MX2011004170A - Metodo para predecir estabilidad de corriente de proceso de hidrocarburo utilizando espectros de infrarrojos cercano. - Google Patents
Metodo para predecir estabilidad de corriente de proceso de hidrocarburo utilizando espectros de infrarrojos cercano.Info
- Publication number
- MX2011004170A MX2011004170A MX2011004170A MX2011004170A MX2011004170A MX 2011004170 A MX2011004170 A MX 2011004170A MX 2011004170 A MX2011004170 A MX 2011004170A MX 2011004170 A MX2011004170 A MX 2011004170A MX 2011004170 A MX2011004170 A MX 2011004170A
- Authority
- MX
- Mexico
- Prior art keywords
- spectrum
- stability
- samples
- data set
- hydrocarbon process
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 125
- 230000008569 process Effects 0.000 title claims abstract description 55
- 239000004215 Carbon black (E152) Substances 0.000 title claims abstract description 39
- 229930195733 hydrocarbon Natural products 0.000 title claims abstract description 39
- 150000002430 hydrocarbons Chemical class 0.000 title claims abstract description 39
- 238000002329 infrared spectrum Methods 0.000 title claims description 8
- 238000002835 absorbance Methods 0.000 claims abstract description 35
- 238000007620 mathematical function Methods 0.000 claims abstract description 12
- 238000001228 spectrum Methods 0.000 claims description 73
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 10
- 230000003595 spectral effect Effects 0.000 abstract description 5
- 238000013145 classification model Methods 0.000 abstract description 4
- IMNFDUFMRHMDMM-UHFFFAOYSA-N N-Heptane Chemical compound CCCCCCC IMNFDUFMRHMDMM-UHFFFAOYSA-N 0.000 description 39
- 239000000523 sample Substances 0.000 description 23
- 239000010779 crude oil Substances 0.000 description 15
- 239000003921 oil Substances 0.000 description 15
- OKIBNKKYNPBDRS-UHFFFAOYSA-N Mefluidide Chemical compound CC(=O)NC1=CC(NS(=O)(=O)C(F)(F)F)=C(C)C=C1C OKIBNKKYNPBDRS-UHFFFAOYSA-N 0.000 description 14
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- 239000000243 solution Substances 0.000 description 8
- 238000000513 principal component analysis Methods 0.000 description 7
- 238000005189 flocculation Methods 0.000 description 6
- 230000016615 flocculation Effects 0.000 description 6
- 239000002904 solvent Substances 0.000 description 6
- 238000004227 thermal cracking Methods 0.000 description 6
- 239000002699 waste material Substances 0.000 description 6
- 238000005336 cracking Methods 0.000 description 5
- 239000010763 heavy fuel oil Substances 0.000 description 5
- 238000005191 phase separation Methods 0.000 description 5
- 238000007670 refining Methods 0.000 description 5
- 125000003118 aryl group Chemical group 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000004448 titration Methods 0.000 description 4
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- 239000010426 asphalt Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000010224 classification analysis Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010790 dilution Methods 0.000 description 3
- 239000012895 dilution Substances 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 238000004821 distillation Methods 0.000 description 3
- 239000000295 fuel oil Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001376 precipitating effect Effects 0.000 description 3
- 239000011347 resin Substances 0.000 description 3
- 229920005989 resin Polymers 0.000 description 3
- 229920006395 saturated elastomer Polymers 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 238000007655 standard test method Methods 0.000 description 3
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000011481 absorbance measurement Methods 0.000 description 2
- 125000000217 alkyl group Chemical group 0.000 description 2
- 150000001491 aromatic compounds Chemical class 0.000 description 2
- 238000009835 boiling Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 239000000571 coke Substances 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000003209 petroleum derivative Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000003705 background correction Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000004939 coking Methods 0.000 description 1
- 238000001246 colloidal dispersion Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 239000012084 conversion product Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012470 diluted sample Substances 0.000 description 1
- 239000003085 diluting agent Substances 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 125000005842 heteroatom Chemical group 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 125000002496 methyl group Chemical group [H]C([H])([H])* 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 125000003367 polycyclic group Chemical group 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 239000010909 process residue Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000012066 statistical methodology Methods 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011271 tar pitch Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000005292 vacuum distillation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/022—Liquids
- G01N2291/0226—Oils, e.g. engine oils
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Se revela y reivindica un método para predecir la estabilidad de un corriente de proceso de hidrocarburo. El método incluye obtener muestras de una o más corrientes de proceso y medir la estabilidad real y la absorbancia espectral del infrarrojo cercano de aquellas muestras. Un modelo de clasificación es desarrollado inicialmente para identificar subconjuntos de muestras y el modelo de correlación es creado utilizando los datos de estabilidad y absorbancia al insertar aquellos datos a una función matemática. Mediciones en línea o fuera de línea son luego tomadas de la corriente de proceso de hidrocarburo, el modelo de clasificación es usado inicialmente para identificar el subconjunto y el modelo de correlación correspondiente es usado para predecir la estabilidad de la corriente.
Description
MÉTODO PARA PREDECIR ESTABILIDAD DE CORRIENTE DE PROCESO DE HIDROCARBURO UTILIZANDO ESPECTROS DE INFRARROJOS CERCANO
CAMPO TÉCNICO
La presente invención es concerniente en general con la predicción de estabilidad de corriente de proceso de hidrocarburo. Más específicamente, la. invención es concerniente con la creación de un modelo de correlación para predecir la estabilidad de corriente de proceso de hidrocarburo utilizando absorbancia del infrarrojo cercano. La invención tiene relevancia particular para predecir la estabilidad de una corriente de proceso de hidrocarburo al medir una absorbancia del infrarrojo cercano y comparar la absorbancia medida contra un modelo de correlación.
o
ANTECEDENTES DE LA INVENCIÓN
El petróleo crudo contiene comúnmente varios cientos de miles de compuestos. Un sistema de análisis simplificado común clasifica estos compuestos en cuatro grupos de acuerdo con su solubilidad. Este sistema es conocido como análisis "SARA", en donde los grupos son saturados, aromáticos, resinas, y asfáltenos. Los menos solubles de estos grupos son los asfáltenos, que pueden ser estabilizados mediante asociación con resinas y/o aromáticos pero son desestabilizados mediante asociación con saturados. Los asfáltenos existen comúnmente como una dispersión estabilizada a escala nanoscópica en la
mezcla de resina, aromáticos y saturados. Si el equilibrio de estos componentes es alterado, como puede ser durante el craqueo (o cracking) térmico, pueden surgir condiciones en donde los asf ltenos precipitan de la solución. Entre otros problemas, este craqueo térmico puede conducir a formación de coque a altas temperaturas y lodo en residuos de alquitrán rompedores de viscosidad (refino) .
Los asfáltenos son de particular interés para la industria del petróleo debido a su efecto de deposición en el equipo de producción. Los asfáltenos también imparten alta viscosidad a los petróleos crudos, impactando negativamente la producción. La concentración de asfalteno variable en los petróleos crudos en yacimientos individuales crea una miríada de problemas de producción. La refinación de crudos más pesados plantea problemas a los productores y refinadores de petróleo. Durante la producción, la precipitación de asfalteno deseable provoca el taponamiento del pozo. Durante la refinación, los asfáltenos provocan ensuciamiento del intercambiador de calor de refinería, también como envenenamiento del catalizador mediante coquificación o enlace de sitios activos con metales pesados .
