RU2688841C1 - Method for identification of fractions of thermal distillation of oil - Google Patents
Method for identification of fractions of thermal distillation of oil Download PDFInfo
- Publication number
- RU2688841C1 RU2688841C1 RU2018143570A RU2018143570A RU2688841C1 RU 2688841 C1 RU2688841 C1 RU 2688841C1 RU 2018143570 A RU2018143570 A RU 2018143570A RU 2018143570 A RU2018143570 A RU 2018143570A RU 2688841 C1 RU2688841 C1 RU 2688841C1
- Authority
- RU
- Russia
- Prior art keywords
- fraction
- oil
- calibration
- fractions
- spectrum
- Prior art date
Links
- 238000004821 distillation Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims description 75
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 238000001228 spectrum Methods 0.000 claims description 51
- 238000009835 boiling Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 11
- 238000010521 absorption reaction Methods 0.000 claims description 9
- 238000000862 absorption spectrum Methods 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims 1
- 239000000203 mixture Substances 0.000 abstract description 25
- 239000000126 substance Substances 0.000 abstract description 8
- 238000007670 refining Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 4
- 239000007788 liquid Substances 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 abstract description 2
- 239000000470 constituent Substances 0.000 abstract 1
- 238000012827 research and development Methods 0.000 abstract 1
- 238000000926 separation method Methods 0.000 abstract 1
- 238000002474 experimental method Methods 0.000 description 8
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 239000003208 petroleum Substances 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000003209 petroleum derivative Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000001663 electronic absorption spectrum Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000000242 nostrum Substances 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 238000011197 physicochemical method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Description
Изобретение относится к измерениям в целях идентификации сложных по молекулярному составу веществ и может быть использовано для идентификации фракции нефти, имеющий требуемый или близкий к нему состав, в процессе термической разгонки нефти. Такой способ позволяет создать на его основе измерительную аппаратуру, предназначенную для применения в контроле процесса термической разгонки нефти. Заявленное изобретение предназначено для предприятий нефтеперерабатывающего и нефтехимического комплексов РФ.The invention relates to measurements for the purpose of identifying substances having a complex molecular composition and can be used to identify an oil fraction having the required or similar composition in the process of thermal distillation of oil. This method allows you to create on the basis of measuring equipment designed for use in the control process of thermal distillation of oil. The claimed invention is intended for enterprises of oil refining and petrochemical complexes of the Russian Federation.
Изобретение относится к исследованию процесса термической разгонки нефти с применением характеристических многомерных эквидистантных абсорбционных спектров в ИК-диапазоне и может быть использовано в нефтеперерабатывающей, нефтехимической и химической отраслях промышленности в целях текущего контроля производства различных видов продукции сложного молекулярного состава.The invention relates to the study of the process of thermal distillation of oil using characteristic multidimensional equidistant absorption spectra in the infrared range and can be used in the refining, petrochemical and chemical industries in order to monitor the production of various types of products of complex molecular composition.
Изобретение относится к температурным методам исследования фракционного состава нефти с использованием для идентификации и контроля состава нефтяных фракций методов инфракрасной спектроскопии в ИК-диапазоне, а также методов многофакторной математической статистики в обработке результатов измерений с дальнейшим их применением для идентификации или контроля состава фракций с применением серийно выпускаемой аппаратуры.The invention relates to temperature methods for studying the fractional composition of oil using infrared spectroscopy methods for identifying and monitoring the composition of oil fractions, as well as methods of multivariate mathematical statistics in the processing of measurement results with their further use to identify or control the composition of fractions using commercially available instrumentation.
Известен способ идентификации источников нефтяных загрязнений [1], в котором идентификация проводится по содержанию характерных примесей, на основе измерения их спектров. Недостатками известного способа является значительная трудоемкость, обусловленная необходимостью как качественных исследований состава, так и количественных определений концентраций характерных компонентов.A known method of identifying sources of oil pollution [1], in which identification is carried out on the content of characteristic impurities, based on the measurement of their spectra. The disadvantages of this method is the considerable complexity, due to the need for both qualitative research of the composition, and quantitative determinations of the concentrations of the characteristic components.
Известен способ идентификации источников нефтяного загрязнения [2], в соответствии с которым идентификацию проводят по совпадению или различию концентраций отдельных компонентов (присутствуют количественные измерения) и соотношению интенсивностей индивидуальных полос поглощения отдельных компонентов. Ограничения связаны с необходимостью измерения концентраций компонентов.A known method of identifying sources of oil pollution [2], according to which identification is carried out by coincidence or difference in the concentrations of individual components (quantitative measurements are present) and the ratio of the intensities of individual absorption bands of individual components. Limitations are associated with the need to measure component concentrations.
Известен автоматизированный способ идентификации и определения кондиционности нефтепродуктов [3]. В соответствии со способом используются характеристические полосы поглощения отдельных соединений в ИК-диапазоне спектра. Используются характеристические спектры отдельных компонентов и количественные измерения их концентраций.Known automated method of identifying and determining the conditioning of petroleum products [3]. In accordance with the method, the characteristic absorption bands of individual compounds in the IR spectral range are used. The characteristic spectra of individual components and quantitative measurements of their concentrations are used.
Известен способ идентификации источников нефтяных загрязнений объектов окружающей среды [4]. Нефтяные образцы отбираются с места разлива и из вероятных источников загрязнений. Проводят идентификацию образцов в два этапа. На первом этапе выполняют сравнение ИК-спектров с последующей математической обработкой результатов с использованием статистических критериев тождества. На втором этапе в тех группах образцов, которые были отобраны после сравнения ИК-спектров, проводят идентификацию с помощью сравнения нефтяных образцов по содержанию примесей ряда характеристичных для нефти металлов и выполняют математическую обработку результатов сравнений с использованием статистических критериев тождества для окончательного установления степени идентичности. Способ сложен и трудоемок в своей реализации.A known method of identifying sources of oil pollution of environmental objects [4]. Oil samples are taken from the spill site and from probable sources of contamination. Sample identification is carried out in two stages. At the first stage, the IR spectra are compared with the subsequent mathematical processing of the results using the statistical identity criteria. At the second stage, in those groups of samples that were selected after comparing the IR spectra, identification is carried out by comparing oil samples for the content of impurities of a number of metals characteristic of oil and perform mathematical processing of the results of comparisons using statistical identity criteria to finally establish the degree of identity. The method is complicated and time consuming in its implementation.
