汽油中辛烷值、抗爆指数、烯烃、芳烃、苯含量、氧含量检测方案(近红外光谱仪)

MetrohmAB-CN(CC)-00431-05-RLA-012016 AB-CN(CC)-00431-05-RLA-012016 近红外光谱分析仪分析汽油中的各项指标 应用领域石化 确的分析数据。近红外光谱技术也成为衡量现代炼油企业技术水平的一个重要标志。在汽油调和单元，近红外光谱可以测定汽油调和组分和成品油的各项指标。 关键词近红外；RLA；汽油 样品分析 摘要 采用近红外光谱分析法建立了汽油中辛烷值、抗爆指数、烯烃、芳烃、苯含量、氧含量的定量分析模型。 以空气背景为参比，测定空白后，将汽油样品装入8mm指管中， RLA检测温度设定为38度，将指管放入样品检测位置，预热30秒后，用Vision 软件控制扫描并保存光谱。 样品 仪器参数 汽油 波长区间 400-2500nm；检测器类型 Si 检测器与PbS检测器； 简介 二阶导光谱如下图所示 在炼油和石化流程工业中，近红外光谱技术带来的经济效益非常显著。从原油的开采、输运、到原油调和，从原油进厂监测、炼油加工(如原油蒸馏、催化裂化、催化重整和烷基化等)到成品油(汽、柴油)调和和成品油管道输送等整个环节，近红外光谱技术可以实时控制和优化系统，并提供原料、中间产物和最终产品的物化性质，为装置的平稳操作和优化生产提供准 分析结果 1..RON (1)定量分析模型建立 采用60个样品作为已知样品，采用偏最小二乘法建立定量分析模型(如下图)。 Calibration Set： Calculated vs Lab Data Calibration 1063~1333nm， wavelength Range 1833~1990nm Calibration Method PLS Factors 5 SEC 0.24 R2 0.97 Calibration Samples 60 samples (2)未知样品含量预测 采用5个样品作为未知知品预测 RON模型效果，如表所示。 Samples NIR Reference Difference Values Values 18 97.46 97.6 -0.14 19 97.24 97.2 0.04 26 93.89 93.6 0.29 29 93.8 93.3 0.5 57 94.99 94.7 0.29 2. 抗爆指数 (1)定量分析模型建立 采用60个样品作为已知样品，采用偏最小二乘法建立定量分析模型(如下图)。 Calibration Set ：Calculated vs Lab Data wavelength Range Calibration Method PLS Factors 6 SEC 0.21 R2 0.98 Calibration Samples 60 samples (2)未知样品含量预测 采用5个未知样品预测抗爆指数模型效果，如表所示。 Samples NIR Reference Difference Values Values 21 92.28 92.4 -0.34 25 88.51 88.5 0.01 34 90.62 90.6 0.02 44 89.17 89 0.17 48 90.44 90.9 -0.46 3. 烯烃 (1)定量分析模型建立 采用60个样品作为已知样品，采用偏最小二乘法建立定量分析模型(如下图)。 Calibration Set： Calculated vs Lab Data wavelength Range Calibration Method PLS Factors 8 SEC 0.74 R2 0.98 Calibration Samples 60 samples (2)未知样品含量预测 采用5个未知样品预测烯烃所建模型效果，如表所示。 Samples NIR Reference Difference Values Values 22 13.36 12.87 0.49 23 13.42 13.24 0.18 25 14.72 14.12 0.6 35 9.99 9.58 0.41 50 18.66 19.03 -0.37 4. 芳烃 (1)定量分析模型建立 采用60个样品作为已知样品，采用偏最小二乘法建立定量分析模型(如下图)。 Calibration Set ： Calculated vs Lab Data Calibration 1063~1835 nm. wavelength Range Calibration Method PLS Factors 8 SEC 0.6 R2 0.98 Calibration Samples 60 samples (2) 未知样品含量预测 采用5个未知样品预测芳烃所建模型效果，如表所示。 Samples NIR Reference Difference Values Values 18 39.16 38.16 1 21 28.5 29.2 -0.7 26 30.44 30.07 0.37 43 25.18 25.84 -0.66 60 28.38 28.60 -0.22 5. 苯 (1) 定量分析模型建立 采用60个样品作为已知样品，采用偏最小二乘法建立定量分析模型(如下图)。 (2)未知样品含量预测 采用5个样品作为未知样品预测苯含量所建模型效果，如表所示。 Samples NIR Reference Difference Values Values 17 0.2 0.2 0 29 0.43 0.32 0.11 40 0.54 0.55 -0.01 50 0.46 0.46 0 58 0.28 0.3 -0.02 6. 氧含量 (1)定量分析模型建立 采用60个样品作为已知样品，采用偏最小二乘法建立定量分析模型(如下图)。 Calibration Set ： Calculated vs Lab Data wavelength Range Calibration Method PLS Factors 5 SEC 0.04 R2 0.99 Calibration Samples 60 samples (2)未知样品含量预测 采用5个未知样品预测氧含量所建模型效果，如表所示。 Samples NIR Reference Difference Values Values 5 0.51 0.4 0.11 6 0.43 0.45 -0.02 28 1.18 1.1 0.08 46 1.46 1.52 -0.06 51 0.91 0.86 0.05 ( 报告人：王睿、代秀迎 ) 在炼油和石化流程工业中，近红外光谱技术带来的经济效益非常显著。从原油的开采、输运、到原油调和，从原油进厂监测、炼油加工（如原油蒸馏、催化裂化、催化重整和烷基化等）到成品油（汽、柴油）调和和成品油管道输送等整个环节，近红外光谱技术可以实时控制和优化系统，并提供原料、中间产物和最终产品的物化性质，为装置的平稳操作和优化生产提供准确的分析数据。近红外光谱技术也成为衡量现代炼油企业技术水平的一个重要标志。在汽油调和单元，近红外光谱可以测定汽油调和组分和成品油的各项指标。