基于预设重构并融合密度泛函理论和单位键指标-二次指数势法的催化裂化分子尺度动力学研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
21506050
项目类别：
青年科学基金项目
资助金额：
21.0万
负责人：
隆建
依托单位：
华东理工大学
学科分类：
B08.化学工程与工业化学
结题年份：
2018
批准年份：
2015
项目状态：
已结题
起止时间：
2016-01-01 至2018-12-31

项目参与者：
杨明磊；范琛；朱远明；蒋达；祝然；茅民嵩；
关键词：
分子同系物矩阵催化裂化反应动力学密度泛函理论单位键指标-二次指数势

项目摘要

Currently, the refining process is suffered from many difficulties, for example, the complicated component of heavy oil, the rough distillation management, poor application of molecular lumped model, and the complicated reaction kinetics which makes it difficult to assess the kinetic parameters. With the aim to solve these problems, we propose to use the molecular type homologous series (MTHS) method to characterize the molecular components of the feed of fluidized catalytic cracking (FCC) process according to the global properties. The reaction network is built according to the detailed molecular components of the feed and the reaction characteristics of FCC. The DFT calculations are performed to analyze the atomic level of the cracking kinetics. Combing the UBI-QEP theory, the kinetic parameters for the cracking of molecules with different number of C atoms can be obtained, which enable us to build the detailed molecular kinetic model for the FCC process. The correlation between the component of feed and properties of different products can be obtained according to this model, which provides us a good way to optimize the FCC process.

针对重质油组分复杂，传统集总动力学模型无法预测产品分子信息、现有分子级模型组分刻画难以验证且动力学参数估计困难等问题，本项目以催化裂化作为探针反应，采用分子同系物矩阵法（MTHS），基于原料蜡油的宏观性质，完成耦合27个化学结构官能团虚拟组分信息的分子矩阵构建，实现原料分子化管理。并以此为基础，根据催化裂化反应特性，结合预设的产品矩阵信息（含13个化学结构官能团的汽油馏分和含17个化学结构官能团的柴油馏分），构建基于正碳离子机理的反应网络。采用密度泛函理论（DFT），从分子尺度上分析不同分子结构在Pt催化剂上裂解反应动力学行为；结合单位键指标-二次指数势（UBI-QEP）方法，推算具有不同C原子数的分子组分脱氢和裂解反应活化能，进而获得蜡油催化裂化动力学参数，建立分子级动力学模型。通过此模型，在分子尺度上研究原料组成变化对催化裂化产品收率和性质的影响规律，为催化裂化过程优化提供理论支撑。

结项摘要

炼油过程中重质油组分复杂，传统动力学模型无法准确预测重质油转化过程产物分子信息，目前对重质油转化过程分子尺度反应过程机理研究还十分不足。针对上述问题，本项目从分子尺度研究了催化裂化过程物料分子信息和动力学反应机理。本项目采用分子同系物矩阵方法，随机重构法和最大熵方法建立了催化裂化反应过程物料的分子尺度表征模型。. 通过确定石脑油中具有代表性的80个碳氢化合物分子，采用分子同系物矩阵方法构建石脑油馏分分子重构模型，模型可准确预测石脑油馏分物理化学性质，相对误差均控制在3%以内。基于随机重构方法和熵最大化方法建立了催化裂化物料分子表征模型。根据实验室二维气相色谱数据确定了馏分中碳氢化合物分子化学族，确立了27种构成馏分分子的环状结构，以此通过蒙特卡洛随机抽样方法生成虚拟分子，采用熵最大化方法构建虚拟馏分分子组分优化模型，可准确预测重构物料物理化学性质，模型误差均控制在9%以内。本项目通过反射式近红外光纤探头构建了光谱数据与原油性质参数的数学模型。模型对样品的API值和硫含量的预测相对误差分别为2.73%和4.46%。. 基于催化裂化物料表征构建了催化裂化反应网络。首先通过计算流体力学方法研究了催化裂化提升管反应器气固两相非均匀流动现象。通过对物料进行细分构建了催化裂化反应网络，可准确预测实际工况中催化裂化产物性质和收率，模型误差在5%以内。通过DFT理论计算和单位键指标-二次指数势方法计算了丙烷、戊烷、二苯并噻吩、N-甲基二苯并吡咯、蒽、甲基萘等分子在Y型分子筛上的吸附能分别为-719.837kJ/mol、-641.293kJ/mol、-288.008kJ/mol、-322.478kJ/mol、-229.807kJ/mol、-414.048kJ/mol。丙烷分子裂化成甲烷分子和乙烯分子的反应所需的能垒为24.693kacl/mol，戊烷分子裂化成丙烷分子和乙烯分子的反应所需的能垒为157.634kacl/mol。采用LASSO特征选择法和BP神经网络建立催化裂化关键收率与性质预测模型，模型对汽油,柴油，干气，酸性气，液化气收率预测误差在8.6%以内.对汽油辛烷值，饱和蒸气压和十六烷值预测误差在5%以内。