Los asfáltenos en petróleo crudo, petróleo de combustible, residuo de destilación y los semejantes son insolubles en heptano a su punto de ebullición y solubles en benceno en su punto de ebullición. Son comúnmente sólidos
negros a café oscuro que tienen una estructura molecular de anillos aromáticos polinucleares con cadenas laterales alquilo y heteroátomos , tales como nitrógeno, oxígeno y azufre. Estas características de solubilidad permiten su medición indirecta.
Por ejemplo, la patente estadounidense No. 4,940,900 expedida a Lambert revela la medición del umbral de floculación de un producto de petróleo que contiene asfáltenos al agregar continuamente un agente precipitante y medir la radiación de infrarrojo cercano transmitida a través de una muestra del producto en relación con la cantidad de agente precipitante agregado. El método requiere tanto la adición de un solvente como agente precipitante al producto que contiene asfalteno probado. La patente estadounidense No. 5,452,232 expedida a Espinosa et al . revela un método para determinar propiedades y rendimiento de un producto de conversión de hidrocarburo a partir del espectro de NIR de la materia prima de alimentación. El infrarrojo medio también ha sido usado para determinar los grupos funcionales en asfáltenos por la proporción de metilo, carbonos parafínicos y naftónicos, y la longitud de cadena lateral de alquilo.
La práctica actual para determinar la estabilidad de asfalteno de las corrientes de proceso de hidrocarburo involucra utilizar una forma de un método de separación de fase heptano. En aquel método, el heptano es agregado a una muestra de una corriente de proceso de hidrocarburo, que diluye la
muestra y disminuye su absorbancia. En el punto final, la absorbancia se comienza a incrementar debido a la precipitación de asfalteno (u otro compuesto aromático condensado) . La estabilidad de asfalteno es aquella calculada en base a las lecturas de absorbancia. Un método típico de este tipo es descrito en detalle en "Standard Test Method for Determination of Intrinsic Stability of Asphaltene-Containing Residues, Heavy Fuel Oils, and Crude Oils (n-Heptane Phase Separation; Optical Detection) , published by ASTM International in May 2005 under "Designatión D7157-05)". Además de tomar mucho tiempo, una desventaja de este método es que requiere múltiples diluciones de la muestra, cada una luego siendo titulada con el solvente de n-heptano para evaluación. Estos métodos también limitan significativamente la habilidad para optimizar el proceso de craqueo, especialmente bajo condiciones de cambios frecuentes en el tipo de petróleo crudo en la corriente de alimentación.
Así, existe una necesidad en marcha de métodos mejorados para determinar la estabilidad en corrientes de proceso de hidrocarburo. Existe una necesidad particular para determinar rápida y eficientemente la estabilidad de ' la-corriente de proceso con cambios frecuencias en el tipo de alimentación.
BREVE DESCRIPCIÓN DE LA INVENCIÓN
La presente invención es concerniente con un método para predecir la estabilidad en una corriente de proceso de hidrocarburo utilizando un espectro del infrarrojo cercano combinado con un modelo de correlación. En un aspecto, el método incluye medir un valor de estabilidad correspondiente a cada uno de una pluralidad de muestras de una corriente de proceso de hidrocarburo para producir un primer conjunto de datos; seleccionar uno o más números de ondas en el espectro de infrarrojo cercano ( "NIR" ) como un primer espectro; utilizar el primer espectro para determinar una absorbancia correspondiente a cada una de la pluralidad de muestras para producir un segundo conjunto de datos; incorporar el primer conjunto de datos y el segundo conjunto de datos a por lo menos una función matemática para crear el modelo de correlación; seleccionar uno o más números de onda en el espectro de NIR como un segundo espectro; utilizar el segundo espectro para medir una absorbancia correspondiente a una o más muestras adicionales; calcular un valor de estabilidad predicho correspondiente a la(s) muestra (s) adicional (es ) al utilizar la absorbancia medida como entrada para el modelo de correlación y recibir como salida la estabilidad predicha; y opcionalmente almacenar la salida recibida en un dispositivo de almacenamiento electrónico y/o mostrar la salida recibida en un dispositivo de pantalla.
En otro aspecto, el método incluye clasificar la corriente de proceso de hidrocarburo en una pluralidad de procesos diferentes.; seleccionar uno de los procesos; medir un valor de estabilidad correspondiente a cada una de una pluralidad de muestras de uno de los procesos para producir un primer conjunto de datos; seleccionar uno o más números de onda n el espectro de NIR como un primer espectro; utilizar el primer espectro para determinar una absorbancia correspondiente a cada una de la pluralidad de muestras para producir un segundo conjunto de datos; incorporar el primer conjunto de datos y el segundo conjunto de datos a por lo menos una función matemática para crear el modelo de correlación; seleccionar uno o más números de onda en el espectro de NIR como un segundo espectro; utilizar el segundo espectro para medir una absorbancia correspondiente a una o más muestras adicionales; calcular un valor de estabilidad predicho correspondiente a la(s) muestra (s) adicional (es) al utilizar la absorbancia medida como entrada para el modelo de correlación y que recibir como salida la estabilidad predicha; y opcionalmente almacenar la salida recibida en un dispositivo de almacenamiento electrónico y/o mostrar la salida recibida en un dispositivo de pantalla .
Es una ventaja de la invención proveer un método para predecir la estabilidad de .un corriente de proceso de hidrocarburo al definir un intervalo de los espectros de NIR e
incorporar la absorbancia medida a una o más funciones matemáticas .
Otra ventaja de la invención es proveer un método para reunir datos de estabilidad de una pluralidad de corrientes de proceso de hidrocarburo y crear un modelo de correlación a partir de aquellos datos para permitir el cálculo de una estabilidad predicha basada solamente en las mediciones espectrales de NIR.
Una ventaja adicional de la invención es proveer un método para analizar una muestra de alimentación para seleccionar un modelo de correlación óptimo para uso en el análisis de la muestra de residuo craqueada correspondiente.
Una ventaja adicional de la invención es proveer un método eficiente mejorado para analizar muestras de residuo craqueadas que reduce la cantidad de tiempo requerido en comparación con las metodologías existentes .
Otra ventaja de la invención es proveer un método compatible con el usuario para analizar muestras de residuo craqueadas que requiere menos habilidad y entrenamiento que las metodologías actuales .
Todavía otra ventaja de la invención es proveer un método en línea para analizar una muestra de residuo craqueada para optimizar el proceso de craqueo.
Elementos y ventajas · adicionales son descritos en la presente y serán evidentes a partir de la siguiente descripción detallada, figuras y ejemplos.
BREVE DESCRIPCIÓN DE LAS FIGURAS
La Figura 1 ilustra la exactitud de valores de estabilidad predichos utilizando un modelo de correlación representativo .
La Figura 2 muestra una gráfica de absorbancia ejemplar de una concentración de vistar al 25% titulada con n-heptano. En un punto, el equilibrio de solubilidad en la solución provoca que los asfáltenos disueltos precipiten como partículas negras. Esta precipitación crea un incremento repentino en la absorbancia y es el punto final de titulación.
