Қазақстанның мұнай-газ саласының хабаршысыҚазақстанның мұнай-газ саласының хабаршысы2707-42262957-806XKMG Engineering10901510.54859/kjogi109015Design of a Combined Isomerization-Catalytic Reforming Unit for Increasing Gasoline Octane Number Using an AI-Based Quality Prediction ModelAbdigaliAruzhan<p>Master's student of OP 7M07101 - Chemical Engineering</p>abdigali_aa_1@enu.kzhttps://orcid.org/0009-0005-9636-622XAikenovaNuriya<p>Senior Lecturer, PhD</p>aikenova_nye@enu.kzhttps://orcid.org/0000-0002-1144-4008ZhakhanshaevaZhansaya<p>student of OP 6B05306 - Chemistry of organic substances and polymers</p>zhakhanshayeva_zhn@enu.kzhttps://orcid.org/0009-0009-1804-0549L.N. Gumilyov Eurasian National University831106202621092026Copyright © , Abdigali A., Aikenova N., Zhakhanshaeva Z.<p style="font-weight: 400;">This study presents the design of a combined octane-boosting system employing two complementary technologies: light naphtha isomerization with a deisopentanizer (DIP) recycle for producing AI-92 gasoline, and catalytic reforming for producing AI-95 and AI-98 grades. Three commercial gasoline grades were characterized using pycnometric density measurements, capillary viscometry, and thermogravimetric analysis (TGA) coupled with differential thermal analysis (DTA). The physicochemical data were used as input features for machine learning models (Linear Regression, k-Nearest Neighbors, Decision Tree) to predict the research octane number (RON).</p> <p style="font-weight: 400;">A comprehensive mathematical model was developed for both process units: (1) a pseudo-first-order kinetic model for n-pentane and n-hexane isomerization on Pt/Al₂O₃ chlorinated catalyst with material and heat balance calculations for the isomerization reactor and DIP column; and (2) a kinetic dehydrogenation model for the catalytic reforming reactor with material balance, heat balance, and reformate yield calculations. The isomerization unit achieves a product RON of 87–88 suitable for AI-92 blending, while the reforming unit produces reformate with RON 95–100 for AI-95 and AI-98 grade production. A techno-economic analysis confirmed the feasibility of the combined configuration.</p>gasoline octane numberartificial intelligencemachine learningisomerizationcatalytic reforminglight naphthakinetic modelmaterial balanceheat balancerefinery design.бензиннің октан саныжасанды интеллектмашиналық оқытуизомерленукаталитикалық риформингжеңіл нафтакинетикалық модельматериалдық балансжылу балансымұнай өңдеу зауытының дизайны.Октановое число бензинаискусственный интеллектмашинное обучениеизомеризациякаталитический риформинглегкая нафтакинетическая модельматериальный баланстепловой баланспроектирование нефтеперерабатывающего завода.<p>Еуро-5 сияқты қатаң экологиялық стандарттарға жауап беретін жоғары октанды бензинді өндіру бүкіл әлем бойынша мұнай өңдеу өнеркәсібі үшін, атап айтқанда, мұнай өңдеу зауыттарын жаңғырту бағдарламалары төмен октанды сорттарды (мысалы, А-80) жоюға және Еуро-4/Еуро-5 талаптарына сәйкес келетін отын шығаруға бағытталған Қазақстанда үлкен проблема болып табылады [1]. Бұл ретте жасанды интеллект (AI) мен цифрландырудың қарқынды дамуы стратегиялық ұлттық басымдық болып жарияланды [2].