラメータ及び形状パラメータを特定することを含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様６］
実施態様５に記載の原油の化学組成のキャラクタリゼーション方法において、さらに、
特定された前記確率分布関数および各種類の構成炭化水素分子の前記相対割合に基づいて、前記所与の原油の化学組成を推定する過程と、
この推定された化学組成に基づいて、前記所与の原油の物理的特性及び化学的特性を推定する過程と、
を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様７］
実施態様６に記載の原油の化学組成のキャラクタリゼーション方法において、前記所与の原油の推定される物理的特性が：沸点；比重；および粘度；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様８］
実施態様６に記載の原油の化学組成のキャラクタリゼーション方法において、前記所与の原油の推定される化学的特性が：パラフィン含有量；ナフテン含有量；芳香族含有量；炭素含有量；水素含有量；Ｃ／Ｈ比；アスファルテン分；残留炭素；硫黄含有量；窒素含有量；および全酸価；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様９］
実施態様６に記載の原油の化学組成のキャラクタリゼーション方法において、各種類の構成炭化水素分子の前記相対割合を決定する過程が、前記所与の原油の推定された物理的特性及び化学的特性を、前記特定の原油特性データにマッチングさせることにより、前記所与の原油中の各種類の構成炭化水素分子の前記相対割合を決定することを含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様１０］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、前記構成炭化水素分子種が：パラフィン類；ナフテン類；および芳香族類；の構成炭化水素分子を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様１１］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、構成炭化水素分子の物理的特性についての前記データが：蒸気圧；比重；および粘度；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様１２］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、構成炭化水素分子の化学的特性についての前記データが：炭素含有量；水素含有量；硫黄含有量；窒素含有量；および酸素分；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様１３］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、前記特定の原油特性データが：沸点；比重；および粘度；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様１４］
実施態様１３に記載の原油の化学組成のキャラクタリゼーション方法において、前記特定の原油特性データが、さらに：パラフィン含有量；ナフテン含有量；芳香族含有量；炭素含有量；水素含有量；Ｃ／Ｈ比；アスファルテン含有量；残留炭素；硫黄含有量；窒素含有量；および全酸価；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様１５］
実施態様１に記載の原油の化学組成のキャラクタリゼーション方法において、さらに、
コンピュータにより、前記所与の原油のキャラクタリゼーションされた化学組成を用いて、当該所与の原油の物理的特性及び化学的特性を予測する過程、
を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様１６］
実施態様１５に記載の原油の化学組成のキャラクタリゼーション方法において、さらに、
コンピュータにより、前記所与の原油のキャラクタリゼーションされた化学組成および／または当該所与の原油の予測された物理的特性及び化学的特性を用いて、石油精製作業をプランニングおよび／またはスケジューリングおよび／またはシミュレートおよび／または設計および／または最適化および／または制御する過程、
を含む、原油の化学組成のキャラクタリゼーション方法。
［実施態様１７］
原油をブレンドする方法であって、
ブレンドを構成する２種以上の原油試料のそれぞれを、化学組成ならびに予測された物理的特性及び予測された化学的特性によってキャラクタリゼーションし、このキャラクタリゼーションにより、前記２種以上の原油試料のそれぞれのキャラクタリゼーション結果を得る過程と、
前記キャラクタリゼーション結果に基づいて、前記２種以上の原油試料の各割合を、当該各割合で前記原油試料を配合した場合のブレンドが特定の化学組成ならびに予測された物理的特性及び予測された化学的特性を有するように決定する過程と、
前記２種以上の原油試料を、決定された前記各割合の量で配合してブレンドを製造する過程と、
を含み、前記２種以上の原油試料のそれぞれをキャラクタリゼーションする過程が：
各原油試料が、特定の原油特性データを有する所与の原油であり、プロセッサにより、その所与の原油について、
ｉ）構成炭化水素分子におけるセグメントの種類及びセグメント数の範囲を、各種類の構成炭化水素分子の物理的特性及び化学的特性についてのデータならびに原油の物理的特性及び化学的特性についてのデータに基づいて決定する副過程と、
ｉｉ）前記特定の原油特性データに基づいて、前記所与の原油の化学組成を構成する各種類の構成炭化水素分子の相対割合を決定し、これにより、その所与の原油の化学組成をキャラクタリゼーションする副過程と、
ｉｉｉ）前記所与の原油のキャラクタリゼーションされた化学組成を用いて、当該所与の原油の物理的特性及び化学的特性を予測する副過程と、
