一種改進的調合辛烷值模型預測汽油研究法辛烷值

張玉瑞，陳微微，周曉龍，肖云鵬

(1.華東理工大學石油加工研究所，上海 200237；2.中國石化安慶分公司)

一種改進的調合辛烷值模型預測汽油研究法辛烷值

張玉瑞1，陳微微1，周曉龍1，肖云鵬2

(1.華東理工大學石油加工研究所，上海 200237；2.中國石化安慶分公司)

對中國石化安慶分公司(安慶石化)汽油調合組分油進行調合實驗，建立了修正的調合辛烷值模型預測汽油的研究法辛烷值，利用基于LM改進的信賴域方法進行了模型非線型回歸。選取安慶石化實際生產數據驗證模型準確性，比較了線性模型、調合辛烷值模型、改進調合辛烷值模型的預測效果。通過對比3種模型的預測結果，發現3種模型中改進調合辛烷值模型具有較好的預測效果，平均絕對誤差0.49，平均相對誤差0.5%，殘差均方和是0.74，模型的R2是1.08。

汽油調合 研究法辛烷值 預測模型 信賴域方法

汽油調合是車用汽油生產的關鍵步驟。傳統的罐裝調合工藝油罐較多，占地面積大，并且調合多依賴經驗，辛烷值過剩較大，容易造成經濟損失。近年來，煉油廠紛紛改進工藝，引進先進的汽油在線調合工藝，因此準確的石油品質預測模型成了改進技術的重點[1-2]。

辛烷值是汽油最主要的品質指標。辛烷值與汽油組分密切相關[3]，調合組分之間存在相互作用，因此辛烷值預測模型表現為非線性。Rusin等[4]提出轉換模型，認為非線性主要是由靈敏度、汽油組分(芳烴、烯烴、烷烴)之間的相互作用以及提高汽油辛烷值的添加劑引起的。Healy[5]提出了Ethyl模型，分析了調合汽油組分的辛烷值水平、烯烴和芳烴含量對調合辛烷值的影響，并且引入調合組分的敏感性，得出調合汽油的辛烷值。Twu等[6]為確保模型能描述整個組成范圍內相同或不同組分的調合行為，并且可用于多組分調合物的預測，提出二次非線性調合模型。Pasadakis等[7]利用神經網絡模型預測調合汽油辛烷值，以調合組分的體積比率和辛烷值作為神經網絡輸入，調合汽油的辛烷值作為神經網絡輸出。Ghosh[8]基于汽油中具體組分建立模型，認為辛烷值的貢獻是由組分調合辛烷值以及組分之間相互作用兩部分共同作用的結果。Foong等[9]提出一種含有乙醇抗爆劑的調合成品油的預測模型，通過乙醇和未添加乙醇的調合油的摩爾加和的方式預測最終油品的辛烷值，偏差較體積加和小。由于辛烷值與分子結構密切相關，Andreas[10]利用近紅外光譜結合多元線性回歸的方式預測油品的辛烷值，精度較高；Meusinger等[11]利用13C NMR和神經網絡結合的方式預測分子的辛烷值；Smolenskii等[12]通過建立分子拓撲結構，進而通過回歸方法建立模型預測分子的辛烷值。陳新志[13]提出的虛擬純組分模型，將各種汽油組分視為虛擬的純組分，采用基于局部組成概念建立辛烷值模型。薛美盛等[14]提出汽油調合指數模型，該模型是將調合組分油的實際辛烷值進行指數變換，得到計算辛烷值后進行線性加和得到成品油的計算辛烷值，具有易線性化的特點。

本研究通過對中國石化安慶分公司(安慶石化)調合油品進行辛烷值調合特性的實驗研究，建立改進的調合辛烷值模型；比較線性模型，調合辛烷值模型以及改進的調合辛烷值模型之間的差異。采用信賴域方法(改進的LM法)對模型進行非線性回歸，并使用安慶石化實測生產數據驗證模型的準確性。