La Figura 3 representa la derivación de FRmax y 1/Xmin, en donde FRmax es la proporción de floculación cuando 1/X = 0 y 1/Xmin es una medida del volumen de heptano necesario para la floculación en el aceite sin diluir.
La Figura 4 ilustra' una gráfica de absorbancia espectral de NIR típica para el residuo de visbroken.
La Figura 5 muestra una caracterización de PCA ejemplar de espectros de NIR de alimentación, como se explica en el Ejemplo 4.
La Figura 6 ilustra un ejemplo de la estabilidad predicha por el método de la invención en comparación con la
estabilidad determinada experimentalmente, como se explica en el Ejemplo 4.
DESCRIPCIÓN DETALLADA
El método revelado puede ser aplicado a cualquier número de corrientes de proceso o de refinería en las cuales los componentes de asfalteño son estabilizados o solubilizados y no está limitado a algún tipo particular de corriente de proceso de hidrocarburo. Ejemplos representativos incluyen petróleo crudo (que abarca el intervalo del petróleo con alto contenido asfáltico o contenido de asfáltico agrio abajo o dulce), alimentaciones del fondo de destilación atmosférico, residuos, alimentaciones de fondo de vacío de unidad de crudo, petróleo crudo de tubería, productos del fondo de desasfaltado de solvente y otras corrientes de refinería. El método puede también ser aplicado por ejemplo al petróleo de combustible pesado. La aplicación del método revelado es contemplada en cualquier tipo de producto de petróleo en cualquier fase del proceso de refinación en la cual los asfáltenos son estabilizados o solubilizados. Dependiendo del tipo de muestra usada, el número de muestras requeridas para producir un modelo de correlación predictivo exacto puede variar, como se explica en más detalle posteriormente en la presente.
En una modalidad, el método es concerniente con la predicción de estabilidad en un corriente de proceso de
hidrocarburo utilizando mediciones de absorbancia espectrales de NIR combinadas con un modelo de correlación. El método incluye numerosos etapas y generación de conjunto de datos para crear el modelo de correlación. En una modalidad preferida, la estabilidad de cada una de la pluralidad de muestras de la corriente de proceso de hidrocarburo es medida utilizando cualquier' técnica apropiada. Una de tales técnicas es la separación de fases por n-heptano como sé describe en la Designación de ASTM: D7157-05, publicada como "Standard Test Method for Determination of Intrinsic Stability of Asphaltene-Containing Residues, Heavy Fuel Oils, and Crude Oils (n-Heptane Phase Separation,- Optical Detection) . Este conjunto de mediciones produce un primer conjunto de datos que son usados en conjunción con uno o más conjuntos de datos adicionales para crear el modelo de correlación.
En base al primer conjunto de datos, el método incluye seleccionar uno o más números de onda en el espectro de NIR como un primer espectro. Para cada muestra que tiene su estabilidad medida, una absorbancia correspondiente a cada una de la pluralidad de aquellas muestras es medida para producir un segundo conjunto de datos. El primer conjunto de datos y el segundo conjunto de datos son luego incorporados a una función matemática para crear el modelo de correlación.
En una modalidad, el método incluye clasificar la pluralidad de muestras en base al primer conjunto de datos y/o
el segundo conjunto de datos. La clasificación se hace comúnmente en una de dos maneras. En una modalidad, por ejemplo en procesos de craqueo térmico, junto con cada muestra del residuo craqueado (vistar en el caso de los rompedores de viscosidad) una muestra correspondiente es tomada de la alimentación a la unidad, del cual el residuo craqueado es derivado. Los espectros de NIR de las alimentaciones son registrados y analizados utilizando una técnica de clasificación estadística, tal como Análisis de Componente Principal, Análisis de Red Neural, etc., para crear un tercer conjunto de datos. La clasificación para el modelado del primero y segundo conjunto de datos está basada en este tercer conjunto de datos. En una modalidad alternativa, los espectros de NIR de las muestras de residuo craqueadas por sí mismos son usados en el análisis de clasificación inicial. Modelos de mínimos cuadrados parciales separados (PLS) son luego derivados para los diferentes grupos de clasificación identificados.
El modelo de correlación puede ser usado para predecir un valor de estabilidad para una o más muestras adicionales al seleccionar uno o más números de onda en el espectro de NIR como un segundo espectro y usar el segundo espectro para medir un valor de absorbancia para la(s) muestra(s) adicional (es ) . El método incluye además calcular un valor de estabilidad predicho correspondiente a la(s) muestra (s) adicional (es ) al utilizar la absorbancia medida en
el segundo espectro como entrada para el modelo de correlación y recibir como salida la estabilidad predicha. En una modalidad, el primer espectro y el segundo espectro se traslapan por lo menos parcialmente. En otra modalidad, el primer espectro y el segundo espectro son idénticos. Se debe apreciar que en general diferencias de espectro de NIR son sutiles y parecen casi idénticas a simple vista. Comúnmente, ligeros resaltos y ensanchamiento de picos serán observados .
Comúnmente, la región principal del espectro de NIR que contiene información predictiva de la estabilidad y que incluye el primer espectro y/o el segundo espectro tienen números de onda de aproximadamente 7,500 cm"1 a aproximadamente 4,000 cm"1. La selección de regiones del espectro de NIR para inclusión en el modelo se lleva a cabo comúnmente por medio de un proceso iterativo utilizando análisis de PLS (u otra función apropiada) y elementos de programación estadísticos apropiados conocidos en el arte. Modelos para diferentes clasificaciones para diferentes grados de robustez pueden estar basados en diferentes regiones del espectro. Un modelo puede estar basado, por ejemplo en una o más regiones, tal como basado en tres regiones que incluyen de aproximadamente 4,400 cm"1 a aproximadamente 4,200 cm"1, de aproximadamente 5,600 cm"1 a aproximadamente 5,900 cm"1, y de aproximadamente 7,000 cm"1 a aproximadamente 7,500 cm"1. Alternativamente, una sola región, tal como de aproximadamente 4,500 cm"1 a aproximadamente 4,000
cm puede ser usada. La región seleccionada puede también depender de cualquier pre-procesamiento que ha sido llevado a cabo en los datos de absorbancia espectrales básicos, que puede incluir corrección de referencia, cálculo de derivadas de primer o segundo orden u otras técnicas apropiadas .
Aunque una variedad de compuestos aromáticos altamente condensados pueden ser detectados al determinar o predecir . la estabilidad de una muestra particular, los asfáltenos y/o residuos que contienen asfalteno comúnmente son la especie detectada. Al crear el primer conjunto de datos que comprenderá parte de la información usada para crear el modelo de correlación utilizando la función matemática, la pluralidad de muestras medidas pueden, en modalidades alternativas, ser ya sea de una misma corriente de proceso de hidrocarburo o una corriente de proceso de hidrocarburo diferente. Por ejemplo, un subcon unto de la pluralidad de muestras puede ser obtenido de un tipo particular de corrientes de proceso de hidrocarburo (por ejemplo, fracción del fondo, aceite combustible mezclado, aceite gaseoso, etc.) en un sitio particular y otro subconjunto puede ser obtenido del mismo tipo de corriente de proceso de hidrocarburo en otro sitio. Los valores de estabilidad medidos de las muestras de los dos sitios pueden ser combinados para formar un conjunto de datos.