によって行われる、原油のブレンド方法。
［実施態様１８］
実施態様１７に記載の原油のブレンド方法において、前記セグメントの種類が：メチルセグメント；ゼロ分岐メチレンセグメント；一分岐メチレンセグメント；二分岐メチレンセグメント；シクロヘキサンセグメント；シクロヘキサン側環セグメント；シクロペンタンセグメント；シクロペンタン側環セグメント；芳香族セグメント；および芳香族側環セグメント；から選択される少なくとも一種を含む、原油のブレンド方法。
［実施態様１９］
実施態様１７に記載の原油のブレンド方法において、前記セグメントの種類及びセグメント数の範囲を決定する副過程が、同族列を使わずに行われる、原油のブレンド方法。
［実施態様２０］
実施態様１７に記載の原油のブレンド方法において、さらに、
各種類の構成炭化水素分子の物理的特性の数値及び化学的特性の数値を、セグメントの種類及びセグメント数の範囲との関数として推定する過程、
を含む、原油のブレンド方法。
［実施態様２１］
実施態様１７に記載の原油のブレンド方法において、前記セグメントの種類及びセグメント数の範囲を決定する副過程が、各種類の構成炭化水素分子に関して、その種類の構成炭化水素分子を定義するセグメントの種類及びセグメント数の範囲の確率分布関数を特定し、この特定の際に、前記確率分布関数の尺度パラメータ及び形状パラメータを特定することを含む、原油のブレンド方法。
［実施態様２２］
実施態様２１に記載の原油のブレンド方法において、さらに、
特定された前記確率分布関数および各種類の構成炭化水素分子の前記相対割合に基づいて、前記所与の原油の化学組成を推定する副過程、および
この推定された化学組成に基づいて、前記所与の原油の物理的特性及び化学的特性を推定する副過程、
を含む、原油のブレンド方法。
［実施態様２３］
実施態様２２に記載の原油のブレンド方法において、前記所与の原油の推定される物理的特性が：沸点；比重；および粘度；から選択される少なくとも一種を含む、原油のブレンド方法。
［実施態様２４］
実施態様２２に記載の原油のブレンド方法において、前記所与の原油の推定される化学的特性が：パラフィン含有量；ナフテン含有量；芳香族含有量；炭素含有量；水素含有量；Ｃ／Ｈ比；アスファルテン分；残留炭素；硫黄含有量；窒素含有量；および全酸価；から選択される少なくとも一種を含む、原油のブレンド方法。
［実施態様２５］
実施態様２２に記載の原油のブレンド方法において、各種類の構成炭化水素分子の前記相対割合を決定する副過程が、前記所与の原油の推定された物理的特性及び化学的特性を、前記特定の原油特性データにマッチングさせることにより、前記所与の原油中の各種類の構成炭化水素分子の前記相対割合を決定することを含む、原油のブレンド方法。
［実施態様２６］
実施態様１７に記載の原油のブレンド方法において、前記構成炭化水素分子の種類が：パラフィン類；ナフテン類；および芳香族類；の構成炭化水素分子を含む、原油のブレンド方法。
［実施態様２７］
実施態様１７に記載の原油のブレンド方法において、構成炭化水素分子の物理的特性についての前記データが：蒸気圧；比重；および粘度；から選択される少なくとも一種を含む、原油のブレンド方法。
［実施態様２８］
実施態様１７に記載の原油のブレンド方法において、構成炭化水素分子の化学的特性についての前記データが：炭素含有量；水素含有量；硫黄含有量；窒素含有量；および酸素分；から選択される少なくとも一種を含む、原油のブレンド方法。
［実施態様２９］
実施態様１７に記載の原油のブレンド方法において、前記特定の原油特性データが：沸点；比重；粘度；パラフィン含有量；ナフテン含有量；芳香族含有量；炭素含有量；水素含有量；Ｃ／Ｈ比；アスファルテン含有量；残留炭素；硫黄含有量；窒素含有量；および全酸価；から選択される少なくとも一種を含む、原油のブレンド方法。
Claims (21)
- 原油の化学組成をコンピュータを用いてキャラクタリゼーションする方法であって、
プロセッサにより、
ｉ）パラフィン類、ナフテン類、及び芳香族類を含む群から各構成炭化水素分子種を選択する過程と、
ｉｉ）各構成炭化水素分子種について、その構造繰り返し単位である少なくとも一種のセグメントの種類、及びこれに対応するセグメント数の範囲を選択する過程と（ここで、前記セグメントの種類及び、セグメント数の範囲は、原油の物理的特性及び化学的特性から導かれるものである）、
ｉｉｉ）前記セグメントの種類及び対応するセグメント数の範囲の、尺度パラメータ及び形状パラメータを含む確率分布関数を選択する過程と、
ｉｖ）前記各セグメントの種類及び対応するセグメント数の範囲について選択された前記確率分布関数を用いて、原油の特性データを回帰させることにより、各構成炭化水素分子種の各セグメントの種類について、尺度パラメータ及び形状パラメータを決定し、構成炭化水素分子の各種類の他の種類に対する相対割合を決定して、原油の化学組成のキャラクタリゼーションを行う過程と、
ｖ）前記原油の化学組成のキャラクタリゼーション結果を出力する過程と、
を含み、
前記セグメントの種類が：メチルセグメント；ゼロ分岐メチレンセグメント；一分岐メチレンセグメント；二分岐メチレンセグメント；シクロヘキサンセグメント；シクロヘキサン側環セグメント；シクロペンタンセグメント；シクロペンタン側環セグメント；芳香族セグメント；および芳香族側環セグメント；から選択される少なくとも一種を含む、
原油の化学組成のキャラクタリゼーション方法。 - 請求項１に記載の原油の化学組成のキャラクタリゼーション方法において、さらに、
各構成炭化水素分子種の物理的特性の数値及び化学的特性の数値を、前記少なくとも一種のセグメントの種類及び対応するセグメント数の範囲との関数として推定する過程、を含む、原油の化学組成のキャラクタリゼーション方法。 - 請求項１に記載の原油の化学組成のキャラクタリゼーション方法において、さらに、
各セグメントの種類について選択された確率分布関数及び、決定された前記相対割合に基づいて、前記原油の化学組成を推定する過程と、
この推定された化学組成の関数として、前記原油の物理的特性及び化学的特性を推定する過程と、