<br>Мұнай өңдеу секторында бензиннің октан санын арттыру үшін екі негізгі технология кеңінен қолданылады: каталитикалық риформинг және изомерлеу [3,4]. Каталитикалық риформинг нафтендердің ароматты заттарға дегидрленуін, изомерленуін және дегидроциклизациясын ынталандыру арқылы нафтаны (C₇–C₁₀ фракциясы) жоғары октанды риформатқа айналдырады. Реформат 95–102 жоғары RON-ға ие, бұл оны АИ-95 және АИ-98 маркалы жоғары октанды бензиндер үшін негізгі араластырғыш компонент етеді [4]. Дегенмен, реформаттың құрамында қазіргі заманғы экологиялық заңнамамен реттелетін хош иісті заттар мен бензолдың айтарлықтай мөлшері бар [3].Жеңіл нафтаның изомерленуі, керісінше, түзу тізбекті C₅/C₆ парафиндерді олардың тармақталған изомерлеріне қайта реттеп, процестің конфигурациясына байланысты күкіртсіз, бензолсыз, олефинсіз RON бар изомератты 92-ге дейін шығарады [3,6,7]. Бұл изомератты АИ-92 маркасы үшін тамаша араластырғыш компонент және жалпы хош иісті заттардың құрамын азайту үшін бензин пулына құнды қосымша етеді.<br>Бір мұнай өңдеу зауытындағы изомерлеу мен каталитикалық риформингтің үйлесімі бензин сапасына қойылатын талаптардың толық спектрін қанағаттандырудың ең тиімді стратегиясы ретінде кеңінен танылды: изомеризация таза АИ-92 негізгі қорын алу үшін жеңіл нафта фракциясын өңдейді, ал каталитикалық риформинг қажетті реформ9- және жоғары AI-ді қамтамасыз ету үшін неғұрлым ауыр нафта фракциясын жаңартады. АИ-98 [3,4,6]. Бұл біріктірілген тәсіл нафтаны айдау диапазонын барынша пайдалануды қамтамасыз етеді.<br>Машиналық оқытудағы соңғы жетістіктер отын қасиеттерін болжауға арналған қуатты құралдарды енгізді. Лин және т.б. (2025) гидротазалау кезінде октан жоғалуын болжау үшін сирек-автокодер және ансамбльді оқыту құрылымын әзірледі [8]. Bounaceur және т.б. (2024) RON, MON және цетан санын бағалау үшін терең үйрену QSPR моделін ұсынды [9]. Бұл зерттеулер АИ мұнай өңдеу зауытының жобалау циклінде сенімді суррогат үлгісі ретінде қызмет ете алатынын көрсетеді [8-10].Бұл жұмыстың мақсаты бензин сапасын болжау үшін AI негізіндегі модельді пайдалана отырып, изомерлеу-каталитикалық риформингтің аралас жүйесін жобалау болып табылады. Нақты міндеттерге мыналар жатады: (1) үш тауарлық бензин сорттарын эксперименттік сипаттау; (2) RON болжау үшін ML модельдерін әзірлеу және салыстыру; (3) АИ-92 өндірісі үшін DIP қайта өңдеуі бар жеңіл нафтаны изомерлеу қондырғысының дизайны; (4) АИ-95 және АИ-98 өндірісі үшін каталитикалық риформинг қондырғысын жобалау; (5) екі бірлікті де кешенді математикалық модельдеу; және (6) техно-экономикалық бағалау.</p> <p>Бұл зерттеу AI негізіндегі сапаны болжау үлгісімен біріктірілген коммерциялық бензин сорттарының толық спектрін өндіруге арналған аралас изомеризация-каталитикалық риформинг жүйесінің дизайнын көрсетті. Негізгі тұжырымдар:<br>Үш тауарлық бензин маркаларының (АИ-92, АИ-95, АИ-98) физикалық-химиялық сипаттамасы тығыздық, тұтқырлық және октан саны (|r| ≈ 0,99) арасындағы күшті корреляцияны анықтады, бұл параметрлерді сенімді ML белгілері ретінде растайды. Шешім ағашының моделі барлық үш баға үшін дәл RON болжамдарына (MAE = 0,00, R² = 1,00) қол жеткізді.<br>АИ-92 өндірісі үшін DIP қайта өңдеуі бар жеңіл нафтаны изомерлеу қондырғысы әзірленген. Математикалық модель жалған бірінші ретті кинетиканы (n-C₅ үшін Ea = 105,4 кДж/моль), жақын изотермиялық реактор жұмысын растайтын материал және жылу баланстарын (ΔT = 0,017 °C) және McCabe – Thiele DIP бағанының дизайнын (70 науа, D = 5.0) қамтиды. RON = 87,4 изомераты АИ-92 бензині үшін негізгі араластырғыш компонент ретінде қызмет етеді.</p> <p>Үш жартылай регенеративті реакторы бар каталитикалық риформинг қондырғысы АИ-95 және АИ-98 өндірісіне арналған. Кинетикалық модель Лэнгмюр-Хиншельвуд дегидрогенизация кинетикасын және байланысты материал/жылу баланстарын қамтиды. 