【应用干货】拉曼光谱应用于识别汽油燃料的品质
时间：2023-09-27 阅读：440
汽油的质量通常用多种参数进行表征，比如API度（用以表示石油及石油产品密度的一种量度）、研究法辛烷值（RON）、发动机辛烷值（MON）和苯含量等特性参数，高的辛烷值和低的苯含量代表这更好质量的汽油，因此这些参数必须精确测量和控制，以使炼油厂能够保证并稳定产品质量，并快速将汽油输送到市场。
为了做到这一点，炼油厂实验室每天必须分析数百个汽油样本。在中型炼油厂，这个数字可能是每天250个，在大型炼油厂，这个数字可能高达每天500个。巨大的样品量对实验室检测提出了巨大的挑战，因为样品的处理速度取决于实验室的测量技术。
如何确定汽油燃料的品质?
石油和天然气行业通常使用气相色谱仪、模拟蒸馏、闪点和凝固点分析装置、密度计、蒸汽压力测试仪、RON和MON的爆震测试发动机等分析工具来鉴别汽油燃料特性。最新的一种检测方法是采用在线拉曼光谱，它可以在几秒钟内精确、快速地一次性测量汽油的多种特性参数。
* D5191是一种自动小型测试方法，用于自动测定干蒸气压当量(DVPE)，通常称为Reid蒸气压(RVP)
测量辛烷值是汽油进入市场的关键指标，与传统方法相比，拉曼技术可以加速炼油厂在该指标上的应用，这是一个很好的例子。例如，在爆震发动机分析一个样品的时间情况下，拉曼光谱可以分析180个样品。拉曼配置也很灵活，可以直接在原料的管路上分析，而不需要采样测试。
汽油燃料特性拉曼分析与建模
在Thermo Scientific Ramina 在线拉曼过程分析仪最近进行的一项实验中，对87个汽油样品进行了分析，每个样品进行了10次扫描。每个样品的分析时间为5秒。对生成的光谱进行SOLO (Eigenvector)处理。采用偏最小二乘(PLS) 建立模型。采用交叉验证优化模型标定。对于汽油模型，留下一个保留集确定模型的准确性。建立模型所用的参考数据采用ASTM相关方法收集。
利用87个汽油样品建立模型，对汽油的6种燃料品质进行了预测。下表概述了测量的属性和生成的模型误差情况。
在炼油厂中使用在线拉曼光谱可以显着提高样品的检测速度和数量，减少开销，并改善实验室的安全环境。此外，拉曼方法的可转移性允许在实验室中建立模型并应用于现场的在线拉曼光谱仪上，提高投资回报并推动连续生产和连续检测的融合。
下图为Ramina整体预测线性图