1 模型建立

一般認為辛烷值的非線性主要由兩方面引起：一是組分的靈敏度(不同測試條件下引起的辛烷值的差異)；二是組分之間的相互作用。

1.1 靈敏度影響

同種燃料在不同的測試條件(壓縮比、轉速、進氣溫度等)下表現出不同的抗爆性，例如用辛烷值為90的某組分油來調合93號或97號成品油時，由于測試兩種成品油辛烷值時壓縮比不同，此組分油在兩種成品油中表現出的調合辛烷值不同。Ghosh等[8]通過實驗發現不同分子的調合辛烷值和調合用油品的辛烷值成線性相關，具體如下：

ON=∑xi×BiON

(1)

BiON=a0+a1×ON

(2)

當只有一種物質時，BiON=ON=ONi，因此公式(2)化簡為

ONi=a0i+a1i×ONi

(3)

所以

a0i=(1-a1i)×ONi

(4)

假設1-a1i=bi；公式(4)變為

a0i=bi×ONi

(5)

帶入(2)和(1)式，最終得到

ON=(∑xi×bi×ONi)(∑xi×bi)

(6)

式中：ON為油品辛烷值;BiON為純物質的調合辛烷值；ONi為純物質的辛烷值；a0，a1，a0i，a1i，bi為參數；xi為組分體積分率。

上述模型需要知道汽油中所有的分子或者某些相似分子組成的集總，而汽油是一個復雜的大量分子組成的超級混合物，因此比較繁瑣。在此，把汽油的調合組分作為一個純組分參與調合，大大減少了集總的數目。即存在幾個調合組分就存在幾種集總，而集總的參數bi代表集總內物質相互作用的結果。

1.2 組分的相互作用影響

不同的物質之間的相互作用是不同的，主要有下述規律[3]：①同族物質調合時辛烷值和組成表現為線性相關，例如主要由飽和烴構成的組分油A和B，A和B調合的油品辛烷值大致等于體積線性加和值；②烯烴和飽和烴之間表現正偏差；③芳烴和不同濃度的烯烴表現輕微的負偏差，芳烴和飽和烴之間表現正偏差。利用式(7)表示二元調合中組分之間相互作用引起的偏差：

Deviation=CφAφB(1+KφA)

(7)

式中：φA和φB分別代表二元調合組分的體積分數；B為易產生爆震的物質；A為不易產生爆震的物質或者一定程度上阻止物質B爆震的物質；C和K為模型參數。Rusin等[4]利用族組成集總的方式按照此種方法(式7)表示汽油中物質之間相互作用引起的非線性，得到較好的預測結果。采用類似的方法，將汽油進行集總，分為芳烴、烯烴和飽和烴，通過式(7)表示物質之間的相互作用對辛烷值的貢獻。

1.3 模型的整合

通過上述分析和假設，得到汽油辛烷值非線性的兩方面影響模型(6)和(7)，通過整合得到：

RON=(∑xi×bi×ONi)(∑xi×bi)+Dev

(8)

Dev=C1VAVP(1+K1VA)+C2VOVP(1+K2VO)+

C3VAVO(1+K3VA)

(9)

式中：VA，VP，VO分別為成品汽油中芳烴、飽和烴、烯烴的體積分數；bi，C1～C3，K1～K3為模型參數。

辛烷值模型一般滿足下列事實：①兩個相同的組分油調合或者單獨的組分油和自身調合時，辛烷值等于組分油的辛烷值；②調合汽油的辛烷值不應受到調合順序的影響。

模型(8)顯然不符合第一點事實，其主要原因是式(8)中前半部分ONi包含了其本身內部組分之間的相互作用，然而在后面的部分Dev中又一次出現，造成了與事實(1)不同的結論。對式(8)引進修正因子ri進行修正，修正如下：

RON=[∑xi×bi×(ONi-ri)](∑xi×bi)+Dev

(10)

Dev=C1VAVP(1+K1VA)+C2VOVP(1+K2VO)+

C3VAVO(1+K3VA)

(11)

ri=C1V′AV′P(1+K1VA)

(12)式中：V′A，V′P，V′O分別為調合組分油的芳烴、飽和烴、烯烴體積分數；bi，C1～C3，K1～K3為模型參數。

針對不同的調合組分油，ri可以作相應的簡化，例如對于重整油，油品主要是芳烴和飽和烴組成，所以芳烴和烯烴，烯烴和飽和烴的相互作用項就可以忽略。而對于主要含有飽和烴的拔頭油或者抽余油可以將ri忽略。