を含む、原油の化学組成のキャラクタリゼーション方法。 - 請求項３に記載の原油の化学組成のキャラクタリゼーション方法において、前記原油の推定される物理的特性が：沸点；比重；および粘度；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
- 請求項３に記載の原油の化学組成のキャラクタリゼーション方法において、前記原油の推定される化学的特性が：パラフィン含有量；ナフテン含有量；芳香族含有量；炭素含有量；水素含有量；Ｃ／Ｈ比；アスファルテン分；残留炭素；硫黄含有量；窒素含有量；および全酸価；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
- 請求項３に記載の原油の化学組成のキャラクタリゼーション方法において、前記相対割合を決定する過程が、前記原油の推定された物理的特性及び化学的特性を、原油特性データにマッチングさせることにより、前記相対割合を決定することを含む、原油の化学組成のキャラクタリゼーション方法。
- 請求項１に記載の原油の化学組成のキャラクタリゼーション方法において、前記原油の物理的特性が：蒸気圧；比重；および粘度；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
- 請求項１に記載の原油の化学組成のキャラクタリゼーション方法において、前記原油の化学的特性が：炭素含有量；水素含有量；硫黄含有量；窒素含有量；および酸素分；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
- 請求項１に記載の原油の化学組成のキャラクタリゼーション方法において、前記原油の特性データが：沸点；比重；および粘度；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
- 請求項９に記載の原油の化学組成のキャラクタリゼーション方法において、前記特定の原油特性データが、さらに：パラフィン含有量；ナフテン含有量；芳香族含有量；炭素含有量；水素含有量；Ｃ／Ｈ比；アスファルテン含有量；残留炭素；硫黄含有量；窒素含有量；および全酸価；から選択される少なくとも一種を含む、原油の化学組成のキャラクタリゼーション方法。
- 請求項１に記載の原油の化学組成のキャラクタリゼーション方法において、さらに、
前記プロセッサにおいて、前記原油のキャラクタリゼーションされた化学組成を用いて、前記原油を表し、当該原油の物理的特性及び化学的特性を予測する過程、
を含む、原油の化学組成のキャラクタリゼーション方法。 - 請求項１１に記載の原油の化学組成のキャラクタリゼーション方法において、さらに、
コンピュータにより、前記原油のキャラクタリゼーションされた化学組成および当該原油の予測された物理的特性及び化学的特性の少なくとも一つを用いて、石油精製作業のプランニング、スケジューリング、シミュレート、設計、最適化および制御の少なくとも1つを行う過程
を含む、原油の化学組成のキャラクタリゼーション方法。 - 原油をブレンドする方法であって、
２種以上の原油試料のそれぞれの、化学組成をキャラクタリゼーションする過程と、
前記各キャラクタリゼーション結果に基づいて、前記２種以上の原油試料の各割合を、決定する過程と、
前記２種以上の原油試料を、結果として得られるブレンド油が特定の化学組成ならびに予測された物理的特性及び予測された化学的特性を有するように決定された前記各割合の量で配合する過程と、
を含み、前記２種以上の原油試料のそれぞれをキャラクタリゼーションする過程が：
プロセッサにより、
ｉ）パラフィン類、ナフテン類、及び芳香族類を含む群から各構成炭化水素分子種を選択する副過程と、
ｉｉ）各構成炭化水素分子種について、その構造繰り返し単位である少なくとも一種のセグメントの種類、及びこれに対応するセグメント数の範囲を選択する過程と（ここで、前記セグメントの種類及び、セグメント数の範囲は、原油の物理的特性及び化学的特性から導かれるものである）、
ｉｉｉ）前記セグメントの種類及び対応するセグメント数の範囲の、尺度パラメータ及び形状パラメータを含む確率分布関数を選択する副過程と、
ｉｖ）前記各セグメントの種類及び対応するセグメント数の範囲について選択された前記確率分布関数を用いて、原油の特性データを回帰させることにより、各構成炭化水素分子種の各セグメントの種類について、尺度パラメータ及び形状パラメータを決定し、構成炭化水素分子の各種類の他の種類に対する相対割合を決定して、原油の化学組成のキャラクタリゼーションを行う副過程と、
ｖ）前記原油の化学組成のキャラクタリゼーション結果を用いて前記原油を代表させることにより、前記原油の物理的特性及び化学的特性を予測する副過程と、
を含み、
前記セグメントの種類が：メチルセグメント；ゼロ分岐メチレンセグメント；一分岐メチレンセグメント；二分岐メチレンセグメント；シクロヘキサンセグメント；シクロヘキサン側環セグメント；シクロペンタンセグメント；シクロペンタン側環セグメント；芳香族セグメント；および芳香族側環セグメント；から選択される少なくとも一種を含む、
原油のブレンド方法。 - 請求項１３に記載の原油のブレンド方法において、さらに、
各種類の構成炭化水素分子種について、その物理的特性の数値及び化学的特性の数値を、少なくとも一種のセグメントの種類及び対応するセグメント数の範囲との関数として推定する過程、
を含む、原油のブレンド方法。 - 請求項１３に記載の原油のブレンド方法において、さらに、
各セグメントの種類について選択された確率分布関数及び、決定された前記相対割合に基づいて、前記原油の化学組成を推定する副過程、および
この推定された化学組成の関数として、前記原油の物理的特性及び化学的特性を推定する副過程、
を含む、原油のブレンド方法。 - 請求項１５に記載の原油のブレンド方法において、前記原油の推定される物理的特性が：沸点；比重；および粘度；から選択される少なくとも一種を含む、原油のブレンド方法。