Известен способ идентификации многокомпонентных углеводородных систем, включающий отбор и регистрацию спектров растворов в видимой области электромагнитного излучения [5]. Во взвешенную колбочку объемом 50 мл берется навеска пробы 0,1-0,2 г, затем в колбочку со взвешенной пробой приливается 30-40 мл толуола, после полного растворения продукта в толуоле колбочка с раствором взвешивается и определяется концентрация раствора. Затем раствор наливается в прозрачную кварцевую кювету и с помощью спектрофотометра фиксируется оптическая плотность D на длинах волн λ=380-780 нм с шагом Δλ=1 нм, после чего определяются значения удельного коэффициента поглощения k(λ) (л/(г⋅см)), на тех же длинах волн по закону Бугера-Ламберта-Бера: k(λ)=D(λ)/(c⋅l), где l - толщина поглощающего слоя; с - концентрация раствора. Объекты идентифицируются по статистическим параметрам сигнала электронного абсорбционного спектра: математическое ожидание, дисперсия, автоковариационная и автокорреляционная функции распределения спектра, с последующим сравнением этих параметров с параметрами эталонов. В случае соответствия полученных значений рассчитываемых статистических параметров значениям эталона определяют принадлежность исследуемого объекта. Ограничения такого способа связаны с его сложностью, применением процедуры растворения пробы и неопределенностью установления соответствия статистических параметров.A known method for the identification of multicomponent hydrocarbon systems, including the selection and registration of the spectra of solutions in the visible region of electromagnetic radiation [5]. A weighed sample of 0.1-0.2 g is taken into a 50 ml suspended flask, then 30-40 ml of toluene is poured into a suspended flask, after the product is completely dissolved in toluene, the solution flask is weighed and the solution concentration is determined. Then the solution is poured into a transparent quartz cuvette and the optical density D is fixed at a wavelength λ = 380-780 nm with a step Δλ = 1 nm using a spectrophotometer, after which the values of specific absorption coefficient k (λ) are determined (l / (g⋅cm) ), at the same wavelengths according to the Bouguer-Lambert-Beer law: k (λ) = D (λ) / (c⋅l), where l is the thickness of the absorbing layer; c is the concentration of the solution. Objects are identified by the statistical parameters of the electronic absorption spectrum signal: expectation, dispersion, autocovariance and autocorrelation functions of the spectrum distribution, with subsequent comparison of these parameters with the parameters of the standards. If the obtained values of the calculated statistical parameters match the values of the standard, determine the belonging of the object under study. The limitations of this method are associated with its complexity, the use of a sample dissolution procedure and the uncertainty of establishing the correspondence of statistical parameters.
Известен способ определения фракционного состава жидких нефтепродуктов посредством экспресс-перегонки и устройство для его осуществления [6]. Идентификация проводится по температуре выкипания фракции или ее временному номеру (температурный способ). Осуществляется способ путем термической разгонки образца нефти в колбе. Для измерения температуры выкипания используется малоинерционная термопара. Однако известный способ имеет недостаточно высокую точность и достоверность.A known method for determining the fractional composition of liquid petroleum products by means of rapid distillation and a device for its implementation [6]. Identification is carried out according to the boiling point of the fraction or its temporary number (temperature method). The method is carried out by thermal distillation of a sample of oil in the flask. To measure the boiling temperature, a low inertia thermocouple is used. However, the known method is not sufficiently high accuracy and reliability.
Известен способ определения фракционного состава углеводородных топлив и устройство для его реализации [7], который является наиболее близким к заявляемому изобретению, принятый в качестве прототипа. Известный способ включает термическую разгонку исследуемого образца нефти и измерения его температуры термочувствительным элементом (так называемым температурным способом). При этом пробу образца нефти размещают на термочувствительном элементе, а идентификация фракции осуществляется по температуре выкипания или по ее временному номеру.There is a method of determining the fractional composition of hydrocarbon fuels and a device for its implementation [7], which is closest to the claimed invention, adopted as a prototype. The known method includes thermal distillation of the sample of oil and the measurement of its temperature by a temperature-sensitive element (the so-called temperature method). In this case, the sample of the oil sample is placed on a temperature-sensitive element, and the fraction is identified by the boiling point temperature or its temporary number.
Недостатками прототипа являются существенные ограничения за счет двух факторов, один из которых - это погрешности измерения температуры в процессе разгонки нефти, достигающие нескольких градусов, что, в свою очередь, приводит к ошибке в определении значений температуры выкипания (т.е. диапазона температур) фракции. Второй фактор носит принципиальный характер и связан с неконтролируемыми вариациями (изменениями) состава нефти, поступающей на термическую разгонку. Это приводит к соответствующим значимым неконтролируемым вариациям состава фракции одного и того же временного номера (или одного и того же температурного интервала), а, в целом, к ошибке идентификации.The disadvantages of the prototype are significant limitations due to two factors, one of which is the temperature measurement errors in the oil distillation process, reaching several degrees, which, in turn, leads to an error in determining the boil-off temperature (i.e. temperature range) fraction . The second factor is of fundamental nature and is associated with uncontrolled variations (changes) in the composition of oil entering the thermal distillation. This leads to the corresponding significant uncontrolled variations in the composition of the fraction of the same time number (or the same temperature interval), and, in general, to an identification error.
К техническим результатам заявленного изобретения относятся повышение точности идентификации за счет высокой воспроизводимости спектроскопических измерений в процессе разгонки нефти, а также значительного повышения ее достоверности за счет снижения негативного влияния неконтролируемых вариаций состава нефти, поступающей на термическую разгонку. Кроме того, заявляемый способ идентификации нефтяных фракций промышленно осуществим и полезен, поскольку его достоверность и точностные характеристики лучше присущих методам-аналогам. Его применение не требует расхода чистых веществ и количественных измерений концентраций, он обладает более высоким быстродействием. Используемые приборы имеют практически неограниченный ресурс. Способ в целом пригоден для создания на его основе системы автоматического регулирования контроля термической разгонки.The technical results of the claimed invention include improving the accuracy of identification due to the high reproducibility of spectroscopic measurements in the process of oil distillation, as well as a significant increase in its reliability by reducing the negative impact of uncontrolled variations in the composition of oil entering the thermal distillation. In addition, the inventive method for the identification of petroleum fractions is industrially feasible and useful, since its reliability and accuracy characteristics are better than those of analog methods. Its use does not require the consumption of pure substances and quantitative measurements of concentrations, it has a higher speed. Used devices have almost unlimited resource. The method is generally suitable for creating on its basis a system of automatic control of the control of thermal distillation.