2 實 驗

2.1 實驗方案

(1) 實驗所用原料均來自安慶石化，首先對組分油進行實驗分析，主要測量研究法辛烷值、族組成(芳烴、烯烴、飽和烴的體積分數)。

(2) 進行組分油配比實驗，測量調合后油品的研究法辛烷值、族組成。用于模型回歸的配比實驗共進行38組。

(3) 通過實驗數據進行模型參數回歸求解。

(4) 實際生產數據驗證模型的準確性。

2.2 實驗數據

分別對30組不同時間生產的組分油進行實驗分析，發現組分性質變化不大。其中，拔頭油和抽余油輕組分較多，辛烷值測試不準確，采用經驗數據,部分數據見表1。由于組分性質變化不大，采用平均值作為最終組分油的各性質數據，見表2。

表1 組分油性質數據

表2 各組分油數據

表3是進行配比實驗的部分數據。另外隨機選取31組安慶石化2015年1—7月的生產數據進行模型驗證。

表3 汽油配方以及配方的辛烷值

3 模型計算

利用實驗數據擬合模型參數。線性模型進行線性回歸，調合辛烷值和改進的調合辛烷值由于是非線性模型，采用信賴域法進行非線性回歸，以上所有的回歸程序是在Matlab環境實現的。

3.1 線性模型

RON=∑xi×ONi

(13)

利用安慶石化實際生產數據驗證模型準確性，預測結果分析如下：最大絕對誤差3.43，平均絕對誤差1.33，平均相對誤差1.4%，殘差均方和為1.7，模型的R2為3.23，偏差較大。

3.2 調合辛烷值模型

RON=(∑xi×bi×ONi)(∑xi×bi)

(14)

利用信賴域方法進行非線性擬合求得模型參數，結果見表4。

表4 調合辛烷值模型參數

利用安慶石化實際生產數據驗證模型準確性，對預測數據進行殘差分析，結果見圖1。基線表示實際生產數據，紅色圓圈表示預測數值，圓圈與基線的垂直距離表示殘差，垂直的黑實線代表殘差的信任區間，置信水平0.05。從圖1可以看出，大部分數據偏差在±1之間，并且多數在信任區間中，殘差信任區間均通過0處位置，最大絕對偏差出現在第三組，最大偏差是1.99，平均絕對誤差0.57，平均相對誤差0.6%，殘差均方和為0.88，模型的R2為0.909，可見模型的擬合效果較好。

圖1 預測數據的殘差分析○—預測值； —實際生產數據; ┃—置信水平為0.05的殘差置信區間。 圖2同

3.3 改進的調合辛烷值模型

改進辛烷值模型具體形式見式(9)～式(11)。對于抽余油和拔頭油忽略ri的影響，對于重整油只考慮ri中芳烴和飽和烴的影響，對于熱裂解和S Zorb油采用ri形式。

利用信賴域方法進行非線性擬合求得模型參數，結果見表5。

表5 改進調合辛烷值模型參數

利用安慶石化實際生產數據驗證模型準確性，對預測數據進行殘差分析，結果見圖2。從圖2可知，多數數據在殘差的信任區間內，信任區間均通過0處位置，最大絕對偏差出現在第三組，最大偏差是1.94，平均絕對誤差0.49，平均相對誤差0.5%，殘差均方和為0.74，模型的R2為1.08，模型優于調合辛烷值方法。

圖2 預測數據的殘差分析

圖3表示線性模型、調合辛烷值模型、改進調合辛烷值模型的預測數據和實際生產數據的關系。從圖3可以看出：線性模型偏差較大，調合辛烷值基本和實測數值相近，改進的調合辛烷值雖然也存在一定偏差，但預測效果優于調合辛烷值方法；最大偏差大概出現在同一位置，通過對比配方，發現偏差較大的點配方和相似配方的辛烷值相差較大，因此推斷此處偏差應該是由測量誤差引起。