- 請求項１５に記載の原油のブレンド方法において、前記原油の推定される化学的特性が：パラフィン含有量；ナフテン含有量；芳香族含有量；炭素含有量；水素含有量；Ｃ／Ｈ比；アスファルテン分；残留炭素；硫黄含有量；窒素含有量；および全酸価；から選択される少なくとも一種を含む、原油のブレンド方法。
- 請求項１５に記載の原油のブレンド方法において、前記相対割合を決定する副過程が、前記原油の推定された物理的特性及び化学的特性を、前記原油特性データにマッチングさせることにより、前記相対割合を決定することを含む、原油のブレンド方法。
- 請求項１３に記載の原油のブレンド方法において、前記原油の物理的特性が：蒸気圧；比重；および粘度；から選択される少なくとも一種を含む、原油のブレンド方法。
- 請求項１３に記載の原油のブレンド方法において、前記原油の化学的特性が：炭素含有量；水素含有量；硫黄含有量；窒素含有量；および酸素分；から選択される少なくとも一種を含む、原油のブレンド方法。
- 請求項１３に記載の原油のブレンド方法において、前記原油の特性データが：沸点；比重；粘度；パラフィン含有量；ナフテン含有量；芳香族含有量；炭素含有量；水素含有量；Ｃ／Ｈ比；アスファルテン含有量；残留炭素；硫黄含有量；窒素含有量；および全酸価；から選択される少なくとも一種を含む、原油のブレンド方法。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201261586268P | 2012-01-13 | 2012-01-13 | |
| US61/586,268 | 2012-01-13 | ||
| US201261644792P | 2012-05-09 | 2012-05-09 | |
| US61/644,792 | 2012-05-09 | ||
| PCT/US2013/021294 WO2013106755A1 (en) | 2012-01-13 | 2013-01-11 | Method of characterizing chemical composition of crude oil for petroleum refinery processing |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2015507747A JP2015507747A (ja) | 2015-03-12 |
| JP2015507747A5 JP2015507747A5 (ja) | 2016-02-04 |
| JP6240091B2 true JP6240091B2 (ja) | 2017-11-29 |
Family
ID=47630546
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014552346A Active JP6240091B2 (ja) | 2012-01-13 | 2013-01-11 | 石油精製のために原油の化学組成をキャラクタリゼーションする方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US9934367B2 (ja) |
| EP (1) | EP2788754B1 (ja) |
| JP (1) | JP6240091B2 (ja) |
| WO (1) | WO2013106755A1 (ja) |
Cited By (2)
| 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 |
| US11101020B2 (en) | 2017-04-24 | 2021-08-24 | Aspen Technology, Inc. | Molecular characterization method and system |
Families Citing this family (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3078726A1 (en) | 2007-05-03 | 2016-10-12 | Auterra, Inc. | Product containing monomer and polymers of titanyls and methods for making same |
| US9206359B2 (en) | 2008-03-26 | 2015-12-08 | Auterra, Inc. | Methods for upgrading of contaminated hydrocarbon streams |
| US9828557B2 (en) | 2010-09-22 | 2017-11-28 | Auterra, Inc. | Reaction system, methods and products therefrom |
| US9934367B2 (en) | 2012-01-13 | 2018-04-03 | Aspen Technology, Inc. | Method of characterizing chemical composition of crude oil for petroleum processing |
| US20150337208A1 (en) * | 2014-05-23 | 2015-11-26 | Auterra, Inc. | Hydrocarbon products |
| JP5780374B1 (ja) * | 2015-02-27 | 2015-09-16 | Ｊｆｅエンジニアリング株式会社 | 原油組成推定方法、吸収液化設備の吸収プロセスシミュレーション方法、および、回収設備のプロセスシミュレーション方法 |
| US10246647B2 (en) | 2015-03-26 | 2019-04-02 | Auterra, Inc. | Adsorbents and methods of use |
| EP3289495A1 (en) | 2015-05-01 | 2018-03-07 | Aspen Technology Inc. | Method to represent metal content in crude oils, reactor feedstocks, and reactor products |
