7
【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，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場的在線拉曼光譜儀上，提高投資回報并推動連續生產和連續檢測的融合。
下圖為Ramina整體預測線性圖
