近红外光谱测定加氢裂化尾油性质的方法技术

一种由近红外光谱测定加氢裂化尾油性质的方法，包括收集一组加氢裂化尾油样品，用标准方法测定其性质，取5500cm-1～6500cm-1特征谱区的吸光度建立加氢裂化尾油库样品近红外光谱矩阵，对该矩阵进行主成分分析，得到库样品的得分矩阵和载荷矩阵，取待测加氢裂化尾油样品于5500cm-1～6500cm-1特征谱区的吸光度，得到待测样品的近红外光谱数据，再由库样品的载荷矩阵计算出待测样品的得分，由待测样品的得分逐一计算其与每个库样品得分间的距离，选与待测加氢裂化尾油样品得分间距离最小的s个库样品，由所选库样品的性质计算得到待测样品的性质。该法可快速、准确地预测加氢裂化尾油的性质，库样品为开放式，维护更加简单。

【技术实现步骤摘要】

本专利技术为一种油品性质的近红外光谱分析方法，具体地说，是一种用近红外光谱方法预测加氢裂化尾油性质的方法。
技术介绍
石油化工是国民经济发展的重要支柱产业，乙烯产量反应了一个国家石化工业的发展水平。为了提高乙烯收率，许多烯烃厂家都引进了优化蒸汽裂解操作的SPYRO模型以及先进过程控制系统(APC)对蒸汽裂解操作进行优化和控制。近年来国内各大乙烯企业生产规模不断扩大，与此相对应的情况是原油轻质油收率低，炼油装置又争夺部分轻质原料，所有这一切都决定了蒸汽裂解原料不断向来源多样化、重质化方向发展。目前，乙烯装置的裂解原料除了常规的石脑油之外，随着近些年来催化裂化和加氢裂化技术的迅速发展，加氢裂化尾油也在其中占据了很重要的位置。在国内各大乙烯厂，相对于所采用的蒸汽裂解原料总量，加氢裂化尾油的使用比例占到了1/3以上。由于受炼厂所加工原料变化的影响，加氢裂化尾油性质波动较大，而相应的常规分析时间长，严重滞后于裂解炉操作的实时优化与控制对分析的要求，引进新的快速分析方法非常必要。近红外光谱分析方法作为一种快速分析技术，已经被广泛应用于石化工业的各个领域，其突出的特点是能够为生产装置提供全面快速准确的分析数据，从而支持生产过程中的优化控制。CN1979131A公开了用近红外光谱测定加氢裂化尾油链烷烃族组成的方法，该方法对烯烃裂解装置、芳烃重整装置及炼油加氢装置的加氢裂化尾油进行近红外光谱测定，与用GC-MS测定的化学值相关联，用偏最小二乘方法(PLS)分别建立链烷烃、正构烷烃和异构烷烃模型，利用所建模型，由待测样品的近红外光谱预测其链烷烃、正构烷烃和异构烷烃的含量。专利
技术实现思路
本专利技术的目的是提供一种由近红外光谱测定加氢裂化尾油性质的方法，该法可快速、准确地预测加氢裂化尾油的性质，预测所用库样品为开放式，维护更加简单。本专利技术提供的由近红外光谱测定加氢裂化尾油性质的方法，包括如下步骤：(1)收集一组加氢裂化尾油样品，用标准方法测定其性质，测定样品的近红外光谱，取5500cm-1～6500cm-1特征谱区的吸光度建立加氢裂化尾油库样
品近红外光谱矩阵，(2)将库样品近红外光谱矩阵进行主成分分析，得到库样品的得分矩阵和载荷矩阵，(3)用与(1)步相同的方法测定待测加氢裂化尾油样品的近红外光谱，取5500cm-1～6500cm-1特征谱区的吸光度，得到待测样品的近红外光谱数据，再由库样品的载荷矩阵计算出待测样品的得分，(4)由待测样品的得分逐一计算其与每个库样品得分间的距离，选与待测加氢裂化尾油样品得分间距离最小的s个库样品，由所选库样品的性质计算得到待测样品的性质。本专利技术方法通过建立库样品的近红外光谱数据库，并对库样品近红外光谱矩阵进行主成分分析，由待测样品的主成分分析得分，找到与待测样品最为接近的库样品，并由此库样品性质预测待测样品的性质。所用数据库样品为开放式，可随时添加新的样品，更加便于维护。具体实施方式本专利技术方法先收集一组加氢尾油样品，用标准方法测定其性质，再测定其近红外光谱，由特征谱区的吸光度与样品对应的性质数据建立加氢裂化尾油库样品红外光谱数据库，再对库样品的近红外光谱矩阵进行主成分分析，得到库样品近红外光谱矩阵的得分矩阵和载荷矩阵，再由待测样品的近红外光谱数据和载荷矩阵计算其得分，由其与库样品得分间的距离确定与其最为邻近的库样品，再由邻近的库样品的性质通过计算得到待测样品的性质。本专利技术方法不用偏最小二乘法建立预测模型，而是采用主成分分析确定与待测样品最邻近的库样品，由最邻近的库样品性质预测待测样品的性质。由于不用建立预测模型，所用样品库为开放式，可以随时添加新的样品，维护更加简单。本专利技术(1)步为对收集的加氢尾油样品，用标准方法测其性质，并测定样品的近红外光谱，取特征谱区的吸光度建立加氢尾油库样品的近红外光谱矩阵，近红外光谱矩阵中每个样品的吸光度与其性质相关建立近红外光谱数据库。本专利技术(2)步为库样品的近红外光谱矩阵进行主成分分析，获得库样品的得分矩阵和载荷矩阵。在本专利技术(3)步中，用与(1)步相同的方法测定待测加氢尾油在特征谱区的吸光度，得到待测样品的近红外光谱数据，再计算其得分。在(1)和(3)步中，优选对特征谱区的吸光度进行预处理，预处理的方法为对吸光度进行一阶微分处理，然后进行矢量归一化处理。再用处理后的吸光度建立加氢裂化尾油库样品近红外光谱矩阵以及得到待测样品的近红外光谱数据。对光谱数据进行矢量归一化处理的方法为：首先，计算待处理光谱的吸光度的平均值，其次，用该光谱的吸光度减去这个平均值得到吸光度差值，然后，计算吸光度差值的平方和，最后，用吸光度差值除以这个平方和的开方。如式⑤所示： A i ′ = A i - Σ i = 1 n A i n Σ i = 1 n ( A i - Σ i = 1 n A i n ) 2 ]]> ⑤式⑤中，Ai为待处理的任一个样品某个采样点处的光谱数据(吸光度)，A′i为矢量归一化处理后的该采样点处的光谱数据，n为加氢裂化尾油近红外光谱的波数采样点数。本专利技术测定样品近红外光谱的分辨率为4～8cm-1，扫描次数为16～128次。本专利技术(2)步中，按式①计算库样品近红外光谱矩阵的得分矩本文档来自技高网...

