一种低含水率油田污泥含油量的快速测试方法技术

本发明专利技术公开了一种低含水率油田污泥含油量的快速测试方法，通过傅里叶变换近红外漫反射技术对样品分析其含油量的化学值，采用偏最小二乘法(PLS)建立含油量的测量模型，经一阶导数预处理组合效果较好，最优波段为4575.80～5197.44cm

【技术实现步骤摘要】
一种低含水率油田污泥含油量的快速测试方法
本专利技术涉及油田含油污泥测试
，具体涉及一种油田污泥含油量的快速测试方法。
技术介绍
我国的石油化工行业每年产生大量的含油污泥，且产量还在逐年上升，含油污泥作为《国家危险废物名录》中的污染物质，若不经处理直接排放，会对周边环境以及生产区域产生不同程度的影响，也是对资源的一种浪费。因此准确对含油污泥的含油量进行快速分析至关重要，这是开展含油污泥无害化技术研究及有效资源化利用的前提。目前测试含油污泥的含油量，含水率，含渣率较为成熟的是索氏提取法。由于不同来源的含油污泥样品其理化性质差异很大，因而用索氏提取法对不同样品进行回流萃取所需的时间差异很大，时间较长，机械地确定时间不仅影响测试的速度，而且可能导致萃取不完全；操作过程中使用高毒性试剂，存在很大的安全隐患，总体看，对油田含油污泥的含油量进行快速的、简便的、准确测试的方法未见报道。
技术实现思路
为了克服现有技术的不足，本专利技术提供了一种用近红外漫反射光谱快速测定含油污泥中含油量的方法。为实现上述目的，本专利技术采用如下的技术方案：一种低含水率油田污泥含油量的快速测试方法，包括如下步骤：1.筛选出符合要求的含油污泥样品；2.取步骤1得到的多个含油污泥样品作为校正样品，利用近红外光谱采集校正样品的原始NIR光谱图；3.测量校正样品的实际含水率、含渣率和含油率；4.采用一阶导数法对步骤2得到的原始NIR光谱图进行预处理并选择数据提取的波段范围，采用偏最小二乘法将步骤3所测得的含油率的数值与原始NIR光谱图数据构建模型，其中建立的模型的预测值与实测值的相关系数(R)为0.9985，校正集均方差偏差(RMSEC)为0.0329，内部交叉验证均方差(RMSECV)为0.0929。5.取步骤1得到的含油污泥样品作为待测样品，对待测样品进行光谱扫描，获得待测样品含油量的光谱图，根据步骤4构建的模型，计算出待测样品的含油量。进一步地，步骤1中采用烘干法筛选含水率在0.5％～3.5％的含油污泥。进一步地，步骤2中开机预热近红外光谱仪40min后，将校正样品装入样品杯中，先扫描背景，然后对校正样品进行扫描，采用近红外漫反射方式采集校正样品的光谱图。进一步地，步骤3中采用索氏提取法测定校正样品的含渣率，提取剂为甲苯，提取时间6～7h，提取温度110～120℃，溶剂萃取结束后将含有泥渣的滤筒放入烘箱，设定温度为115℃，时间为8h，得出含渣率数据(X0)；结合步骤1中烘干法所得的含水率(X1)，计算出含油污泥含油量(X2),公式为X2＝1-X1-X0。进一步地，步骤4中选择数据提取的波段为4575.80～5197.44cm-1。进一步地，步骤5中测量光谱的范围为4000～12000cm-1，扫描次数为64次，分辨率为8cm-1，测量方式为积分球漫反射模式，旋转样品杯，要求样品颗粒和装样厚度均匀，扫描验证集样品含油量的光谱图。进一步地，电子天平准确称量含油污泥的质量m1，将含油污泥放入坩埚中，设定温度为100℃，从烘箱温度上升至100℃时，开始计时，烘干时间为1h，记录烘干后含油污泥的质量m0，则含油污泥的含水率X1＝(m1-m0)/m1，选出含水率范围在0.5％～3.5％的样品。相对于现有技术，本专利技术通过近红外漫反射光谱测定含油污泥中的含油量，建立预测模型，实现对未知样品含油量的精确预测。既实现了样品的无损在检测，减少了药品的使用，节约了成本，又不会对环境造成污染，且光谱能量低，不会对人体有副作用，同时具有无损、快速、精确度高等优点。附图说明通过参考以下结合附图的说明，并且随着对本专利技术的更全面理解，本专利技术的其它目的及结果将更加明白及易于理解。在附图中：图1为含油污泥样品的近红外光谱图示意图；图2为含油污泥含油量的测试值和与真实值的模型关系图。具体实施方式为详细描述本专利技术的结构，以下将结合附图对本专利技术的具体实施例进行详细描述。一种低含水率油田污泥含油量的快速测试方法，具体包括如下步骤：1.含油污泥样品含水率的测定电子天平准确称量4g含油污泥，称取50份样品分别放入坩埚中，记录放入烘箱前样品和坩埚的总质量m0，设定温度100℃，从烘箱温度上升至100℃时，开始计时，烘干时间为1h，记录烘干后样品和坩埚的总重量m1，则含油污泥的含水率X1＝(m1-m0)/4，选出含水率范围在0.5％-3.5％的样品。2.校正样品污泥含油量的测定选取步骤1中部分样品作为校正样品，通过索氏法测定校正样品的含油量，称取一定量的含油污泥y0，装入滤筒中，滤筒和含油污泥的总重量为y1，萃取剂为甲苯，萃取时间为5-6h，萃取结束后将滤筒取出，放入烘箱，设定时间为12h，测定烘干后的滤筒的总质量为y2，则含油污泥的含渣率X0＝(y1-y2)/y0，即含油量X2＝1-X1-X0。3.原始NIR光谱图的建立通过美国赛默飞傅里叶变换近红外光谱仪，采用偏最小二乘法(PLS)建立近红外光谱与含油量之间的相关模型，测样方式为积分球漫反射，分辨率为8cm-1，扫描范围为4000-12000cm-1，保证装样和颗粒度的均匀性。利用近红外光谱采集含油污泥的原始NIR光谱图，参见图1。4.模型的优化和选择采用OPUS分析软件通对光谱的预处理和谱区的选择优化，将所测含油量得数值与近红外光谱数据建立一一对应的关系，在光谱的预处理中选用“一阶导数”，谱区的选择对模型的建立存在重要的影响，谱区选择过长，含有大量多余的信息，且含油污泥中多以C-H键为主，结合相关系数(R)，校正集均方差偏根(RMSEC)，内部交叉验证均方差(RMSECV)考虑，谱区范围为4575.80-5197.44，详见表1。表1不同光谱区间的选择对含油量的影响波数RRMSECRMSECVRMSEP4575.80～5197.440.99850.03290.09290.09385275.93～5842.620.91020.05190.12110.10346323.60～6982.520.96680.02370.11060.13697000.12～8193.440.93490.05460.13560.14165.待测样品的快速检测将待测样品进行近红外光谱扫描，测量光谱范围4000～12000cm-1，扫描次数为64次，分辨率为8cm-1，测量方式为积分球漫反射模式，旋转样品杯，要求样品颗粒和装样厚度均匀。将扫描结果输入到步骤4所建立的模型，计算得出待测样品的含油量。具体参见表2和图2。表2待测样品含油量的快速检测值与实际值比对从表2和图2中，可以看出，采用该方法预测得到的含油量与样品实际含油量较为吻合，误差较小，最高不超过±0.2，该方法的精准度完全可以满足实际需要，实现了含油污泥含油量的在线检测，减少了药品的使用，节约了成本，又实现了无损检测，且对环境不会造成二次污染，同时具有简便，快速，精确度高等优点，具有很好的市场实施可能性和经济效益。本文档来自技高网...