Se contempla que tales conjuntos de datos pone ser. formados a partir de muestras obtenidas de una, dos o más
corrientes de proceso de hidrocarburos del mismo tipo, ya sea en el mismo sitio o diferentes sitios. Corrientes de proceso en diferentes sitios y de un tipo diferente pueden también ser usadas. En el último caso, los tipos diferentes de corrientes de proceso comúnmente necesitan ser compatibles desde un punto de vista de espectros de NIR. Comúnmente, este método es aplicable a corrientes de proceso de hidrocarburos en donde la estabilidad de la solución del asfalteno (u otra especie aromática altamente condensada) es dependiente del poder de solvente o componente de dispersión del hidrocarburo. La estabilidad de la solución es también dependiente en general del equilibrio de componentes saturados y aromáticos que componen en solvente o componente de dispersión.
En una modalidad, las muestras (incluyendo las muestras para crear el primer conjunto de datos, segundo conjunto de datos, otros conjuntos de datos, y las muestras a ser predichas) son derivadas de una corriente' de proceso de hidrocarburo sin craquear. En otra modalidad, tales, muestras son derivadas de una corriente de proceso de hidrocarburo craqueada. Los conjuntos de muestras podrían ser derivados de una multitud de fuentes, en las que se incluyen, por ejemplo petróleos crudos; residuos de destilación atmosférica de petróleo crudo; residuos de destilación al vacío de petróleo crudo; aceites combustibles pesados combinados o residuos de proceso de craqueo térmico que contienen asfáltenos, asf ltenos
craqueados o especies policiclicas que han sido generadas durante el proceso de craqueo.
Otras caracterizaciones potenciales de una alimentación de hidrocarburo pueden incluir residuo atmosférico o residuo al vacío pesado en términos de su potencial para ensuciar o un índice de "estabilidad" básico. Las características podrían ser relacionadas con el ensuciamiento de precalentamiento crudo, ensuciamiento de horno al vacío, ensuciamiento de horno de rompedor de viscosidad, ensuciamiento de horno de coquificador o los semejantes.
Muchas de estas características son reflejadas a algún grado en los espectros de NIR, permitiendo el análisis de SARA para aceites crudos sea predicho a partir de aquellos espectros utilizando una correlación matemática. Tales características predichas resultan de un equilibrio complejo de un vasto intervalo de componentes. Por ejemplo, al desarrollar una correlación entre los espectros de NIR y estabilidad, un intervalo de "vistars" fue reunido y la estabilidad ' fue. determinada mediante un método estándar y los espectros de NIR fueron registrados bajo condiciones específicas. En este ejemplo, un análisis de mínimos cuadrados parcial fue usado para desarrollar una correlación entre ciertas regiones del espectro de NIR y la estabilidad. Un número de modelos pueden ser generados con diferentes grados de predictibilidad dependiendo de factores tales como las regiones específicas del
espectro usado y el tipo de pre-procesamiento efectuado con los espectros (esto es, utilizando corrección de fondo, tomando derivadas, otras funciones matemáticas y transformaciones, etc.) . Algunos de estos modelos tienen grados muy similares de predictibilidad.
En general, un modelo de correlación que incluye conjuntos de datos de un amplio intervalo de diferentes corrientes de proceso produce un modelo más robusto. Mientras más amplia es la "clase" de materiales incorporados en un modelo de correlación, más robusto y poderoso es el modelo de correlación resultante. En ciertos casos, tal modelo robusto puede tener intervalos de confianza incrementados para el resultado predicho. Inversamente, una clase más estrecha de materiales produce comúnmente una correlación más exacta, pero el modelo está entonces limitado a un intervalo más estrecho de materiales o corrientes de proceso. La definición de tales "clases" de materiales sería evidente para aquellos experimentados en el arte. Una estrategia representativa incluye usar los espectros de NIR de las muestras sin craquear para clasificar las muestras craqueadas correspondientes a ser probadas y usar esos grupos de muestras para integrar diferentes modelos de correlación. Un amplio intervalo de alimentación sin craque.ar es comúnmente requerida en la unidad de craqueo real para definir tales clasificaciones, mientras que en otros casos, tales como aceite combustible combinado,
aceite gaseoso, etc., menos muestras pueden ser suficientes para producir un modelo apropiado. La Figura 1 ilustra la exactitud de valores de estabilidad predichos utilizando un modelo de correlación de PLS representativo (el rango indica el número de componentes principales en el modelo de correlación particular usado) .
De acuerdo con una modalidad, tal esquema de clasificación requeriría en general poner en operación dos espectros inicialmente, uno para la alimentación para determinar cual modelo de regresión usar, y un segundo para una o más de las muestras craqueadas para calcular la estabilidad o valor de "S" .
Los espectros de muestra craqueados serían procesados en dos etapas, inicialmente mediante un análisis de clasificación (por ejemplo, análisis de componente principal) , seguido por análisis por la estabilidad o valor de "S" utilizando un modelo de correlación apropiado. Alternativamente, los espectros de NIR de las muestras de residuo craqueadas podrían ser usados en el análisis de clasificación inicial. Modelos separados (por ejemplo, PLS) pueden luego ser derivados para los diferentes grupos de clasificación identificados. En este caso, el análisis espectral de NIR ocurre en dos etapas . La primera etapa incluye un modelo de clasificación de componente principal para determinar la clase y el modelo de. correlación asociado. El
segundo incluye aplicar la técnica de análisis apropiada (por ejemplo, PLS) para predecir la estabilidad.
Se debe apreciar que cualquier técnica matemática y/o técnica estadística que pueda incorporar lógicamente los primeros y segundos conjuntos de datos para producir el modelo de correlación puede ser usada. En una modalidad, la función matemática incluye un método de tratamiento estadístico. En otra modalidad, la función matemática incluye cualquier protocolo a base de algoritmo manual o por computadora apropiado para producir el modelo de correlación. Tipos representativos de funciones matemáticas incluye pero no están limitadas a regresión lineal, regresión no lineal, y análisis de red neural . Se debe apreciar que cualquier método de correlación general sería aplicable para este método descrito. En una modalidad, la modelo o función particular usado para crear el modelo de cor-relación puede ser cambiado o ajustado dependiendo de los conjuntos de datos generados y adquiridos.
En modalidades alternativas, la absorbancia de NIR puede ser leída en línea (continua o intermitente) y utilizando la estrategia de clasificación/correlación descrita, la determinación de la estabilidad o valor de "S" podría ser automática. Tales mediciones en línea pueden ser analizadas en tiempo real o con un retardo definido por el usuario u otro retardo. Por ejemplo, mediciones en línea pueden tomar lugar al
utilizar un dispositivo de corriente lateral, en línea u otro dispositivo de flujo pasante apropiado.