【技术保护点】
一种由近红外光谱测定加氢裂化尾油性质的方法，包括如下步骤：(1)收集一组加氢裂化尾油样品，用标准方法测定其性质，测定样品的近红外光谱，取5500cm‑1～6500cm‑1特征谱区的吸光度建立加氢裂化尾油库样品近红外光谱矩阵，(2)将库样品近红外光谱矩阵进行主成分分析，得到库样品的得分矩阵和载荷矩阵，(3)用与(1)步相同的方法测定待测加氢裂化尾油样品的近红外光谱，取5500cm‑1～6500cm‑1特征谱区的吸光度，得到待测样品的近红外光谱数据，再由库样品的载荷矩阵计算出待测样品的得分，(4)由待测样品的得分逐一计算其与每个库样品得分间的距离，选与待测加氢裂化尾油样品得分间距离最小的s个库样品，由所选库样品的性质计算得到待测样品的性质。

【技术特征摘要】
1.一种由近红外光谱测定加氢裂化尾油性质的方法，包括如下步骤：(1)收集一组加氢裂化尾油样品，用标准方法测定其性质，测定样品的近红外光谱，取5500cm-1～6500cm-1特征谱区的吸光度建立加氢裂化尾油库样品近红外光谱矩阵，(2)将库样品近红外光谱矩阵进行主成分分析，得到库样品的得分矩阵和载荷矩阵，(3)用与(1)步相同的方法测定待测加氢裂化尾油样品的近红外光谱，取5500cm-1～6500cm-1特征谱区的吸光度，得到待测样品的近红外光谱数据，再由库样品的载荷矩阵计算出待测样品的得分，(4)由待测样品的得分逐一计算其与每个库样品得分间的距离，选与待测加氢裂化尾油样品得分间距离最小的s个库样品，由所选库样品的性质计算得到待测样品的性质。2.按照权利要求1所述的方法，其特征在于(1)步将库样品近红外光谱矩阵与对应的样品性质相关建立近红外光谱数据库，(4)步由近红外光谱数据库中获得所选库样品的性质。3.按照权利要求1所述的方法，其特征在于在(1)和(3)步中，对特征谱区的吸光度进行一阶微分处理，然后进行矢量归一化处理，再用处理后的吸光度建立加氢裂化尾油库样品近红外光谱矩阵以及得到待测样品的近红外光谱数据。4.按照权利要求1所述的方法，其特征在于测定样品近红外光谱的分辨率为4cm-1～8cm-1，扫描次数为16～128次。5.按照权利要求1所述的方法，其特征在于(1)步中，按式①计算库样品的得分矩阵和载荷矩阵，X＝T×P ①式①中，X为加氢裂化尾油库样品的近红外光谱矩阵，X为m×n矩阵，T为加氢裂化尾油库样品的得分矩阵，T为m×c矩阵，P为加氢裂化尾油库样品的载荷矩阵，为c×n矩阵，其中，m为加氢裂化尾油库样品数，n为加氢裂化尾油近红外光谱的波数采样点数，c为主成分数。6.按照权利要求1所述的方法，其特征在于(2)步中，按式②计算待测样品的得分，tu＝xu×P′ ②式②中，tu为待测加氢裂化尾油样品的得分，xu(1×n)为待测加氢裂化尾油样品的近红外光谱数据，P′为加氢裂化尾油库样品载荷矩阵的转置矩阵，为n×c的矩阵，其中，n为加氢裂化尾油近红外光谱的波数采样点数，c为主成分
\t数。7.按照权利要求5或6所述的方法，其特征在于所述的主成分数为10～17。8.按照权利要求1所述的方法，其特征在于(3)步中，待测加氢裂化尾油样品与每个加氢裂化尾油库样品得分间的距离采用式③所示的欧式距...

【专利技术属性】
技术研发人员：许育鹏，褚小立，
申请(专利权)人：中国石油化工股份有限公司，中国石油化工股份有限公司石油化工科学研究院，
类型：发明
国别省市：北京;11