杜 杰

（中国神华煤制油化工有限公司鄂尔多斯分公司，内蒙古鄂尔多斯 017000）

为了适应环境可持续发展的要求，减少汽车尾气对环境的影响，降低PM2.5等颗粒物的排放，我国针对机动车燃料的质量制定了更严格的标准。同时，随着汽车工业的大力发展，汽车对燃料的质量要求也逐渐提高，采用重整汽油和催化汽油进行油品调和，提高汽油产品品质成为很多炼油厂的选择[1]。重整汽油是清洁汽油的主要组成部分，是辛烷值较低的汽油经过一系列过程生成辛烷值较高的汽油。馏程是汽油的重要性质，通过沸程范围可以了解汽油的轻重组分、挥发性等，对汽油的生产、使用、存储具有重要意义[2]。神华煤直接液化工艺所生产的石脑油在组成上与催化裂化和直馏工艺的石脑油有着较大的区别，煤直接液化石脑油经催化重整工艺生产的汽油具有烷值高、芳烃含量高，应用价值高等特点。汽油的质量关乎企业的效益，而烃类组分是决定其质量的主要因素[3]。汽油的化学组成十分复杂，其理化性质与化学组成的相关性一直是研究的重点[4]。随着色谱分析技术的不断进步，汽油化学组分的分析更加简便精确，通过分析汽油烃类和馏程的相关性，可以有效控制汽油产品的质量，满足用户的需求，也可为装置生产提供支持[5]。本文通过分析催化重整汽油化学组分与馏程的关系，为生产装置工艺调整、汽油产品质量预测提供依据。

1 实验部分

1.1 催化重整汽油化学组成测定

催化重整汽油化学组分的检测也称作族组成分析，汽油样品进入色谱仪后首先通过极性分离柱使脂肪烃组分和芳烃组分得到分离。由饱和烃和烯烃构成的脂肪烃组分通过烯烃捕集阱烯烃组分被选择性保留，饱和烃则穿过烯烃捕集阱，进入氢火焰检测器监 测[6]。待饱和烃组分通过烯烃捕集阱后，此时芳烃组分的苯尚未达到极性分离柱柱尾，通过一个六通阀切换使烯烃捕集阱暂时脱离载气线路，此时苯通过平衡柱进入检测器检测，待非苯芳烃检测完毕后，再次通过阀切换使烯烃捕集阱置于载气流路中，在适当的条件下使烯烃捕集阱中捕集的烯烃完全脱附并进入检测器检测。

1.2 催化重整汽油馏程测定

馏程是油品在规定条件下蒸馏所得到的，以初馏点和终馏点表示其蒸发特征的温度范围。馏程用来判定汽油产品轻、重馏分含量的多少。汽油的馏程清楚地表明了它在使用时蒸发性能的好坏。汽油馏程一般采用PMD110快速馏程仪进行分析，具体过程为：使用微量烧瓶测试样品，测试头内置温度和压力传感器，在测试过程中实时监测记录样品蒸汽温度和烧瓶的压力变化，通过烧瓶内的压力变化判断测试是否结束，测试完成后通过内置分析软件将测试结果转换成ASTM D86 数据格式[6]。本实验选取2020—2022年的166个催化重整汽油作为样品进行分析（表1）。

表1 实验测定数据

1.3 催化重整汽油化学组分与馏程间的关系

通过表1可以看出，在汽油化学组分中，芳烃的含量最高，平均值为71.36，说明芳烃在所有变量中占有较为重要的地位，相对来说烯烃的含量最小，平均值只有0.20。

以化学组分为自变量，馏程作为因变量，通过SPSS18.0软件，采用多因素线性回归的模型，方法采用逐步回归法，a进入=0.05，a删除=0.10，检验水准为a=0.05，建立重整汽油理化性质和馏程间的相互关系模型，该模型的具体表达式如下所示：

式中：Y为汽油理化性质；wi汽油中化学组分的含量；k1、k2、k3、k4、k5分别为正构烷烃、异构烷烃、烯烃、环烷烃和芳烃系数；b为常数项。表2列出了汽油馏程与烃组成之间关系的系数ki（i=1~5）和常数项b。

表2 重整汽油理化性质的ki（i=1-4）和常数项b

1.4 回归模型的可行性检验

对表2所建立的催化重整汽油化学组分与馏程的回归方程进行统计学检验，检验方法采用方差分析（即F检验），计算回归模型分析偏差（SEP）、模型计算值与实际测定值的判定系数（r），各指标的样本指标最大值、最小值、样本数目、SEP、r和F值列于 表3。

表3 重整汽油馏程回归模型可行性数据

通过表3可以看出，所有的F值均大于F0.05（1，n-2），表明3中所建立的催化重整汽油化学组分与馏程的回归方程均具有统计学意义，即表3中所建立的催化重整汽油化学组分与馏程的回归方程均存在，可以用催化重整汽油化学组分作为自变量来解释馏程。所有的回归方程的判定系数都较高，说明自变量解释因变量的程度较高，拟合程度较好。判定系数最高的为50%蒸馏温度时，其判定系数r为0.789；其次为70%蒸馏温度时，其判定系数r为0.779；当为30%蒸馏温度时，其判定系数r为0.756；最低者为10%蒸馏温度时，其判定系数r为0.652。表明当为50%蒸馏温度时，自变量催化重整汽油化学组分对因变量馏程的解释程度最高，自变量催化重整汽油化学组分引起的变动占总变动的百分比最大。此外，每个因变量的回归样本均相等，表明并没有缺失值，适合进行比较，自变量催化重整汽油化学组分与因变量馏程之间呈线性趋势，所有点均在直线附近分布符合预期，同时也说明该数据满足多重线性回归的条件，可以用线性回归方程预测自变量催化重整汽油化学组分与因变量馏程之间的关系。其中10%℃最为接近，其次是50%℃和70%℃，30%℃和90%℃略差。

由蒸馏温度为10%、30%、50%、70%和90%℃的标准化残差可知，自变量催化重整汽油化学组分与因变量馏程之间呈线性趋势，所有点均在直线附近分布符合预期，同时也说明该数据满足多重线性回归的条件，可以用线性回归方程预测自变量催化重整汽油化学组分与因变量馏程之间的关系。其中10%℃最为接近，其次是50%℃和70%℃，30%℃和90%℃略差。

2 结论

运用多重线性回归法建立了汽油烃类物质与馏程的关系模型。回归模型的可行性检验结果表明，自变量催化重整汽油化学组分与因变量馏程之间的线性回归方程有意义，该模型能够较好地反映化学组成与馏程之间的定量关系。通过标准化残差P-P图进一步验证了模型的可行性，所建立的模型符合预期。同时从以上分析可以看出，所得的回归模型的判定系数均大于0.5，说明自变量解释因变量的程度较高，拟合程度较好。此外，不同的回归模型得到的判定系数不一样，说明不同的回归模型中自变量化学组成对因变量汽油馏程的解释程度不一样，当蒸馏温度为50%时，自变量化学组成对因变量汽油馏程的解释最好，其次为蒸馏温度为70%、30%时。该结果给我们的提示是，在实际应用中，应优先选择蒸馏温度为50%、70%、30%等来预测催化重整汽油中的化学组分，因为在50%、70%、30%的蒸馏温度下，更容易得到优化的汽油燃料配方。因此，该回归模型为汽油生产工艺的选取、配方优化及产品质量预测提供了技术依据。