Un operador manual o un dispositivo electrónico que tiene componentes tal como un procesador, un dispositivo de memoria, un medio de almacenamiento digital, tubo de rayos catódicos, pantalla de cristal líquido, pantalla de plasma, pantalla de contacto, u otro monitor, y/o otros componentes pueden ser usados para ejecutar todo o partes del método descrito. En ciertas instancias, el controlador puede ser operable para integración con uno o más circuitos integrados específicos de aplicación, programas, instrucciones ejecutables por computadora o algoritmos, uno o más dispositivos cableados, dispositivos inalámbricos y/o uno o más dispositivos mecánicos. Algunas o todas las funciones del sistema del controlador pueden estar en una locación central, tal como un servidor de red, para comunicación en una red de área local, red de área amplia, red inalámbrica, conexión de Internet, enlace por microondas, enlace infrarrojo y los semejantes. Además, otros componentes tal como un acondicionador de señal o monitor de sistema puede ser incluido para facilitar algoritmos de procesamiento de señales . También se contempla que cualesquier detectores necesarios, acopladores, conectores u otro equipo de medición/transmisión de datos pueden ser usados para capturar y transmitir datos.
Lo anterior se puede comprender mejor con referencia a los siguientes ejemplos, que se proponen solamente por propósitos ilustrativos y no pretenden limitar el alcance de la invención .
EJEMPLO 1
Para una serie de 24 muestras de vistar, los espectros de "estabilidad" y NIR fueron determinados utilizando metodología estándar aceptada. Utilizando una metodología estadística de mínimos cuadrados parcial, un modelo de correlación fue desarrollado entre la medición de estabilidad estándar y la medición de absorbancia en regiones seleccionadas en el espectro de NIR. El modelo fue validado utilizando una técnica de validación cruzada, en donde una muestra a la vez fue dejada fuera del modelo de correlación y predicha de aquella correlación.
Por propósitos de este ejemplo, la estabilidad de una serie de muestras de vistar fue determinada de acuerdo con el método de ASTM Designación: D7157-05, publicada como "Standard Test Method for Determination of Intrinsic Stability of Asphaltene-Containing Residues, Heavy Fuel Oils, and Crude Oils (separación de fases de n-heptano; detección óptica) . Este método supone un modelo del aceite que .cubre el concepto general de estabilidad de asfalteno en una matriz de aceite. Por ejemplo, el aceite puede ser modelado como consiste de
asfáltenos que existen como una dispersión coloidal estable en una matriz de aceite.
Tres diluciones fueron preparadas para cada muestra de vistar utilizando tolueno como diluyente de concentración de aproximadamente 25%, 50% y 70%. A su vez, las muestras diluidas fueron ajustadas a un aparato equipado con un agitador y una sonda óptica para medir la absorbancia de la solución. La solución fue titulada con heptano y la absorbancia medida como función del heptano agregado, como se describe en la Designación de ASTM: D7157-05. La titulación' con n-heptano provoca iiiicialmente una reducción en absorbancia como función de la dilución. En algún punto, el equilibrio de solubilidad en la solución provoca que los asfáltenos disueltos es precipiten como partículas negras. Esta precipitación crea un incremento repentino en la absorbancia y es el punto final de titulación. La proporción de tolueno a heptano en la solución en este punto final es denominada la "proporción de floculación" ("FR") . La Figura 2 ilustra una gráfica de absorbancia típica para tal titulación con una concentración de vistar al 25%. La FR fue determinada para cada concentración de vistar.
La FR fue graficada contra la proporción de vistar a solvente (esto es, tolueno + heptano) que existía en el punto final, denominada 1/X. Una línea de regresión lineal de mínimos cuadrados para los tres puntos fue luego graficada (mostrada en la Figura 3 ) . Dos puntos fueron determinados mediante
extrapolación de esta gráfica: (i) FRmax: la proporción de floculación cuando 1/X = 0 y (ii) 1/Xmin: que es una medida del volumen de heptano necesario para la floculación en el aceite sin diluir. Estos datos fueron usados para calcular los siguientes tres parámetros de estabilidad de aceite: (i) Sa: peptisabilidad de asfáltenos en el vistar (esto es, una medida de la solubilidad inherente de los asfáltenos) ; (ii) So: poder peptisante de la matriz de aceite (esto es, la habilidad de la matriz de aceite para estabilizar/solubilizar asfáltenos) ; y (iii) S: estabilidad intrínseca del aceite (esto es, medida de la estabilidad de asfáltenos en este sistema de aceite particular) . En donde, Sa = 1 - FRmax; So = (FRmax) x (1+Xmin) ,-y S = 1+ Xmin.
Los espectros de NIR de las muestras fueron determinados utilizando un instrumento FTNIR MPA de Bruker. Las mediciones se hicieron en el modo de transmisión utilizando una celda de longitud de trayectoria de 0.2 mm. Los espectros fueron registrados a una temperatura de muestra de 60°C. Un ejemplo de un espectro de NIR típico de vistar es mostrado en la Figura 4.
EJEMPLO 2
Este ejemplo es un modelo para predecir la estabilidad en base en un análisis de mínimos cuadrados parcial de 24 muestras de "vistar" utilizando la técnica descrita en el
Ejemplo 1 . Este modelo cubre regiones del espectro de NIR que incluye de 6102 a 5446 cm"1 y 4601 a 4247 cm"1 y utiliza 7 componentes principales . Los componentes son variables ortogonales estadísticas derivadas del análisis de PLS. Los parámetros estadísticos para el modelo fueron R2 = 0 . 948 y RMSEV = 0 . 0423 . Resultados representativos son mostrados para tres de las muestras en la Tabla 1 .
Tabla 1
EJEMPLO 3
En principio, el sistema descrito podría ser adaptado para el monitoreo en línea. Una corriente lateral del producto de fondos de vistar craqueado podría ser alimentada a una unidad de monitoreo en donde' el espectro de NIR podría ser medido. Un sistema de computadora sería operable para comparar el espectro del vistar con el modelo de correlación y calcular el resultado de estabilidad predicho. Este resultado podría ser transmitido a un sistema de control y accionado manualmente o integrado a un esquema de control mediante el cual, en base al resultado, la severidad del proceso de craqueo térmico sería
incrementada o disminuida. El modelo de calibración específico para este modo de operación podría ser determinado • automáticamente con un sistema en línea similar que monitorea la alimentación a la unidad. Alternativamente, debido a que la alimentación necesita solamente ser probada cada vez que cambia, el incremento o disminución requerido en la severidad de craqueo térmico podría también ser determinado al tomar muestras de la alimentación para análisis y seleccionar manualmente el modelo de correlación para el análisis de vistar.
EJEMPLO 4
El desarrollo inicial del (los) modelo (s) de calibración para implementar el método de la invención puede incluir recolectar tanto muestras de alimentación como muestras -de vistar (fondos craqueados) en una base regular. El período de toma de muestras, por ejemplo varias semanas, cubriría condiciones de operación que incluye el intervalo de condiciones que la unidad podría potencialmente experimentar bajo operación normal. En este ejemplo, las muestras recolectadas (tanto alimentación como vistar) fueron analizadas utilizando un espectrómetro de NIR de FTIR disponible comercialmente . Los espectros se pusieron en operación en el modo de transmisión utilizando celdas de longitud de trayectoria de 0.5 mm. Las muestras de vistar fueron también
analizadas en cuanto a estabilidad de asf lteno utilizando el método ASTM D7157-05 (como se explica anteriormente) . Esta prueba. dio como resultado valores de estabilidad "S" para cada muestra de vistar.
