Быстрая молекулярная реконструкция химического состава сложных углеводородных смесей

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

Предложен новый эвристический подход для проведения стохастической молекулярной реконструкции значительно быстрее. За основу взят двухступенчатый метод, объединяющий стохастическую реконструкцию и реконструкцию максимизацией энтропии. В предложенном методе поиск оптимальных параметров распределений осуществляется при решении нескольких сравнительно простых оптимизационных задач. Предложенный метод позволил реконструировать состав образца вакуумного газойля как минимум в 100 раз быстрее классического подхода с генетическими алгоритмами.

Толық мәтін

Рұқсат жабық

Авторлар туралы

Н. Глазов

Институт катализа СО РАН

Хат алмасуға жауапты Автор.
Email: glazov@catalysis.ru
Ресей, Новосибирск

А. Загоруйко

Институт катализа СО РАН

Email: glazov@catalysis.ru
Ресей, Новосибирск

Әдебиет тізімі

  1. De Oliveria L., Hudebine D., Guillaume D. A review of kinetic modeling methodologies for Complex Processes // Oil Gas Sci. Technol. 2016. V. 71. P. 45.
  2. Ren Y., Liao Z., Sun J. Molecular reconstruction: Recent progress toward composition modeling of petroleum fractions // J. Chem. Eng. 2019. P. 761.
  3. Neurock M., Nigam A., Trauth D. Molecular representation of complex hydrocarbon feedstocks through efficient characterization and stochastic algorithms // Chem. Eng. Sci. 1994. V. 49. № 24А. P. 4153.
  4. Hudebine D., Verstrate J. Molecular reconstruction of LCO gasoils from overall petroleum analyses// Chem. Eng. Sci. 2004. V. 59. P. 4755.
  5. Hudebine D., Verstraete J. Reconstruction of Petroleum Feedstocks by Entropy Maximization. Application to FCC Gasolines // Oil Gas Sci. Technol. 2011. V. 66. P. 437.
  6. De Oliveria L., Vazquez Trujillo A., Verstrate J. Molecular Reconstruction of Petroleum Fraction: Application to Vacuum Residues from Different Origins // Energy & Fuels. 2013. V. 27. P. 3622.
  7. Alvarez-Majmutov A., Chen J., Gieleciak R. Molecular-Level Modeling and Simulation of Vacuum Gas Oil Hydrocracking // Energy & Fuels. 2016. V. 30. P. 138.
  8. Zhao G., Yang M., Du W. A stochastic reconstruction strategy based on a stratified library of structural descriptors and its application in the molecular reconstruction of naphtha // Chin. J. Chem. Eng. 2022. V. 51. P. 153.
  9. Dantas T., Noriler D., Huziwara K. A multi-populating particle swarm optimization algorithm with adaptive patterns of movement for the stochastic reconstruction of petroleum fractions // Comput. Chem. Eng. 2023. P. 174.
  10. Deniz C.U., Yasar M., Klein M.T. Stochastic Reconstruction of Complex Heavy Oil Molecules using an Artificial Neural Network// Energy & Fuels 2017. V. 31. № 11. P. 11932.
  11. Alvarez-Majmutov A., Gieleciak R., Chen Jinwen. Deriving the Molecular Composition of Vacuum Distillates by Integrating Statistical Modeling and Detailed Hydrocarbon Characterization// Energy & Fuels. 2015. V. 29. № 12. P. 7931.
  12. Skander N., Chitour C.E. A new Group-contribution method for the estimation of Physical properties of Hydrocarbons// Oil Gas Sci. Technol. 2002. V. 57. № 4. P. 369.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу
2. Fig. 1. Simulated distillation (ASTM D2887-97a) of the sample.

Жүктеу (1KB)
Метадеректер
3. Fig. 2. Examples of the obtained curves of simulated distillation for reconstructed compositions based on the “non-stochastic” method. Dots – experiment, line – calculation. Each graph corresponds to a different initial approximation.

Жүктеу (7KB)
Метадеректер
4. Fig. 3. Calculated curves of simulated distillation. a – initial approximation, b – after the first iteration, c – after the fifth iteration. Points – experiment, line – calculation using stochastic reconstruction, dotted line – calculation result after entropy maximization.

Жүктеу (4KB)
Метадеректер

© Russian Academy of Sciences, 2024