Поставленная цель заявляемого изобретения достигается тем, что в известном способе идентификации фракции термической разгонки нефти:The goal of the claimed invention is achieved by the fact that in the known method of identifying the fraction of thermal distillation of oil:
1) отбирают образец нефти, поступающей на термическую разгонку;1) take a sample of oil entering the thermal distillation;
2) осуществляют термическую разгонку (первая разгонка) отобранного образца нефти с заданным шагом измерения температуры отбора фракций;2) carry out thermal distillation (first distillation) of the selected sample of oil with a given step of measuring the temperature of the selection of fractions;
3) фиксируют диапазоны выкипания фракций и их временные порядковые номера;3) fix boiling ranges of fractions and their temporary sequence numbers;
4) используя необходимые физические и физико-химические аналитические методы, определяют фракцию (ее порядковый номер и температуру выкипания), которая по своему составу соответствует необходимой для применения в той или иной технологии, и в дальнейшем используют ее в качестве калибровочной;4) using the necessary physical and physico-chemical analytical methods, determine the fraction (its serial number and boiling temperature), which in its composition corresponds to the required for use in a particular technology, and then use it as a calibration;
5) осуществляют независимый (рабочий) отбор нефти;5) carry out independent (working) selection of oil;
6) проводят ее термическую разгонку (вторая, уже рабочая разгонка) в тех же условиях, при которых проходила первая разгонка;6) conduct its thermal distillation (the second, already working distillation) under the same conditions under which the first distillation took place;
7) отбирают фракцию, выходящую под номером, соответствующим калибровочной;7) select the fraction leaving the number corresponding to the calibration;
в соответствии с заявленным изобретением:In accordance with the claimed invention:
1) проводят измерения характеристического многомерного эквидистантного абсорбционного спектра калибровочной фракции в диапазоне частот от 500 до 1500 см-1, с разрешением 1 см-1 и шагом 0,5 см-1, который принимается в качестве идентификационного;1) carry out measurements of the characteristic multidimensional equidistant absorption spectrum of the calibration fraction in the frequency range from 500 to 1500 cm -1 , with a resolution of 1 cm -1 and steps of 0.5 cm -1 , which is taken as the identification;
2) в процессе рабочей разгонки отбирают три фракции, одна из которых соответствует временному порядковому номеру калибровочной фракции, номер второй фракции на единицу меньше, а третьей на единицу больше временного номера калибровочной фракции;2) in the process of working distillation, three fractions are taken, one of which corresponds to the time ordinal number of the calibration fraction, the number of the second fraction is one less, and the third one is greater than the time number of the calibration fraction;
3) в отобранных (рабочих) фракциях измеряют характеристические многомерные эквидистантные многомерные абсорбционные спектры в том же диапазоне частот, с тем же спектральным разрешением и шагом изменения частоты;3) in the selected (working) fractions, characteristic multidimensional equidistant multidimensional absorption spectra are measured in the same frequency range, with the same spectral resolution and frequency variation step;
4) преобразуют характеристический спектр калибровочной фракции и характеристические спектры рабочих фракций методами многомерной математической статистики совместно во множество точек в многомерном пространстве;4) transform the characteristic spectrum of the calibration fraction and the characteristic spectra of the working fractions by methods of multidimensional mathematical statistics together into a set of points in a multidimensional space;
5) рассчитывают расстояния Махаланобиса между точкой, отображающей калибровочный спектр и точками, отображающими спектры рабочих фракций;5) calculate the Mahalanobis distance between the point displaying the calibration spectrum and the points displaying the spectra of the working fractions;
6) определяют пару точек, одна из которых отображает спектр калибровочной фракции нефти, с наименьшим между ними расстоянием Махаланобиса, по которому идентифицируют фракцию нефти.6) determine a pair of points, one of which represents the spectrum of the calibration fraction of oil, with the smallest Mahalanobis distance between them, by which the fraction of oil is identified.
Сущность заявленного изобретения состоит в том, что на основе применения для идентификации фракций при термической разгонке нефти абсорбционных спектральных измерений, как обладающих более высокой достоверностью, во-первых, и более высокой чувствительностью к вариациям состава фракций, во-вторых.The essence of the claimed invention is based on the use of absorption spectral measurements for identifying fractions during thermal distillation of oil as having higher reliability, firstly, and higher sensitivity to variations in the composition of fractions, secondly.
Заявленное изобретение иллюстрируется двумя фигурами и одной таблицей.The claimed invention is illustrated in two figures and one table.
На Фиг. 1 схематично представлен результат идентификации фракций одного из двух, подвергшихся термической разгонке образцов одной и той же нефти - первая и вторая разгонки. На условной статистической плоскости проекции спектров отображены квадратами, внутри которых цифрами указаны временной порядковый номер выкипания фракций. В верхнем ряду на фиг. 1 представлены пять фракций первой разгонки, выполняющих функции калибровочных, помеченные нижними индексами «к». Во втором ряду показаны десять фракций второй разгонки (помечены нижним индексом «и»), в числе которых должны быть идентифицированы (определены номера выкипания) фракции, соответствующие по составу калибровочным. При этом указанным номерам выкипания соответствуют следующие интервалы температур для разогнанных образцов нефти: первая - (нк-62°С), вторая - (62-70°С), третья - (70-85°С), четвертая - (85-100°С), пятая (100-110°С), шестая - (110-120°С), одиннадцатая - (160-170°С), четырнадцатая - (190-200°С), семнадцатая - (22-230°С), двадцатая - (250-260°С).FIG. 1 schematically shows the result of the identification of fractions of one of two thermally distilled samples of the same oil — the first and second distillations. On the conditional statistical plane, the projections of the spectra are displayed by squares, inside which the numbers indicate the temporal sequence number of boiling fractions. In the top row in FIG. 1 shows the five fractions of the first distillation, performing the functions of the calibration, marked with lower indices "k". In the second row, ten fractions of the second distillation are shown (labeled with a subscript “and”), among which the boiling-off numbers should be identified (corresponding to the composition by calibration). The following temperature ranges for the distilled samples of oil correspond to the indicated boiling points: the first is (nk-62 ° C), the second is (62-70 ° C), the third is (70-85 ° C), the fourth is (85-100 ° C), the fifth (100-110 ° C), the sixth - (110-120 ° C), the eleventh - (160-170 ° C), the fourteenth - (190-200 ° C), the seventeenth - (22-230 ° C), the twentieth - (250-260 ° C).