| US10040041B2 (en) | 2015-07-09 | 2018-08-07 | Cameron International Corporation | Crude oil blending using total boiling point analysis |
| US10450516B2 (en) | 2016-03-08 | 2019-10-22 | Auterra, Inc. | Catalytic caustic desulfonylation |
| US10633970B2 (en) * | 2016-08-11 | 2020-04-28 | Halliburton Energy Services, Inc. | Drilling fluid contamination determination for downhole fluid sampling tool |
| 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 |
| RU2761458C2 (ru) * | 2016-09-22 | 2021-12-08 | Бипи Корпорейшен Норт Америка Инк. | Удаление загрязняющих веществ из сырой нефти |
| CN113355133A (zh) | 2016-10-18 | 2021-09-07 | 马威特尔有限责任公司 | 轻致密油和高硫燃油的燃料成分 |
| JP6905056B2 (ja) | 2016-10-18 | 2021-07-21 | マウェタール エルエルシー | 燃料及びその製造方法 |
| HRP20231566T1 (hr) | 2016-10-18 | 2024-05-10 | Mawetal Llc | Postupak za smanjenje emisija u luci |
| US10570733B2 (en) * | 2016-12-05 | 2020-02-25 | Baker Hughes, A Ge Company, Llc | Synthetic chromatogram from physical properties |
| JP7140951B2 (ja) * | 2018-01-19 | 2022-09-22 | アスペンテック・コーポレーション | 分子ベースの方程式指向型リアクタシミュレーションシステムとそのモデル縮約 |
| WO2019186794A1 (ja) * | 2018-03-28 | 2019-10-03 | 理研計器株式会社 | ガス検出方法およびガス検出装置 |
| WO2019187710A1 (ja) * | 2018-03-28 | 2019-10-03 | 理研計器株式会社 | ガス検出方法およびガス検出装置 |
| JP7376886B2 (ja) | 2019-03-29 | 2023-11-09 | 国立研究開発法人産業技術総合研究所 | 分子反応モデリング方法 |
| CN112149858A (zh) * | 2019-06-27 | 2020-12-29 | 中国石油化工股份有限公司 | 一种利用原油谱学信息预测渣油馏分sara组成的方法 |
| US11500654B2 (en) | 2019-12-04 | 2022-11-15 | International Business Machines Corporation | Selecting a set of fast computable functions to assess core properties of entities |
| WO2021113954A1 (en) * | 2019-12-13 | 2021-06-17 | Validere Technologies Inc. | System, method and apparatus for predicting physical properties by indirect measurement |
| CN111892938B (zh) * | 2020-06-12 | 2022-08-30 | 中国石油天然气股份有限公司 | 一种原油分子组成的确定方法、系统、装置及存储介质 |
| 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 |
| CN111899802A (zh) * | 2020-06-12 | 2020-11-06 | 中国石油天然气股份有限公司 | 一种混合物物性检测方法、系统、设备和存储介质 |
| WO2022225840A1 (en) * | 2021-04-22 | 2022-10-27 | Fueltrust, Inc. | Machine-learning-based chemical analysis and multi-tenant node on a private network of distributed, auditable, and immutable databases |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5223714A (en) | 1991-11-26 | 1993-06-29 | Ashland Oil, Inc. | Process for predicting properties of multi-component fluid blends |
| US5699269A (en) | 1995-06-23 | 1997-12-16 | Exxon Research And Engineering Company | Method for predicting chemical or physical properties of crude oils |