Los aspectos de alimentación fueron analizados utilizando la técnica estadística de análisis de componente principal (PCA) . Una gráfica de puntuaciones típica para el conjunto de muestras es mostrada en la Figura 5. Se observa que las alimentaciones corren sobre el período de prueba fueron de dos tipos, mostradas como "Clase 1" y "Clase 2" en la Figura 5. Los espectros de muestra de vistar fueron luego separados en dos grupos correspondientes a la clase de alimentación de la cual fueron derivados. El análisis de mínimos cuadrados parcial (PLS) fue luego llevado a cabo para desarrollar correlaciones entre la absorbancia de espectros de vistar y la estabilidad intrínseca de ASTM D7157 determinada previamente (esto es, valores "S"). Modelos de correlación separados fueron desarrollados para los dos grupos de vistar derivados de los grupos correspondientes de alimentaciones tal como se clasifica por el análisis de componente principal. Una correlación ejemplar entre la estabilidad predicha por el método de la invención y la estabilidad determinada experimentalmente (de la alimentación "Clase 2") es mostrada en l Figura 6 (el rango indica el número de componentes principios usados en el modelo de correlación particular) .
En operación, las muestras de alimentación y de vistar serían recolectadas en una base regular (por lote, en línea, corriente lateral corriente lateral, etc. como se explica anteriormente) y los espectros de NIR recolectados. Los espectros de alimentación serían analizados utilizando por ejemplo un modelo de clasificación de PCA, para determinar la clase de alimentación correspondiente, que a su vez es usada para determinar el modelo de correlación apropiado para predecir la estabilidad del espectro de vistar. La estabilidad predicha es luego usada para ajustar variables que controlan la severidad del rompedor de viscosidad (refino) para optimizar su operación de craqueo.
Se comprenderá que varios cambios y modificaciones a las modalidades actualmente preferidas descritas en la presente serán evidentes para aquellos experimentados en el arte. Tales cambios y modificaciones se pueden hacer sin desviarse del espíritu y alcance de la invención y sin disminuir sus ventajas propuestas. Por consiguiente se pretende que tales cambios y modificaciones sean cubiertos por las reivindicaciones adjuntas.
Claims (15)
1. Un método para predecir la estabilidad en una corriente de proceso de hidrocarburo utilizando un espectro infrarrojo cercano combinado con un modelo de correlación, el método está caracterizado porque comprende: (a) medir un valor de estabilidad correspondiente a cada una de una pluralidad de muestras de la corriente de proceso de hidrocarburo para producir un primer conjunto de datos ; (b) seleccionar uno o más números de onda en el espectro infrarrojo cercano como un primer espectro; (c) utilizar el primer espectro para determinar una absorbancia correspondiente a cada una de la pluralidad de muestras de la etapa (a) para producir un segundo conjuntó de datos; (d) incorporar el primer conjunto de datos y el segundo conjunto de datos a por lo menos una función matemática para crear el modelo de correlación; . (e) seleccionar uno o más números de onda en el espectro infrarrojo cercano como un segundo espectro; (f) utilizar el segundo espectro para medir una absorbancia correspondiente a una o más muestras adicionales; (g) calcular un valor de estabilidad predicha correspondiente a la(s) muestra (s) adicional (es) al utilizar la absorbancia medida de la etapa (f) como entrada para el modelo de correlación y recibir como salida la estabilidad predicha; y (h) opcionalmente almacenar la salida recibida en un dispositivo de almacenamiento electrónico y/o mostrar la salida recibida en un dispositivo de pantalla.
2. El método de conformidad con la reivindicación 1, caracterizado porque incluye clasificar la pluralidad de muestras en base al primer conjunto de datos y/o él segundo conjunto de datos.
3. El método de conformidad con la reivindicación 1, caracterizado porque el primer espectro y el segundo espectro se traslapan por lo menos parcialmente.
4. El método de conformidad con la reivindicación 1, caracterizado porque el primer espectro y el segundo espectro son idénticos.
5. El método de conformidad con la reivindicación 1, caracterizado porque el primer espectro y/o el segundo espectro tienen números de onda de aproximadamente 7,500 cm"1 a aproximadamente 4,000 cm"1.
6. El método de conformidad con la reivindicación 1, caracterizado porque la estabilidad y la estabilidad predicha están basados en asfáltenos y/o residuos que contienen asfáltenos en la corriente de proceso de hidrocarburo.
7. El método de conformidad con la reivindicación 1, caracterizado porque cada una de la pluralidad de muestras en la etapa (a) es de una misma corriente de proceso de hidrocarburo .
8. El método de conformidad con la reivindicación 1, caracterizado porque una o más de la pluralidad de muestras en la etapa (a) es de una corriente de proceso de hidrocarburo diferente, cada una de las corrientes es de un mismo tipo.
9. El método de conformidad con la reivindicación 1, caracterizado porque una o más de la pluralidad de muestras en la etapa (a) son derivadas de una corriente de proceso seleccionado del grupo que consiste de: una corriente de proceso de hidrocarburo sin craquear y una corriente de proceso de hidrocarburo craqueada.
10. El método de conformidad con la reivindicación 1, caracterizado porque incluye medir una pluralidad de muestras de una pluralidad de diferentes corrientes de proceso de hidrocarburo diferentes para compilar el primer conjunto de datos y el segundo conjunto de datos.
11. El método de conformidad con la reivindicación 1, caracterizado porque el modelo de correlación es seleccionado del grupo que consiste de: análisis de regresión lineal; análisis de regresión no lineal; y análisis de red neural.
12. El método de conformidad con la reivindicación 1, caracterizado porque incluye poner en operación el método en una red.
13. El método de conformidad con la reivindicación 12, caracterizado porque la red es Internet.
14. Un medio de almacenamiento digital que tiene instrucciones ejecutables por computadora almacenados en el mismo, caracterizado porque las instrucciones son operables para ejecutar el método de conformidad con la reivindicación 1.