На Фиг. 2 схематично представлен результат идентификации на соответствие шестой (6к - по порядку выкипания) калибровочной фракции образца одной нефти, какой-либо из восьми фракций термически разогнанного, независимо отобранного, образца другой нефти (1и – 8и). Проекции спектров фракций, как калибровочной, так и идентифицируемых, на условно статистическую плоскость отображены квадратами. Порядковые номера их выкипания: первая - (нк-62°С), вторая - (62-70°С), третья - (70-85°С), четвертая - (85-100°С), пятая (100-110°С), шестая (в том числе калибровочная) - (110-120°С), седьмая - (120-130°С) и восьмая (130-140°С).FIG. 2 schematically shows the result of identification for compliance with the sixth (6 to - boiling order) calibration fraction of a sample of one oil, one of the eight fractions of a thermally overclocked, independently selected, sample of another oil (1 and - 8 and ). The projections of the spectra of the fractions, both gauge and identifiable, onto the conventionally statistical plane are displayed as squares. Their boiling numbers are: first - (nk-62 ° C), second - (62-70 ° C), third - (70-85 ° C), fourth - (85-100 ° C), fifth (100-110 ° C), the sixth (including calibration) - (110-120 ° С), the seventh - (120-130 ° С) and the eighth (130-140 ° С).
Заявленный способ апробирован в лабораторных условиях Санкт-Петербургского государственного университета. Исследования и апробацию проводили на серийной аппаратуре. Апробация заявленного способа иллюстрируется на трех примерах, подтверждающих сущность заявленного способа и его реализацию.The claimed method was tested in the laboratory of St. Petersburg State University. Research and testing was carried out on serial equipment. Testing of the claimed method is illustrated in three examples, confirming the essence of the claimed method and its implementation.
Пример 1. Фиг. 1 иллюстрирует эксперимент по исследованию возможности идентификации фракций термической разгонки одного из двух образцов нефти по фракциям термической разгонки другого образца той же самой нефти. Эксперимент проводили следующим образом. От некоторого количества нефти отбирали два образца, которые подвергали термической разгонке в одинаковых по всем параметрам условиях. Пять фракций одной из разгонок (верхний ряд на Фиг. 1) рассматривается как калибровочные. Фракции другой разгонки выполняют роль идентифицируемых (нижний ряд на Фиг. 1). Затем измеряли спектры всех фракций. При этом, учитывая, что информативность спектров поглощения фракций нефти наиболее высокая в ИК-диапазоне, в заявляемом способе, в отличие от аналогов, для измерений использовали спектр в диапазоне от 500-1500 см-1. Это обеспечило максимально высокую информационность спектроскопических измерений. Кроме того, используемое в аналогах малого, как правило, числа информационных точек спектра (от одной до максимум трех) не позволяет эффективно использовать информацию, содержащуюся в спектре. Следует учитывать, что в спектре каждая его точка (длина волны или волновое число) несет в себе необходимую исследователю информацию. Поэтому чем в более широком диапазоне длин волн или волновых чисел, а также, чем больше информационных точек в спектре будет участвовать в измерениях, тем выше будет эффективность измерений, что в конечном итоге выражается и в чувствительности измерений и точностных характеристиках их результатов. Хотя, безусловно, существуют и здесь ограничения, связанные с перегрузкой измерительной базы, увеличением времени машинной обработки результатов и др. Необходимо найти оптимум. В заявляемом способе использовали диапазон волновых чисел от 500 до 1500 см-1, а число информационных точек в спектре не менее тысячи. Это в итоге обусловило высокие точность спектроскопических измерений и достоверность идентификации. Спектры всех фракций обрабатывали по методу главных компонент и отображали их совместно на одной статистической плоскости. Немаловажную роль в обеспечении высокой точности результатов эксперимента в целом имеет реализованный в заявляемом способе (в отличие от аналогов) переход от абсолютных измерений оптических спектров к измерениям их разностных спектров (в виде расстояний Махаланобиса). Это позволило отказаться от довольно грубых методов учета фоновых составляющих спектра (например, довольно произвольный отсчет фона с помощью проводимых так называемых линий фона. Это формирует заметные погрешности измерений. В заявляемом способе, с учетом того, что в пределах конкретной задачи (нефтяные фракции, например) спектры довольно однородные по распределению поглощения в фоновой и информативной частях, возможно простое и предельно полное нивелирование негативного влияния фона на точность измерений на основе использования разностных спектров.Example 1. FIG. Figure 1 illustrates an experiment to investigate the possibility of identifying thermal distillation fractions of one of two oil samples from thermal distillation fractions of another sample of the same oil. The experiment was carried out as follows. Two samples were taken from a certain amount of oil, which were subjected to thermal distillation under the same conditions for all parameters. Five fractions of one of the runs (top row in Fig. 1) are considered as calibration. Fractions of another distillation serve as identifiable (bottom row in Fig. 1). Then measured the spectra of all fractions. At the same time, given that the information content of the absorption spectra of oil fractions is highest in the IR range, in the claimed method, unlike analogs, a spectrum in the range from 500-1500 cm -1 was used for measurements. This provided the highest possible informational spectroscopic measurements. In addition, the number of information points of the spectrum (from one to a maximum of three) used in analogs of a small, as a rule, does not allow for efficient use of the information contained in the spectrum. It should be borne in mind that in the spectrum each of its points (wavelength or wavenumber) carries the information necessary for the researcher. Therefore, the wider the range of wavelengths or wave numbers, and also, the more information points in the spectrum will be involved in the measurements, the higher will be the efficiency of the measurements, which ultimately results in measurements sensitivity and accuracy characteristics of their results. Although, of course, there are also limitations associated with overloading the measuring base, increasing the time for machine processing of results, etc. It is necessary to find the optimum. In the present method used the range of wave numbers from 500 to 1500 cm -1 , and the number of information points in the spectrum of not less than a thousand. This ultimately led to high accuracy of spectroscopic measurements and accuracy of identification. The spectra of all fractions were processed by the principal component method and displayed together on a single statistical plane. An important role in ensuring high accuracy of the results of the experiment as a whole has been realized in the present method (as opposed to analogs) the transition from absolute measurements of optical spectra to measurements of their difference spectra (in the form of Mahalanobis distances). This made it possible to abandon rather coarse methods of taking into account the background components of the spectrum (for example, a rather arbitrary background reading using the so-called background lines. This generates noticeable measurement errors. In the present method, taking into account the fact that within a specific task (oil fractions, ) the spectra are quite homogeneous in terms of the absorption distribution in the background and informative parts, the simple and extremely complete leveling of the negative effect of the background on the accuracy of measurements based on the use of times is possible nostrums spectra.