85,4% сұйық шығымдылығымен 500 °C RON = 98,5 реформасы АИ-95 (аралас RON 95,3) және AI-98 (аралас RON 98,2) үшін жоғары октанды негізді қамтамасыз етеді.<br>Техно-экономикалық талдау біріктірілген жүйенің өміршеңдігін растады: изомерлеу ROI ≈22%/жыл (өтелділік 3,5–4,0 жыл), реформалау ROI ≈25%/жыл (өтеу мерзімі 3,0–3,5 жыл). Біріктірілген CAPEX $83–105 млн, аралас ROI жылына ~24% құрайды.<br>Бензинді араластыру талдауы араластыру пулындағы изомератты, төмен ауырлықтағы және жоғары ауырлықтағы қайта форматты пропорцияларды реттеу арқылы коммерциялық сорттардың толық спектрін шығаруға болатындығын көрсетті.<br>Болашақ жұмыс ML оқыту деректер жинағын кеңейтіп, Aspen HYSYS симуляциясы арқылы математикалық модельдерді растауы және көп мақсатты оңтайландыру арқылы араластыру стратегиясын оңтайландыруы керек.</p>1.International Energy Agency. Kazakhstan Energy Profile. 2022. https://www.iea.org/reports/kazakhstan.2.Tokayev, K.-J. Address of the President of the Republic of Kazakhstan, 2025.3.Osman, M.A.; Mujtaba, I.M. Experiment and Simulation of an Optimum Design of Naphtha Recycle Isomerization Unit. Processes 2023, 11, 3406.4.Jechura, J. Gasoline Upgrading. CBEN 409 Lecture Notes, Colorado School of Mines, 2019.5.Wikipedia. Alkylation unit. Available online: https://en.wikipedia.org/wiki/Alkylation_unit6.Axens. How to Achieve Gasoline Pool Octane Requirement. 2023.7.KBR. MAX-ISOM Isomerization Technology. 2023.8.Lin, Y.; et al. AI-Based Prediction Framework for Octane Loss during Gasoline Hydrotreating. Preprints 2025, 202504.2593.9.Bounaceur, R.; et al. A Multimodal Learning Model for RON, MON and CN estimation. Fuel 2024, 381, 133295.10.Design of novel high-performance fuels with artificial intelligence. Appl. Energy Combust. Sci. 2025, 21, 100338.11.Mohamed, M.F.; et al. Improving gasoline quality from MIDOR light naphtha isomerization unit. Egypt. J. Pet. 2017, 26, 111–124.12.Muhammed, N.I.; et al. Raising the RON using optimized SMB technology. Fuel 2023, 337, 127178.13.Benavides, A.; et al. Predicting octane number. Processes 2023, 11(5), 1437.14.Brudzewski, K.; et al. Gasoline quality prediction using electronic nose. Fuel 2006, 85(5–6), 553–559.15.Al Ibrahim, E.; Farooq, A. Octane prediction from infrared spectroscopy. Energy Fuels 2019, 33(11), 11027–11036.16.Brown, M.E. Introduction to Thermal Analysis, 2nd ed.; Springer: 2001.17.Kumari, A.; et al. Petroleum Product Analysis. Energy Sources, Part A 2025.18.Pedregosa, F.; et al. Scikit-learn: Machine Learning in Python. JMLR 2011, 12, 2825–2830.19.Fix, E.; Hodges, J.L. Discriminatory Analysis. Int. Stat. Rev. 1989, 57, 238–247.20.Breiman, L.; et al. Classification and Regression Trees; CRC Press: 1984.21.Trost, T.; et al. Rheological Properties of Fuels. Fuels 2021, 2, 289–303.22.Kashyap, D.; et al. Gasoline Composition and Engine Performance. Energies 2024, 17, 4567.23.Volkova, G.G.; et al. Kinetics of n-Pentane Isomerization over Pt/Al₂O₃. React. Kinet. Catal. Lett. 2007, 91, 63–70.24.Chuzlov, V.A.; et al. Mathematical Modeling of Light Naphtha Isomerization. Chem. Eng. J. 2019, 378, 122178.25.Seader, J.D.; Henley, E.J. Separation Process Principles, 3rd ed.; Wiley: 2011.26.Ancheyta-Juárez, J.; Villafuerte-Macías, E. Kinetic Modeling of Naphtha Catalytic Reforming Reactions. Energy Fuels 2000, 14(5), 1032–1037.27.Rahimpour, M.R.; et al. A novel dynamic modeling and simulation of industrial naphtha reformer. Chem. Eng. Process. 2003, 42(1), 67–82.28.Smith, R.B. Kinetic Analysis of Naphtha Reforming with Platinum Catalyst. Chem. Eng. Prog. 1959, 55(6), 76–80.