氢分压对润滑油异构降凝反应的影响

采用石油化工科学研究院开发的RIW润滑油异构降凝催化剂，在固定床微反加氢装置上考察了不同氢分压下正十六烷的转化率和选择性，并以实际油品为原料。在中型加氢装置上进行降凝试验。结果表明，较低的反应温度、较低的氢分压有利于大分子正构烷烃在双功能催化剂上的异构化反应。从产品要求上看，尽管低压有利于生成低倾点的油品，但由于生成了较多的芳烃，影响润滑油基础油的安定性，很难满足API Ⅱ类油或API Ⅲ类油对芳烃含量小于10％的限定指标要求。因此在工业应用时，应该综合考虑异构降凝的反应压力，在相对合理的氢分压下操作。     

异构降凝反应产物低温性能的研究

考察了同种原料在异构降凝工艺条件下生产的润滑油基础油倾点与组成、黏度指数、黏度、低温动力黏度之间的关系,结果表明,润滑油基础油倾点主要和多环环烷烃含量、平均链烷碳数的C*,异构烷碳与正构烷碳的比值IP/NP有关,结合倾点与烃类组成的关系式、黏度指数与烃类组成的关系式,发现倾点与黏度指数具有一定的线性正相关关系,与黏度和低温动力黏度均为线性负相关关系。从异构降凝反应的角度提出适当提高基础油倾点有利于改善基础油黏度指数和低温动力黏度。     

气相沉积法制备Ni/Al_2O_3催化剂的加氢性能及表征

采用化学气相沉积法制备了Ni/Al_2O_3催化剂,对其进行了加氢活性评价和表征.结果表明,在合适的条件下,可以得到具有高分散度和高活性的Ni/Al_2O_3催化剂.在Al_2O_3载体中引入助剂可以减弱活性组分Ni与Al_2O_3载体之间的相互作用,有利于NiO还原成Ni活性中心.化学气相沉积法制备的Ni/Al_2O_3催化剂比传统浸渍法制备的Ni/Al_2O_3催化剂具有更高的加氢活性.透射电镜结果表明,Al_2O_3载体表面上Ni活性相呈纳米分布,具有较高的分散度,该催化剂中Ni质量分数可降低32.5%,而其加氢催化活性不降低.化学气相沉积法制备的Ni/Al_2O_3催化剂可用于白油加氢精制.     

气相沉积法制备氧化铝负载镍催化剂的加氢性能及表征

采用化学气相沉积法制备了Ni/Al2O3催化剂, 对其进行了加氢活性评价和表征. 结果表明, 在合适的条件下下, 可以得到具有高分散度和高活性的Ni/Al2O3催化剂. 在Al2O3载体中引入助剂可以减弱活性组分Ni与Al2O3载体之间的相互作用, 有利于NiO还原成Ni活性中心。化学气相沉积法制备的Ni/Al2O3催化剂比传统浸渍法制备Ni/Al2O3催化剂具有更高的加氢活性。透射电镜结果表明,Al2O3载体表面上活性相呈纳米分布,具有较高的分散度,该催化剂中Ni质量分数可降低32.5％,而其加氢催化活性不降低.化学气相沉积法制备的Ni/Al2O3催化剂可用于白油加氢精制.     

高选择性加氢异构降凝催化剂的研发及性能评价

针对直链烷烃异构反应过程的特点,开发了一种新加氢异构降凝催化剂.该催化剂采用新特制酸性分子筛以促进反应物分子接近反应位及异构中间产物快速脱离反应位.物化性质表征结果表明,与对比分子筛和催化剂相比,新分子筛和催化剂具有更大的孔体积和孔径以及更弱的酸性.以实际油品(加氢裂化尾油及费-托合成精制蜡)为原料的中试评价结果表明,...     

估算加氢处理润滑油基础油芳香烃含量的神经网络模型

建立了用加氢处理润滑油基础油的密度(20℃)、粘度(100℃)、折光指数(20℃)和粘度指数估算其芳烃含量的神经网络模型,并将预测结果与主成分回归模型所得结果进行了比较.结果表明,神经网络模型预测数据的最大误差为1.6%,绝对值平均误差为0.79%;而主成分回归模型预测值的最大误差为6.0%,绝对值平均误差为2.17%.可见,神经网络模型对润滑油基础油芳烃含量的估算精度优于主成分回归模型,是一种估算加氢处理润滑油基础油芳烃含量的可行方法.     

加氢异构降凝催化剂RIW-2的开发及工业应用

针对以加氢裂化尾油、费-托合成油等多种原料生产优质润滑油基础油的要求，中国石化石油化工科学研究院开发了新一代润滑油异构降凝催化剂RIW-2。该催化剂具有良好的异构选择性、降凝活性、抗中毒性能和原料油适应性，其性能优于参比剂。考察了影响催化剂异构性能的多种工艺因素，结果表明：正构烷烃异构化存在一个最佳反应温度，同时随反应温度的提高，产物中多甲基异构烷烃含量增加；较低的氢分压有利于异构烷烃的生成，但会伴随着环烷烃的脱氢。该催化剂的工业应用结果表明，以加氢裂化尾油为原料，可以生产黏度指数大于120的API Ⅲ类润滑油基础油，收率大于70%。     

估算加氢处理润滑油基础油芳香烃含量的神经网络模型

建立了用加氢处理润滑油基础的密度（200℃）、粘度（100℃）、折光指数（20℃）和粘度指数估算其芳烃含量的神经网络模型,并将预测结果与主成分回归模型所得结果进行了比较。结果表明,神经网络模型预测数据的最大误差为1．6％,绝对值平均误差为0．79％;而主成分回归模型预测值的最大误差为6．0％,绝对值平均误差为2．17％。可见,网络模型对润滑基础油芳烃含量的估算精度优于主成分回归模型,是一种估算加氢处理润滑油基础油芳烃含量的可行方法。     

近红外分析方法测定润滑油基础油的化学族组成

测定了不同来源、不同工艺的润滑油基础油近红外谱图 ,以偏最小二乘方法为数学工具 ,通过硅胶吸附法取得基础数据 ,建立基础油的近红外光谱 -化学族组成模型。采用该模型测定未知样品与硅胶吸附法的测定结果相比 ,饱和烃质量分数和芳烃质量分数相关系数分别为 0 9877和 0 9875。对子分析结果表明 ,两种分析方法的测定结果一致。近红外分析方法重现性好 ,分析速度快 ,结果准确 ,且不消耗有机溶剂。     

150BS光亮油低温下产生絮凝物的组成分析

通过对克拉玛依石化分公司150BS光亮油进行溶剂法分离絮凝物试验,考察了不同脱絮温度对絮凝物碳数分布和脱絮油浊点的影响规律。并利用高温气相色谱、模拟蒸馏、分子量、质谱(MS)及核磁共振(13C-NMR)分析仪对絮凝物和脱絮油进行了化学结构组成分析。提出提高临氢降凝催化剂对长侧链的选择性裂化或采用异构脱蜡工艺会使克拉玛依石化公司150BS絮凝物问题得以很好地解决。