Эксперимент показал, что, во-первых, идентифицировались из десяти пять фракций, т.е. в количественном отношении результат правильный, поскольку ни одна лишняя фракция не идентифицировалась. Во-вторых, во всех пяти случаях идентификация прошла безошибочно. Этот факт отражен на Фиг. 1 вертикальными двухсторонними стрелками и свидетельствует о том, что заявляемый способ успешно прошел своеобразное тестирование. Наблюдаемые отличия не значимы и связаны с неконтролируемыми вариациями температурных условий термической разгонки.The experiment showed that, firstly, out of ten five fractions were identified, i.e. in quantitative terms, the result is correct, since no extra fraction was identified. Secondly, in all five cases, the identification was unmistakable. This fact is reflected in FIG. 1 vertical double-sided arrows and indicates that the claimed method has successfully passed a kind of testing. The observed differences are not significant and are associated with uncontrolled variations in the temperature conditions of thermal distillation.
Пример 2. Второй пример иллюстрирует возможность ошибки в решении задачи идентификации фракций при термической разгонке нефти, осуществляемой по способу, описанному в прототипе, и возможность ее избежать при работе по предлагаемому способу. Вопрос принципиальный: как учесть негативное влияние неконтролируемых вариаций состава нефти, поступающей на термическую разгонку. В результате такого влияния необходимая для последующего технологического процесса фракция может сдвинуться в ту или иную сторону по шкале временной нумерации. Вследствие этого произойдет ошибка в отборе фракции. В заявляемом способе эта проблема решается следующим образом.Example 2. The second example illustrates the possibility of errors in solving the problem of identifying fractions during thermal distillation of oil carried out according to the method described in the prototype, and the possibility of avoiding it when working on the proposed method. The question of principle: how to take into account the negative impact of uncontrolled variations in the composition of oil supplied to the thermal distillation. As a result of this effect, the fraction required for the subsequent technological process can move in one direction or another on a time-numbering scale. As a result, there will be an error in the selection of the faction. In the present method, this problem is solved as follows.
Эксперимент во втором примере состоит в следующем. Отбирали образец нефти и подвергали его термической разгонке. Отобрали фракцию с температурой выкипания (110-120°С), т.е. фракцию №V1. Характеристический спектр и состав этой фракции предварительно были получены. Затем независимо отобрали образец нефти через 10 дней после того, как был отобран предыдущий образец. В условиях, когда нефть поступает по трубопроводу, такой отбор можно считать независимым. Этот образец также подвергли термической разгонке в тех же условиях, что и предыдущий. Для идентификации, кроме фракции №6, выкипающей при температуре (110-120°С), отобрали соседние фракции, а именно: №1V (85-100°С), №V (100-110°С), №VП (120-130°С) и №VШ (130-140°С). Задача эксперимента во втором примере состояла в идентификации фракции, идентичной или близкой по характеристическим свойствам калибровочной. В отобранных фракциях измерили многомерные спектры, провели их обработку по методу главных компонент и проекции их на главные компоненты отобразили совместно с проекцией спектра калибровочной фракции на статистической плоскости двух первых главных компонент. Результат схематично отображен на условной статистической плоскости на Фиг. 2. На ней показано отображение проекции спектра калибровочной фракции - №6к и ниже отображены пять проекций спектров фракций независимо отобранного образца. Как видно, в этом случае. По калибровочной фракции идентифицируется не шестая, а седьмая фракция разгонки независимо отобранного образца. Причина такого смещения спектра состоит во влиянии неконтролируемых вариаций состава нефти. Применение в этом случае способа, описанного в прототипе, может привести к ошибочной идентификации. Применение заявляемого способа позволяет избежать такого рода ошибки, так как идентификация проводится по идентичному (или близкому к нему) спектру, а то, под каким номером он находится в данном случае, значения не имеет.The experiment in the second example is as follows. A sample of oil was taken and subjected to thermal distillation. The fraction with boiling temperature (110-120 ° С) was selected, i.e. fraction №V1. The characteristic spectrum and composition of this fraction were previously obtained. Then, an oil sample was independently taken 10 days after the previous sample was taken. In conditions when oil comes through the pipeline, such a selection can be considered independent. This sample was also subjected to thermal distillation under the same conditions as the previous one. For identification, in addition to fraction No. 6, boiling away at a temperature (110-120 ° C), adjacent fractions were selected, namely: No. 1V (85-100 ° C), No. V (100-110 ° C), No. VP (120 -130 ° С) and №VШ (130-140 ° С). The task of the experiment in the second example was to identify a fraction that is identical or similar in its characteristic calibration properties. In the selected fractions, multidimensional spectra were measured, they were processed according to the principal component method and projected onto the main components together with the projection of the spectrum of the gauge fraction on the statistical plane of the first two principal components. The result is schematically displayed on the conditional statistical plane in FIG. 2. It shows the projection of the spectrum of the calibration fraction — # 6k — and below, five projections of the spectra of the fractions of the independently selected sample are displayed. As you can see, in this case. According to the calibration fraction, it is not the sixth, but the seventh distillation fraction of the independently selected sample that is identified. The reason for this shift in the spectrum is the effect of uncontrolled variations in the composition of oil. Application in this case of the method described in the prototype, can lead to erroneous identification. The application of the proposed method allows you to avoid this kind of error, since the identification is carried out on an identical (or close to it) spectrum, and the number under which it is located in this case does not matter.