【技术保护点】
一种低含水率油田污泥含油量的快速测试方法，其特征在于，包括如下步骤：1.筛选出符合要求的含油污泥样品；2.取步骤1得到的多个含油污泥样品作为校正样品，利用近红外光谱采集校正样品的原始NIR光谱图；3.测量校正样品的实际含水率、含渣率和含油率；4.采用一阶导数法对步骤2得到的原始NIR光谱图进行预处理并选择数据提取的波段范围，采用偏最小二乘法将步骤3所测得的含油率的数值与原始NIR光谱图数据构建模型，其中建立的模型的预测值与实测值的相关系数(R)为0.9985，校正集均方差偏差(RMSEC)为0.0329，内部交叉验证均方差(RMSECV)为0.0929。5.取步骤1得到的含油污泥样品作为待测样品，对待测样品进行光谱扫描，获得待测样品含油量的光谱图，根据步骤4构建的模型，计算出待测样品的含油量。

【技术特征摘要】
1.一种低含水率油田污泥含油量的快速测试方法，其特征在于，包括如下步骤：1.筛选出符合要求的含油污泥样品；2.取步骤1得到的多个含油污泥样品作为校正样品，利用近红外光谱采集校正样品的原始NIR光谱图；3.测量校正样品的实际含水率、含渣率和含油率；4.采用一阶导数法对步骤2得到的原始NIR光谱图进行预处理并选择数据提取的波段范围，采用偏最小二乘法将步骤3所测得的含油率的数值与原始NIR光谱图数据构建模型，其中建立的模型的预测值与实测值的相关系数(R)为0.9985，校正集均方差偏差(RMSEC)为0.0329，内部交叉验证均方差(RMSECV)为0.0929。5.取步骤1得到的含油污泥样品作为待测样品，对待测样品进行光谱扫描，获得待测样品含油量的光谱图，根据步骤4构建的模型，计算出待测样品的含油量。2.根据权利要求1所述的方法，其特征在于，步骤1中采用烘干法筛选含水率在0.5％～3.5％的含油污泥。3.根据权利要求1所述的方法，其特征在于，步骤2中开机预热近红外光谱仪40min后，将校正样品装入样品杯中，先扫描背景，然后对校正样品进行扫描，采用近红外漫反射方式采集校正样...

【专利技术属性】
技术研发人员：郭鹏，王珏膑，李汉周，王赪胤，林刚，吕红梅，
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江苏油田分公司，
类型：发明
国别省市：江苏,32