| US5808180A (en) * | 1996-09-12 | 1998-09-15 | Exxon Research And Engineering Company | Direct method for determination of true boiling point distillation profiles of crude oils by gas chromatography/mass spectrometry |
| US6662116B2 (en) | 2001-11-30 | 2003-12-09 | Exxonmobile Research And Engineering Company | 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 |
| NZ553527A (en) | 2004-09-15 | 2009-12-24 | Bp Oil Int | Process for evaluating a refinery feedstock |
| US8682597B2 (en) | 2007-10-16 | 2014-03-25 | Exxonmobil Research And Engineering Company | Estimating detailed compositional information from limited analytical data |
| ITMI20111908A1 (it) | 2011-10-21 | 2013-04-22 | Eni Spa | Metodo per predire le proprieta' dei greggi mediante l'applicazione delle reti neurali |
| US10393723B2 (en) | 2012-01-13 | 2019-08-27 | Aspen Technology, Inc. | Method to represent metal content in crude oils, reactor feedstocks, and reactor products |
| US9934367B2 (en) | 2012-01-13 | 2018-04-03 | Aspen Technology, Inc. | Method of characterizing chemical composition of crude oil for petroleum processing |
| EP3289495A1 (en) | 2015-05-01 | 2018-03-07 | Aspen Technology Inc. | Method to represent metal content in crude oils, reactor feedstocks, and reactor products |
-
2013
- 2013-01-11 US US13/740,095 patent/US9934367B2/en active Active
- 2013-01-11 WO PCT/US2013/021294 patent/WO2013106755A1/en active Application Filing
- 2013-01-11 EP EP13702132.5A patent/EP2788754B1/en active Active
- 2013-01-11 JP JP2014552346A patent/JP6240091B2/ja active Active
Cited By (2)
| 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 |
| US11101020B2 (en) | 2017-04-24 | 2021-08-24 | Aspen Technology, Inc. | Molecular characterization method and system |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2788754A1 (en) | 2014-10-15 |
| WO2013106755A1 (en) | 2013-07-18 |
| JP2015507747A (ja) | 2015-03-12 |
| US20130185044A1 (en) | 2013-07-18 |
| EP2788754B1 (en) | 2019-07-03 |
| US9934367B2 (en) | 2018-04-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6240091B2 (ja) | 石油精製のために原油の化学組成をキャラクタリゼーションする方法 | |
| Chang et al. | Refinery engineering: Integrated process modeling and optimization | |
| Liang et al. | On petroleum fluid characterization with the PC-SAFT equation of state | |
| EP2699900A1 (en) | Prediction of refining characteristics of oil | |
| Fu et al. | Hybrid model for optimization of crude oil distillation units | |
| Espada et al. | Evaluation of methods for the extraction and characterization of waxes from crude oils | |
| Sugiyama et al. | Construction, validation, and application of digital oil: Investigation of asphaltene association toward asphaltene-precipitation prediction | |