Пример 3. Состоит в построении процедуры идентификации температуры выкипания фракций (следовательно, и самих фракций) на основе нейронной сети радиального базиса. Выбор именно этого типа сети обусловлен ее приспособленностью для аппроксимации функциональных зависимостей, каковой и является многомерная кривая, образуемая проекциями спектров фракций на главные компоненты многомерной системы координат. Использование нейронной сети в идентификации температуры фракций позволяет получить количественную оценку возможностей заявляемого способа. В эксперименте в качестве характеристических свойств фракций рассматривали значения верхних температур выкипания фракций. В эксперименте использовали три разгонки нефти. Из них две разгонки (условно первая и вторая) провели для двух образцов одной и той же нефти. В третьей разгонке использовали независимо отобранный образец нефти. Обучение сети проводили по проекциям спектров третьей разгонки на первые пять главных компонент первой разгонки. Для тестирования степени «обученности» системы использовали проекции спектров фракций второй разгонки. Для идентификации температур кипения фракций («рабочий» цикл) использовали проекции спектров первой разгонки. Результаты приведены в таблице «Результаты тестирования нейронной сети и идентификации температуры кипения фракций». Из приведенной ниже таблицы видно, что отклонение значения идентифицируемой температуры от соответствующего значения результата тестирования системы не превышает 25% от используемого шага изменения температуры при переходе от одной фракции к соседней. Приведенные в таблице данные подтверждают возможность использования заявляемого способа для идентификации температур выкипания нефтяных фракций и тем самым для идентификации фракций. Наблюдаемое отсутствие абсолютной точности воспроизведения температур обучающего набора (тестирование) иллюстрирует сложность аппроксимации кривой распределения проекций спектров фракций на статистической плоскости, наличие на ней пока не объясненных особенностей. Кроме того, следует принять во внимание, что обучающий и тестирующий наборы спектров принадлежат фракциям, температурные границы которых не являются абсолютно точно определенными. В целом, приведенные результаты в таблице подтверждают возможность используемого способа для идентификации температур выкипания нефтяных фракций, т.е. работоспособность нейронной сети в выбранной конфигурации.Example 3. It consists in constructing a procedure for identifying the boiling point temperature of fractions (and, consequently, of the fractions themselves) on the basis of a neural network of a radial basis. The choice of this type of network is due to its adaptability for approximating functional dependencies, which is the multidimensional curve formed by the projections of the fraction spectra on the main components of the multidimensional coordinate system. The use of a neural network in the identification of temperature fractions allows to obtain a quantitative assessment of the capabilities of the proposed method. In the experiment, the characteristic properties of the fractions were considered the values of the upper boiling point temperatures of the fractions. In the experiment, three distillations of oil were used. Of these, two distillations (conditionally, the first and second) were carried out for two samples of the same oil. In the third distillation used independently selected sample of oil. Network training was carried out on the projections of the third distillation spectra onto the first five main components of the first distillation. To test the degree of "learning" of the system, projected spectra of fractions of the second distillation were used. To identify the boiling points of the fractions (“working” cycle), we used the projections of the spectra of the first distillation. The results are shown in the table “Results of testing the neural network and identifying the boiling point of fractions”. The table below shows that the deviation of the value of the identified temperature from the corresponding value of the test result of the system does not exceed 25% of the used temperature change step during the transition from one fraction to the next. The data in the table confirm the possibility of using the proposed method to identify boiling temperatures of petroleum fractions and thereby to identify fractions. The observed lack of absolute accuracy in reproducing the temperature of the training set (testing) illustrates the difficulty of approximating the distribution curve of the projections of the spectra of the fractions on the statistical plane, the presence on it of unexplained features. In addition, it should be taken into account that the training and testing sets of spectra belong to fractions whose temperature boundaries are not absolutely precisely defined. In general, the results in the table confirm the possibility of the method used to identify boiling points of oil fractions, i.e. operability of the neural network in the selected configuration.
Учитывая изложенное, в целом порядок идентификации по заявляемому способу следующий:Considering the above, in General, the procedure for identification by the present method is as follows:
1. Отбирают образец нефти и подвергают его термической разгонке.1. A sample of oil is taken and subjected to thermal distillation.
2. Используя необходимые физические и физико-химические методы, определяют номер (N) фракции, обладающей необходимыми качественным и количественным составом для последующего технологического процесса в котором предполагается ее использование.2. Using the necessary physical and physico-chemical methods, determine the number (N) of the fraction having the necessary qualitative and quantitative composition for the subsequent process in which it is intended to be used.
3. Измеряют в ИК-диапазоне многомерные эквидистантные абсорбционные характеристические спектры этой фракции в диапазоне от 500 до 1500 см-1 (разрешение 1 см-1, шаг 0,5 см-1) компонентов этой фракции и рассматривают фракцию и ее спектр как калибровочные.3. The multidimensional equidistant absorption characteristic spectra of this fraction in the range from 500 to 1500 cm -1 (resolution 1 cm -1 , step 0.5 cm -1 ) of the components of this fraction are measured in the IR range and consider the fraction and its spectrum as calibration.
4. Другие независимо отобранные образцы нефти (разных месторождений) подвергают термической разгонке в тех же условиях, что и первый образец.4. Other independently selected oil samples (from different fields) are thermally distilled under the same conditions as the first sample.
5. Выделяют фракции под номерами (N-1), N и (N+1), т.е. калибровочная фракция с номером калибровочной (N), фракция с предыдущим номером (N-1) и фракция с номером следующим за номером калибровочной фракции, т.е. (N+1); измеряют их абсорбционные многомерные эквидистантные абсорбционные спектры в широком спектральном диапазоне от 500 до 1500 см-1 с теми же разрешением и шагом.5. There are fractions numbered (N-1), N and (N + 1), i.e. the calibration fraction with the calibration number (N), the fraction with the previous number (N-1) and the fraction with the number following the number of the calibration fraction, i.e. (N + 1); measure their absorption multidimensional equidistant absorption spectra in a wide spectral range from 500 to 1500 cm -1 with the same resolution and pitch.
6. Полученные спектры, как калибровочный, так и тестируемые обрабатывают совместно по методу главных компонент; результаты обработки представляют в виде множества точек в многомерном пространстве, одна из которых является отображением калибровочного спектра, а другие отображают спектры тестируемых фракций.6. The obtained spectra, both calibrated and tested, are processed jointly by the principal component method; The results of processing are represented as a set of points in a multidimensional space, one of which is a display of the calibration spectrum, while the others display the spectra of the tested fractions.
7. Рассчитывают расстояния Махаланобиса между точкой, отображающей калибровочный спектр и точками, отображающими спектры тестируемых фракций.7. Calculate the Mahalanobis distance between the point displaying the calibration spectrum and the points displaying the spectra of the tested fractions.