圖3 實測辛烷值和模型預測辛烷值對比■—實測數據； ●—線性模型預測數據； ▲—調合辛烷值模型預測數據；—改進調合辛烷值模型預測數據

4 結 論

(1) 通過擬合計算，線性模型的偏差較大，最大絕對誤差3.43，平均絕對誤差1.33，平均相對誤差1.4%，殘差均方和為1.7，模型的R2為3.23；調合辛烷值模型最大偏差為1.99，平均絕對誤差0.57，平均相對誤差0.6%，殘差均方和為0.88，模型的R2為0.909；改進的調合辛烷值模型最大偏差是1.94，平均絕對誤差0.49，平均相對誤差0.5%，殘差均方和為0.74，模型的R2為1.08。對比發現，改進辛烷值模型方法具有可行性。

(2) 通過對比線性模型和調合辛烷值模型發現，測試條件的改變是辛烷值預測非線性的一方面原因；對比調合辛烷值模型和改進調合辛烷值模型，可以認為組分相互作用是非線性產生的另一方面原因，證實了模型建立的正確性。

[1] 王偉.基于油品性質的汽油調合辛烷值模型的選取[J].石油學報(石油加工)，2006，22(6)：39-44

[2] 黃鳳林.調合汽油辛烷值模型[J].西安石油學院學報，1999，14(5)：54-57

[3] 彭樸，陸婉珍.汽油辛烷值和組成的關系[J].石油煉制與化工，1981，12(6)：27-38

[4] Rusin M H，Chung H S，Marshall J F.A “Transformation” method for calculating the research and motor octane number of gasoline blends[J].Industrial and Engineering Chemistry Fundamentals，1981，20(3)：195-204

[5] Healy.Predicting motor and distribution octane numbers of multi-component blends[J].Journal of The Japan Petroleum Institute，1975，18(3)：193-195

[6] Twu C H，Coon J E.Predict octane numbers using a generalized interaction method[J].Hydrocarbon Processing，1996，75(2)：51-56

[7] Pasadakis N，Gaganis V，Foteinopoulos C.Octane number prediction for gasoline blends[J].Fuel Processing Technology，2006，87(6)：505-509

[8] Ghosh P，Hickey K J，Jaffe S B.Development of a detailed gasoline composition-based octane model[J].Ind Eng Chem Res，2006，45(1)：337-345

[9] Foong T M，Kai J M，Brear M J，et al.The octane numbers of ethanol blended with gasoline and its surrogates[J].Fuel，2014，115(1)：727-739

[10]Andreas A.Autoregressive modeling of near-IR spectra and MLR to predict RON values of gasoline[J].Fuel，2010，89(1)：158-161

[11]Meusinger R，Moros R.Determination of octane numbers of gasoline compounds from their chemical structure by13C NMR spectroscopy and neural networks[J].Fuel，2001，80(5)：613-621

[12]Smolenskii E A，Ryzhov A N，Bavykin V M，et al.Octane numbers(ONs)of hydrocarbons：A QSPR study using optimal topological indices for the topological equivalents of the ONs[J].Russ Chem Bull Int Ed，2007，56(9)：1681-1693

[13]陳新志.調合汽油研究法辛烷值模型的建立[J].石油煉制與化工，1997，28(1)：52-55

[14]薛美盛，李祖奎，吳剛，等.成品油調合調度優化模型及其應用[J].石油煉制與化工，2005，36(3)：65-68

RON PREDICTION BY IMPROVED MODEL FOR BLENDED GASOLINE

ZhangYurui1， Chen Weiwei1， Zhou Xiaolong1， Xiao Yunpeng2

(1.ResearchInstituteofPetroleumProcessing，EastChinaUniversityofScienceandTechnology，Shanghai200237；2.SINOPECAnqingCompany)

Based on the blending experiments of gasoline blending components(from Anqing branch)and the model parameters calculated by non-linear regression LM trust region method， an improved RON prediction model was established. The accuracies for RON prediction was tested and compared for linear model， blending model and improved blending model using real data of the production. The results of the improved model are： mean absolute error of 0.49， average relative error of 0.5%， MSE of 0.74， andR2of 1.08， indicating the better prediction effect of the improved blending model than the other two models.

gasoline blending； RON； predicting model； trust region method

2015-10-13； 修改稿收到日期： 2016-01-04。

張玉瑞，碩士研究生，主要研究方向為汽油調合模型的建立。

周曉龍，E-mail：xiaolong@ecust.edu.cn。

參加工作的還有華東理工大學石油加工研究所的宋月芹和中國石化安慶分公司的產圣。