15. Un método para predecir la estabilidad en una corriente de proceso de hidrocarburos utilizando, un espectro infrarrojo cercano combinado con un modelo de correlación, el método está caracterizado porque comprende: (a) clasificar la corriente de proceso de hidrocarburo en una pluralidad de procesos diferentes; (b) seleccionar uno de los procesos; (c) medir un valor de estabilidad correspondiente a cada una de una pluralidad de muestras de uno de los procesos para producir un primer conjunto de datos; (d) seleccionar uno o más números de onda en el espectro de infrarrojo cercano como un primer espectro; (e) usar el primer espectro para determinar una absorbancia correspondiente a cada una de la pluralidad de muestras de la etapa (a) ' para producir un segundo conjunto de datos ; (f) incorporar el primer conjunto de datos y el segundo conjunto de datos a por lo menos una función matemática para crear el modelo de correlación; (g) seleccionar uno o más números de onda en el espectro de infrarrojo cercano como un segundo espectro; (h) utilizar el ' segundo espectro para medir una absorbancia correspondiente a una o más muestras adicionales; (i) calcular un valor de estabilidad predicho correspondiente a la(s) muestra (s) adicional (es) al utilizar la absorbancia medida de la etapa (f) como entrada para el modelo de correlación y recibir como salida la estabilidad intrínseca predicha; y (j) opcionalmente almacenar la salida recibida en un dispositivo de almacenamiento electrónico y/o mostrar la salida recibida en un dispositivo de pantalla.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/254,519 US8017910B2 (en) | 2008-10-20 | 2008-10-20 | Method for predicting hydrocarbon process stream stability using near infrared spectra |
PCT/US2009/061270 WO2010048143A1 (en) | 2008-10-20 | 2009-10-20 | Method for predicting hydrocarbon process stream stability using near infrared spectra |
Publications (1)
Publication Number | Publication Date |
---|---|
MX2011004170A true MX2011004170A (es) | 2011-11-29 |
Family
ID=41404344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
MX2011004170A MX2011004170A (es) | 2008-10-20 | 2009-10-20 | Metodo para predecir estabilidad de corriente de proceso de hidrocarburo utilizando espectros de infrarrojos cercano. |
Country Status (12)
Country | Link |
---|---|
US (1) | US8017910B2 (es) |
EP (1) | EP2350615B1 (es) |
JP (1) | JP5583131B2 (es) |
KR (1) | KR101636098B1 (es) |
CN (1) | CN102187202B (es) |
AR (1) | AR073948A1 (es) |
BR (1) | BRPI0919922B1 (es) |
CA (1) | CA2740367C (es) |
ES (1) | ES2731891T3 (es) |
MX (1) | MX2011004170A (es) |
RU (1) | RU2502984C2 (es) |
WO (1) | WO2010048143A1 (es) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8735820B2 (en) * | 2010-04-09 | 2014-05-27 | Tesoro Refining And Marketing Company | Direct match spectrographic determination of fuel properties |
US20110278460A1 (en) * | 2010-05-13 | 2011-11-17 | Baker Hughes Incorporated | Method and apparatus for determining the coke generation tendency of hydrocarbons |
US9038451B2 (en) | 2010-07-08 | 2015-05-26 | Baker Hughes Incorporated | Optical method for determining fouling of crude and heavy fuels |
US8849582B2 (en) * | 2010-12-21 | 2014-09-30 | Invensys Systems, Inc. | Offline analyzer system and method for multivariate characterization of properties in crude and heavy hydrocarbon oils |
CN102419309B (zh) * | 2011-08-12 | 2013-07-31 | 中国石油天然气股份有限公司 | 一种检测重质渣油稳定性的方法 |
CN102521519B (zh) * | 2011-12-22 | 2015-06-10 | 中国人民解放军总后勤部油料研究所 | 一种液体石油产品储存期预测方法及系统 |
CN102521678B (zh) * | 2011-12-22 | 2016-01-13 | 中国人民解放军总后勤部油料研究所 | 一种液体石油产品储存期预测平台及方法 |
CN102565010A (zh) * | 2011-12-30 | 2012-07-11 | 大连海事大学 | 油品稳定性判定方法和装置 |
US20130184382A1 (en) | 2012-01-12 | 2013-07-18 | Baker Hughes Incorporated | Process for preparing blends of bitumen having known stability properties |
KR101287300B1 (ko) * | 2012-04-17 | 2013-07-17 | 에스케이에너지 주식회사 | 안정화된 탄화수소 오일 블렌드의 제조방법 |
US10668408B2 (en) | 2012-11-30 | 2020-06-02 | Suncor Energy Inc | Measurement and control of bitumen-containing process streams |
GB2516126B (en) * | 2013-12-09 | 2015-07-08 | Intertek Group Plc | Method and system for analysing a blend of two or more hydrocarbon feed streams |
WO2015189220A1 (fr) * | 2014-06-13 | 2015-12-17 | Topnir Systems Sas | Procede de préparation d'un produit cible certifié d'un melange de constituants par analyse spectrale |
CN104596985A (zh) * | 2015-01-21 | 2015-05-06 | 中国食品发酵工业研究院 | 快速鉴别沙棘籽油制取工艺的方法 |
US9709545B2 (en) | 2015-07-23 | 2017-07-18 | Tesoro Refining & Marketing Company LLC | Methods and apparatuses for spectral qualification of fuel properties |
MX2018008743A (es) * | 2016-01-21 | 2019-01-30 | Protein Dynamic Solutions Llc | Método y sistema para el análisis de datos espectrales. |
US10954448B2 (en) | 2017-08-18 | 2021-03-23 | Canadian Natural Resources Limited | High temperature paraffinic froth treatment process |
JP6438549B1 (ja) * | 2017-08-24 | 2018-12-12 | 日本分光株式会社 | 機械学習を用いた未知化合物の分類方法 |
US10696906B2 (en) | 2017-09-29 | 2020-06-30 | Marathon Petroleum Company Lp | Tower bottoms coke catching device |
US10365263B1 (en) * | 2018-01-29 | 2019-07-30 | Indian Institute Of Technology, Delhi | Prediction of crude oil blend compatibility and blend optimization for increasing heavy oil processing |
US12000720B2 (en) | 2018-09-10 | 2024-06-04 | Marathon Petroleum Company Lp | Product inventory monitoring |
US11975316B2 (en) | 2019-05-09 | 2024-05-07 | Marathon Petroleum Company Lp | Methods and reforming systems for re-dispersing platinum on reforming catalyst |
EP4081621A1 (en) * | 2019-12-24 | 2022-11-02 | BL Technologies, Inc. | System and method of determining peptization values and visbreaker control |
KR102278139B1 (ko) * | 2019-12-30 | 2021-07-16 | 한국에너지기술연구원 | 유분의 아스팔텐 분산 안정성 측정 방법 |
KR102278140B1 (ko) * | 2019-12-30 | 2021-07-16 | 한국에너지기술연구원 | 역적정을 이용한 유분의 혼화성 측정 방법 |
CN111238997B (zh) * | 2020-02-12 | 2021-07-27 | 江南大学 | 一种原油脱盐脱水过程的进料密度在线测量方法 |
US11352577B2 (en) | 2020-02-19 | 2022-06-07 | Marathon Petroleum Company Lp | Low sulfur fuel oil blends for paraffinic resid stability and associated methods |
US11898109B2 (en) | 2021-02-25 | 2024-02-13 | Marathon Petroleum Company Lp | Assemblies and methods for enhancing control of hydrotreating and fluid catalytic cracking (FCC) processes using spectroscopic analyzers |
US20220268694A1 (en) | 2021-02-25 | 2022-08-25 | Marathon Petroleum Company Lp | Methods and assemblies for determining and using standardized spectral responses for calibration of spectroscopic analyzers |