8. Определяют пару точек, одна из которых отображает спектр калибровочной фракции нефти, с наименьшим между ними расстоянием Махаланобиса, по которому идентифицируют фракцию нефти.8. Determine a pair of points, one of which displays the spectrum of the calibration fraction of oil, with the smallest distance between them Mahalanobis, which identify the fraction of oil.
Заявляемый способ идентификации фракций нефти с абсорбционными многомерными спектроскопическими измерениями, как калибровочной, так и тестируемых фракций с использованием методов многофакторной математической статистики для их обработки, позволяет эффективно учитывать случайные вариации состава нефти, поступающей на термическую разгонку и тем самым повысить достоверность результатов и улучшить их точностные характеристики.The inventive method for identifying oil fractions with absorption multidimensional spectroscopic measurements of both calibration and test fractions using multivariate mathematical statistics methods for processing them allows one to effectively take into account random variations in the composition of oil supplied to thermal distillation and thereby increase the reliability of the results and improve their accuracy specifications.
Способ может быть использован для идентификации фракций нефти при ее термической разгонке, необходимых в различных технологических процессах нефтехимии и нефтепереработки. Особенностью способа является обеспечение корректной калибровки при идентификации фракции, необходимой для последующего технологического процесса с ее использованием. Применение способа позволит существенно сократить время идентификации, характерное для традиционных, использующих спектроскопические измерения методов, за счет отказа от количественных измерений состава в процессе идентификации. Этому способствует и тот факт, что калибровочная фракция, точнее ее спектр, введенный в память регистрирующей системы, может исполнять свои функции и при измерениях в последующих разгонках поступающей для этого нефти.The method can be used to identify oil fractions during its thermal distillation, which are necessary in various technological processes of petrochemistry and oil refining. A feature of the method is to ensure the correct calibration in the identification of the fraction required for the subsequent process with its use. The application of the method will significantly reduce the time of identification, which is characteristic of traditional methods using spectroscopic measurements, due to the rejection of quantitative measurements of the composition in the process of identification. This is facilitated by the fact that the calibration fraction, or rather its spectrum, entered into the memory of the recording system, can also perform its functions during measurements in subsequent distillations of the oil supplied for this.
Коммерческая значимость способа. Как показывают проведенные экспериментальные исследования, заявленный способ позволяет повысить точность, достоверность идентификации нефтяных фракций в термической разгонке нефти и он может быть успешно реализован при решении задач нефтеперерабатывающей и нефтехимической отраслях, связанных с необходимостью контроля состава нефтяных фракций. Результаты апробации подтвердили, что заявленный способ идентификации нефтяных фракций промышленно осуществим и полезен, поскольку его достоверность более надежна по сравнению с прототипом и аналогами. Его применение не требует расхода чистых веществ, и, что важно, он обладает более высоким быстродействием. Используемые приборы имеют практически неограниченный ресурс. Способ в целом пригоден для создания на его основе системы автоматического контроля качества продукции или поддержания его уровня в различных нефтехимических процессах, использующих нефтяные фракции или их смеси. Особенностью способа является обеспечение корректной калибровки при использовании нефтяных фракций в производстве нефтехимической продукции. Применение способа позволит сократить, кроме этого, и время идентификации в несколько раз, что существенно важно с учетом высокой стоимости оборудования, обеспечивающего измерения, и стоимости труда высококвалифицированных работников.The commercial importance of the method. As shown by experimental studies, the claimed method allows to increase the accuracy and accuracy of identification of oil fractions in thermal distillation of oil and it can be successfully implemented in solving problems of the oil refining and petrochemical industries related to the need to control the composition of oil fractions. The results of testing confirmed that the claimed method of identification of oil fractions is industrially feasible and useful, since its reliability is more reliable compared to the prototype and analogues. Its use does not require the consumption of pure substances, and, importantly, it has a higher speed. Used devices have almost unlimited resource. The method is generally suitable for creating on its basis a system of automatic quality control of products or maintaining its level in various petrochemical processes using petroleum fractions or mixtures thereof. A feature of the method is to ensure the correct calibration when using petroleum fractions in the production of petrochemical products. The application of the method will allow to reduce, in addition, the identification time several times, which is essential in view of the high cost of equipment providing measurements, and the cost of labor of highly skilled workers.
Список использованной литературыReferences
1. RU 365900 МПК G01N 21/35 (2006.01).1. RU 365900 IPC G01N 21/35 (2006.01).
2. RU 2185620 МПК G01N 30/04 (2000.01).2. RU 2185620 IPC G01N 30/04 (2000.01).
3. RU 94042592 МПК G01N 21/35 (1995/01).3. RU 94042592 IPC G01N 21/35 (1995/01).
4. РФ №2088908 МПК G01N 25/14 1995-07-27.4. RF №2088908 IPC G01N 25/14 1995-07-27.
5. РФ 218568 МПК G01N 30/04 6.03. 2001.5. RF 218568 IPC G01N 30/04 6.03. 2001.
6. РФ №2365900 МПК G01N 21/35 2008-03-27.6. Of the Russian Federation No. 2365900 IPC G01N 21/35 2008-03-27.
7. РФ №2639139 МПК G01N 21/31 19.12.2017 (прототип).7. Of the Russian Federation No. 2639139 IPC G01N 21/31 12/19/2017 (prototype).
