ЖИ негізіндегі сапаны болжау үлгісін пайдалана отырып, бензиннің октан санын арттыру үшін біріктірілген изомеризация-каталитикалық риформинг қондырғысын жобалау



Дәйексөз келтіру

Толық мәтін

Аннотация

Бұл зерттеу екі қосымша технологияны қолданатын біріктірілген октанды күшейтетін жүйенің дизайнын ұсынады: АИ-92 бензинін алу үшін деизопентанизатормен (DIP) қайта өңдеумен жеңіл нафтаны изомерлеу және АИ-95 және АИ-98 маркаларын шығару үшін каталитикалық риформинг. Бензиннің үш тауарлық сорттары пикнометриялық тығыздықты өлшеуді, капиллярлық вискозиметрияны және дифференциалды термиялық талдаумен (DTA) біріктірілген термогравиметриялық талдауды (TGA) қолдану арқылы сипатталды. Физика-химиялық деректер зерттеу октан санын (RON) болжау үшін машиналық оқыту үлгілері (Сызықтық регрессия, k-ең жақын көршілер, шешім ағашы) үшін кіріс мүмкіндіктері ретінде пайдаланылды.
Екі технологиялық блок үшін де жан-жақты математикалық модель әзірленді: (1) изомерлеу реакторы мен DIP колоннасы үшін материал мен жылу балансының есептеулері бар Pt/Al₂O₃ хлорлы катализатордағы n-пентан және n-гексан изомерленуі үшін жалған бірінші ретті кинетикалық модель; және (2) материал балансы, жылу балансы және қайта пішімдеу шығымдылығы есептеулері бар каталитикалық риформингтік реакторға арналған кинетикалық дегидрлеу моделі. Изомерлеу қондырғысы АИ-92 араластыру үшін жарамды RON 87–88 өніміне қол жеткізеді, ал риформинг қондырғысы АИ-95 және АИ-98 сорттары үшін RON 95–100 реформасын шығарады. Техно-экономикалық талдау біріктірілген конфигурацияның орындылығын растады.

Толық мәтін

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].
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.
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.
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.

Бұл зерттеу AI негізіндегі сапаны болжау үлгісімен біріктірілген коммерциялық бензин сорттарының толық спектрін өндіруге арналған аралас изомеризация-каталитикалық риформинг жүйесінің дизайнын көрсетті. Негізгі тұжырымдар:
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.
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.

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.
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.
Бензинді араластыру талдауы араластыру пулындағы изомератты, төмен ауырлықтағы және жоғары ауырлықтағы қайта форматты пропорцияларды реттеу арқылы коммерциялық сорттардың толық спектрін шығаруға болатындығын көрсетті.
Болашақ жұмыс ML оқыту деректер жинағын кеңейтіп, Aspen HYSYS симуляциясы арқылы математикалық модельдерді растауы және көп мақсатты оңтайландыру арқылы араластыру стратегиясын оңтайландыруы керек.

×

Авторлар туралы

Aruzhan Abdigali

Л.Н.Гумилев атындағы Еуразия ұлттық университеті

Хат алмасуға жауапты Автор.
Email: abdigali_aa_1@enu.kz
ORCID iD: 0009-0005-9636-622X
Scopus Author ID: abdigali_aa_1@enu.kz

ОП 7М07101 – «Химиялық инженерия» мамандығының магистранты

Қазақстан, Қазақстан, Астана, көш. Сәтбаева 2, Алматы ауданы, Астана қаласы 010000

Нурия Еркиновна Айкенова

Л.Н.Гумилев атындағы Еуразия ұлттық университеті

Email: aikenova_nye@enu.kz
ORCID iD: 0000-0002-1144-4008
Scopus Author ID: aikenova_nye@enu.kz

Аға оқытушы, PhD докторы

Қазақстан, Қазақстан, Астана, көш. Сәтбаева 2, Алматы ауданы, Астана қаласы 010000

Жансая Жаханшаева

Л.Н.Гумилев атындағы Еуразия ұлттық университеті

Email: zhakhanshayeva_zhn@enu.kz
ORCID iD: 0009-0009-1804-0549
Scopus Author ID: zhakhanshayeva_zhn@enu.kz

ОП 6В05306 – Органикалық заттар мен полимерлер химиясы студенті

Қазақстан, Қазақстан, Астана, көш. Сәтбаева 2, Алматы ауданы, Астана қаласы 010000

Әдебиет тізімі

  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_unit
  6. 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.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

© Abdigali A., Айкенова Н.Е., Жаханшаева Ж.,

Creative Commons License
Бұл мақала лицензия бойынша қол жетімді Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Осы сайт cookie-файлдарды пайдаланады

Біздің сайтты пайдалануды жалғастыра отырып, сіз сайттың дұрыс жұмыс істеуін қамтамасыз ететін cookie файлдарын өңдеуге келісім бересіз.< / br>< / br>cookie файлдары туралы< / a>