6
【應用干貨】拉曼光譜應用于識別汽油燃料的品質
汽油的質量通常用多種參數進行表征，比如API度（用以表示石油及石油產品密度的一種量度）、研究法辛烷值（RON）、發(fā)動機辛烷值（MON）和苯含量等特性參數，高的辛烷值和低的苯含量代表這更好質量的汽油，因此這些參數必須精確測量和控制，以使煉油廠能夠保證并穩(wěn)定產品質量，并快速將汽油輸送到市場。
為了做到這一點，煉油廠實驗室每天必須分析數百個汽油樣本。在中型煉油廠，這個數字可能是每天250個，在大型煉油廠，這個數字可能高達每天500個。巨大的樣品量對實驗室檢測提出了巨大的挑戰(zhàn)，因為樣品的處理速度取決于實驗室的測量技術。
如何確定汽油燃料的品質?
石油和天然氣行業(yè)通常使用氣相色譜儀、模擬蒸餾、閃點和凝固點分析裝置、密度計、蒸汽壓力測試儀、RON和MON的爆震測試發(fā)動機等分析工具來鑒別汽油燃料特性。最新的一種檢測方法是采用在線拉曼光譜，它可以在幾秒鐘內精確、快速地一次性測量汽油的多種特性參數。
* D5191是一種自動小型測試方法，用于自動測定干蒸氣壓當量(DVPE)，通常稱為Reid蒸氣壓(RVP)
測量辛烷值是汽油進入市場的關鍵指標，與傳統(tǒng)方法相比，拉曼技術可以加速煉油廠在該指標上的應用，這是一個很好的例子。例如，在爆震發(fā)動機分析一個樣品的時間情況下，拉曼光譜可以分析180個樣品。拉曼配置也很靈活，可以直接在原料的管路上分析，而不需要采樣測試。
汽油燃料特性拉曼分析與建模
在Thermo Scientific Ramina 在線拉曼過程分析儀最近進行的一項實驗中，對87個汽油樣品進行了分析，每個樣品進行了10次掃描。每個樣品的分析時間為5秒。對生成的光譜進行SOLO (Eigenvector)處理。采用偏最小二乘(PLS) 建立模型。采用交叉驗證優(yōu)化模型標定。對于汽油模型，留下一個保留集確定模型的準確性。建立模型所用的參考數據采用ASTM相關方法收集。
利用87個汽油樣品建立模型，對汽油的6種燃料品質進行了預測。下表概述了測量的屬性和生成的模型誤差情況。
在煉油廠中使用在線拉曼光譜可以顯著提高樣品的檢測速度和數量，減少開銷，并改善實驗室的安全環(huán)境。此外，拉曼方法的可轉移性允許在實驗室中建立模型并應用于現(xiàn)場的在線拉曼光譜儀上，提高投資回報并推動連續(xù)生產和連續(xù)檢測的融合。
下圖為Ramina整體預測線性圖