Claims (1)
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2018143570A RU2688841C1 (en) | 2018-12-07 | 2018-12-07 | Method for identification of fractions of thermal distillation of oil |
| EA201900534A EA038397B1 (en) | 2018-12-07 | 2019-11-26 | Method for identification of fractions of thermal distillation of oil |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2018143570A RU2688841C1 (en) | 2018-12-07 | 2018-12-07 | Method for identification of fractions of thermal distillation of oil |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2688841C1 true RU2688841C1 (en) | 2019-05-22 |
Family
ID=66637008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2018143570A RU2688841C1 (en) | 2018-12-07 | 2018-12-07 | Method for identification of fractions of thermal distillation of oil |
Country Status (2)
| Country | Link |
|---|---|
| EA (1) | EA038397B1 (en) |
| RU (1) | RU2688841C1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2783824C1 (en) * | 2022-02-09 | 2022-11-18 | федеральное государственное бюджетное образовательное учреждение высшего образования "Казанский национальный исследовательский технологический университет" (ФГБОУ ВО "КНИТУ") | Method for mapping the process of atmospheric-vacuum distillation |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008032694A (en) * | 2006-07-04 | 2008-02-14 | Dkk Toa Corp | Method of identifying kind of oil, and kind of oil identifying unit |
| RU2365900C1 (en) * | 2008-03-27 | 2009-08-27 | Владимир Всеволодович Семенов | Identification method of sources of oil pollution |
| RU2368645C2 (en) * | 2007-09-27 | 2009-09-27 | Государственное образовательное учреждение высшего профессионального образования "Казанский государственный университет им. В.И. Ульянова-Ленина" (ГОУ ВПО КГУ) | Identification method of marked oil products |
| RU2013109629A (en) * | 2013-03-04 | 2014-09-10 | Государственное унитарное предприятие "Институт проблем транспорта энергоресурсов" (ИПТЭР) | METHOD FOR DETECTING OIL OR OIL PRODUCT FROM PIPELINE |
| RU2639139C1 (en) * | 2016-10-21 | 2017-12-19 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Башкирский государственный университет" | Method of identifying multicomponent hydrocarbon systems by statistical parameters of electron absorption spectrum signal |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1155357A4 (en) * | 1999-01-29 | 2010-01-27 | Exxonmobil Oil Corp | Method to control a lubricant production |
| US6295485B1 (en) * | 1999-01-29 | 2001-09-25 | Mobil Oil Corporation | Control of lubricant production by a method to predict a base stock's ultimate lubricant performance |
| JP6109927B2 (en) * | 2012-05-04 | 2017-04-05 | カオニックス ラブス リミテッド ライアビリティ カンパニー | System and method for source signal separation |
-
2018
- 2018-12-07 RU RU2018143570A patent/RU2688841C1/en active
-
2019
- 2019-11-26 EA EA201900534A patent/EA038397B1/en unknown
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008032694A (en) * | 2006-07-04 | 2008-02-14 | Dkk Toa Corp | Method of identifying kind of oil, and kind of oil identifying unit |
| RU2368645C2 (en) * | 2007-09-27 | 2009-09-27 | Государственное образовательное учреждение высшего профессионального образования "Казанский государственный университет им. В.И. Ульянова-Ленина" (ГОУ ВПО КГУ) | Identification method of marked oil products |
| RU2365900C1 (en) * | 2008-03-27 | 2009-08-27 | Владимир Всеволодович Семенов | Identification method of sources of oil pollution |
| RU2013109629A (en) * | 2013-03-04 | 2014-09-10 | Государственное унитарное предприятие "Институт проблем транспорта энергоресурсов" (ИПТЭР) | METHOD FOR DETECTING OIL OR OIL PRODUCT FROM PIPELINE |
| RU2639139C1 (en) * | 2016-10-21 | 2017-12-19 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Башкирский государственный университет" | Method of identifying multicomponent hydrocarbon systems by statistical parameters of electron absorption spectrum signal |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2785591C1 (en) * | 2022-02-08 | 2022-12-09 | федеральное государственное бюджетное образовательное учреждение высшего образования "Казанский национальный исследовательский технологический университет" (ФГБОУ ВО "КНИТУ") | Method for assessing the group hydrocarbon composition of straight-run petroleum fractions |
| RU2783824C1 (en) * | 2022-02-09 | 2022-11-18 | федеральное государственное бюджетное образовательное учреждение высшего образования "Казанский национальный исследовательский технологический университет" (ФГБОУ ВО "КНИТУ") | Method for mapping the process of atmospheric-vacuum distillation |
Also Published As
| Publication number | Publication date |
|---|---|
| EA201900534A3 (en) | 2020-11-30 |
| EA038397B1 (en) | 2021-08-23 |
| EA201900534A2 (en) | 2020-08-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Giavarina | Understanding bland altman analysis | |
| JP6089345B2 (en) | Multicomponent regression / multicomponent analysis of temporal and / or spatial series files | |
| CN105486658B (en) | A kind of near-infrared physical parameter measurement method with no measuring point temperature compensation function | |
| Ni et al. | Screening wavelengths with consistent and stable signals to realize calibration model transfer of near infrared spectra | |
| Kaiser | Foundations for the critical discussion of analytical methods | |
| CN107505346B (en) | The method for predicting to be especially the chemical displacement value of NMR spin system in biological fluid sample in class of fluids sample | |
| Kovtyukh et al. | High-precision effective temperatures of 215 FGK giants from line-depth ratios | |
| Sukumaran | Concentration determination of nucleic acids and proteins using the micro-volume bio-spec nano spectrophotometer | |
| CN111323393A (en) | Measurement method combining scattering turbidimetry and transmission turbidimetry | |
| CN105466885B (en) | Based on the near infrared online measuring method without measuring point temperature-compensating mechanism | |
| CN104849234A (en) | Assay method for analyzing contents of principal components of imidacloprid based on near-infrared spectrum | |
| JPH11326046A (en) | Measured value analysis method of on-line spectral analyzer | |
| RU2688841C1 (en) | Method for identification of fractions of thermal distillation of oil | |
| Shamrikova et al. | Problems and limitations of the dichromatometric method for measuring soil organic matter content: a review | |
| Flumignan et al. | Multivariate calibrations on 1H NMR profiles for prediction of physicochemical parameters of Brazilian commercial gasoline | |
| CN109856094A (en) | A kind of function detecting method of fluorescence immunity analyzer | |
| Valcárcel et al. | A metrological hierarchy for analytical chemistry | |
| CN109799225B (en) | Method for measuring element content based on resonance and non-resonance double lines | |
| CN111579526B (en) | Method for representing difference and correction of near infrared instrument | |
| CN113624717A (en) | Model establishment and use method for predicting sample components based on near infrared spectrum data | |
| Christensen et al. | Method evaluation, quality control, and external quality assurance systems of analytical procedures | |
| RU2565356C1 (en) | Method of separate measurement of mass fractions of oil and gas condensate in products of oil-gas condensate wells | |
| Karpov et al. | The Analytical Control as an Integral Part of Material Diagnostics | |
| Moreira et al. | Evaluation of the influence of sample variability on the calibration of a NIR photometer for quantification of ethanol in gasoline | |
| RU2752308C1 (en) | Method for controlling the conditionality of liquid petroleum products |