US11905468B2 (en) | 2021-02-25 | 2024-02-20 | Marathon Petroleum Company Lp | Assemblies and methods for enhancing control of fluid catalytic cracking (FCC) processes using spectroscopic analyzers |
US11692141B2 (en) | 2021-10-10 | 2023-07-04 | Marathon Petroleum Company Lp | Methods and systems for enhancing processing of hydrocarbons in a fluid catalytic cracking unit using a renewable additive |
US11802257B2 (en) | 2022-01-31 | 2023-10-31 | Marathon Petroleum Company Lp | Systems and methods for reducing rendered fats pour point |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ATE146880T1 (de) * | 1987-08-18 | 1997-01-15 | Bp Oil Int | Verfahren zur direkten bestimmung der physikalischen eigenschaften von kohlenwasserstoffprodukten |
FR2619631B1 (fr) * | 1987-08-18 | 1993-12-03 | Bp France | Procede et dispositif de mesure du seuil de floculation d'un produit petrolier |
US5349188A (en) * | 1990-04-09 | 1994-09-20 | Ashland Oil, Inc. | Near infrared analysis of piano constituents and octane number of hydrocarbons |
FI97083C (fi) * | 1993-12-31 | 1996-10-10 | Neste Oy | Menetelmä ja laite öljyn stabiilisuuden mittaamiseksi |
JP2866604B2 (ja) * | 1994-11-10 | 1999-03-08 | 株式会社コスモ総合研究所 | 油中の不溶解分濃度測定方法及びその装置 |
AU689016B2 (en) * | 1994-12-13 | 1998-03-19 | Exxon Research And Engineering Company | Non linear multivariate infrared analysis method |
AR003845A1 (es) * | 1995-10-18 | 1998-09-09 | Shell Int Research | Un método para predecir una propiedad física de un residuo de petróleo crudo, de un petróleo combustible (fuel oil) residual o de un material bituminoso. |
US6087662A (en) * | 1998-05-22 | 2000-07-11 | Marathon Ashland Petroleum Llc | Process for analysis of asphaltene content in hydrocarbon mixtures by middle infrared spectroscopy |
US6587702B1 (en) * | 1999-01-22 | 2003-07-01 | Instrumentation Metrics, Inc | Classification and characterization of tissue through features related to adipose tissue |
US6773921B1 (en) * | 1999-06-10 | 2004-08-10 | The University Of Wyoming Research Corporation | Predicting proximity to coke formation |
CN1125331C (zh) * | 1999-07-06 | 2003-10-22 | 中国石油化工集团公司 | 一种测定渣油组分含量的方法 |
FR2820503B1 (fr) * | 2001-02-07 | 2003-04-04 | Inst Francais Du Petrole | Methode et dispositif pour predire le seuil de floculation d'asphaltenes contenus dans des melanges d'hydrocarbures |
US7319040B2 (en) * | 2002-10-28 | 2008-01-15 | Ineos Usa Llc | Process control using on-line instrumentation and process models |
WO2004042375A1 (en) * | 2002-11-06 | 2004-05-21 | Her Majesty The Queen In Right Of Canada As Represented By The Minister Of Natural Resources Canada | Nir spectroscopy method for analyzing chemical process components |
US20050040072A1 (en) * | 2003-07-21 | 2005-02-24 | Marco Respini | Stability of hydrocarbons containing asphal tenes |
RU2334971C2 (ru) * | 2006-08-09 | 2008-09-27 | ООО "Интеллектуальные Компьютерные Технологии" | Способ идентификации и контроля качества многокомпонентных соединений |
-
2008
- 2008-10-20 US US12/254,519 patent/US8017910B2/en active Active
-
2009
- 2009-10-20 ES ES09744537T patent/ES2731891T3/es active Active
- 2009-10-20 WO PCT/US2009/061270 patent/WO2010048143A1/en active Application Filing
- 2009-10-20 AR ARP090104032A patent/AR073948A1/es active IP Right Grant
- 2009-10-20 MX MX2011004170A patent/MX2011004170A/es active IP Right Grant
- 2009-10-20 EP EP09744537.3A patent/EP2350615B1/en active Active
- 2009-10-20 CA CA2740367A patent/CA2740367C/en active Active
- 2009-10-20 BR BRPI0919922-5A patent/BRPI0919922B1/pt active IP Right Grant
- 2009-10-20 JP JP2011532326A patent/JP5583131B2/ja active Active
- 2009-10-20 RU RU2011113497/28A patent/RU2502984C2/ru active
- 2009-10-20 KR KR1020117011168A patent/KR101636098B1/ko active IP Right Grant
- 2009-10-20 CN CN200980142418.3A patent/CN102187202B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
RU2011113497A (ru) | 2012-11-27 |
KR101636098B1 (ko) | 2016-07-04 |
EP2350615A1 (en) | 2011-08-03 |
ES2731891T3 (es) | 2019-11-19 |
BRPI0919922B1 (pt) | 2019-10-01 |
BRPI0919922A2 (pt) | 2016-02-16 |
CA2740367C (en) | 2016-12-20 |
EP2350615B1 (en) | 2019-05-01 |
WO2010048143A1 (en) | 2010-04-29 |
JP2012506532A (ja) | 2012-03-15 |
KR20110086706A (ko) | 2011-07-29 |
CA2740367A1 (en) | 2010-04-29 |
AR073948A1 (es) | 2010-12-15 |
RU2502984C2 (ru) | 2013-12-27 |
CN102187202A (zh) | 2011-09-14 |
US20100096552A1 (en) | 2010-04-22 |
US8017910B2 (en) | 2011-09-13 |
CN102187202B (zh) | 2014-12-24 |
JP5583131B2 (ja) | 2014-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8017910B2 (en) | Method for predicting hydrocarbon process stream stability using near infrared spectra | |
CA2503610C (en) | Nir spectroscopy method for analyzing chemical process components | |
CN101203739B (zh) | 评估炼油厂原料的焦炭和沥青质量的方法 | |
US6087662A (en) | Process for analysis of asphaltene content in hydrocarbon mixtures by middle infrared spectroscopy | |
Duarte et al. | Determination of some physicochemical properties in Brazilian crude oil by 1H NMR spectroscopy associated to chemometric approach | |
US10557842B2 (en) | Method and system for analysing a blend of two or more hydrocarbon feed streams | |
EP0706049A1 (en) | Cracking property determination | |
US10449502B2 (en) | Methods for analyzing hydrocarbons and hydrocarbon blends for chemical compositions | |
CN107976419B (zh) | 一种由油品近红外光谱预测其性质的方法 | |
CA2614888A1 (en) | Application of visbreaker analysis tools to optimize performance | |
US20110278460A1 (en) | Method and apparatus for determining the coke generation tendency of hydrocarbons | |
Saajanlehto et al. | Heavy oil characterization method for PC-SAFT | |
de Souza et al. | A Spectral AutoML approach for industrial soft sensor development: Validation in an oil refinery plant | |
Kardamakis et al. | Autoregressive modeling of near-IR spectra and MLR to predict RON values of gasolines | |
JPH11513795A (ja) | 炭素質材料の(近)赤外スペクトルを測定するための透過セル | |
Barra et al. | Prediction of diesel fuel quality indicators using FT-MIR spectroscopy and chemometrics | |
Niño et al. | FTIR-ATR predictive model for determination of asphaltene solubility class index (ASCI) based on partial least-squares regression (PLS-R) | |
Pantoja et al. | Application of near‐infrared spectroscopy to the characterization of petroleum | |
Li et al. | Data fusion of ultraviolet-visible and mid-infrared spectra for rapid performance inspection of paving asphalt binders |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FG | Grant or registration |