| Carreón-Calderón et al. | Thermodynamic characterization of undefined petroleum fractions using group contribution methods | |
| Alavian et al. | Global component lumping for EOS calculations | |
| Wu et al. | Molecular management for refining operations | |
| Cui et al. | Computer-aided gasoline compositional model development based on GC-FID analysis | |
| Efimov et al. | UNIFAC residual marine fuels stability prediction from NMR and elemental analysis of SARA components | |
| JP6836507B2 (ja) | 紫外可視分光法による原油のキャラクタリゼーション | |
| Flumignan et al. | Multivariate calibrations in gas chromatographic profiles for prediction of several physicochemical parameters of Brazilian commercial gasoline | |
| Heidariyan et al. | Experimental investigation and thermodynamic modeling of wax precipitation in crude oil using the multi-solid model and PC-SAFT EOS | |
| Mejia-Miranda et al. | Correlation for predicting corrosivity of crude oils using proton nuclear magnetic resonance and chemometric methods | |
| Leontaritis | PARA-based (paraffin-aromatic-resin-asphaltene) reservoir oil characterizations | |
| Fu et al. | Comparison of methods for computing crude distillation product properties in production planning and scheduling | |
| Maheshwari et al. | Correlations for Pour Point and Cloud Point of middle and heavy distillates using density and distillation temperatures | |
| Zuo et al. | EOS-based downhole fluid characterization | |
| Zuo et al. | Wax formation from synthetic oil systems and reservoir fluids | |
| Zarifi et al. | Auto-tune of PVT data using an efficient engineering method: Application of sensitivity and optimization analyses | |
| Wu et al. | Artificial neural network model to predict cold filter plugging point of blended diesel fuels | |
| Duan et al. | Modeling the characterization of the plus fractions by using continuous distribution function | |
| US10317325B2 (en) | Prediction of kinematic viscosity of vacuum residue and refinery heavy product blends |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20151210 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20151210 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20161027 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161115 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170215 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170627 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170807 |
|
| 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: 20171017 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20171102 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6240091 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |