石油分子组成计算机模拟方法的研究进展及特点比较

任小甜　田松柏

（中国石化石油化工科学研究院）

【摘　要】深入认识石油的分子组成，探究其与石油的物理化学性质以及加工性能的关系，是实现分子水平石油炼制的基础。本文对目前应用最广泛的四种石油分子组成的计算机模拟方法进行了详细介绍，包括结构导向集总（SOL）、分子同系物矩阵（MTHS）、熵最大重构（REM）以及随机重构（SR），分析讨论了各方法的特点以及不足，并对下一步的研究方向和重点进行了讨论。

【关键词】重油；石油分子；分子组成；组成模拟

1　引言

近年来，原油资源重质化趋势愈加明显，如何高效合理地利用重油资源，是炼油工业目前面临的最重要的难题。分子组成从根本上决定物质的物理和化学性质，石油同样是由大量的烃类以及非烃类分子组成的复杂混合物。石油的宏观平均物性并不能反映其分子组成上的本质差别，只有从分子层面全面地认识石油的化学组成，通过对炼油过程中的各类化学反应的深入研究，才能预测石油及其馏分的加工性能，从而指导更加高效的炼油工艺和催化剂的开发，进一步推动重油加工技术的发展，实现分子水平炼油技术的新跨越。

借助高速发展的各种色谱和高分辨质谱技术[1～6]，人们对各种石油馏分分子组成有了更深入的认识。结合一系列分离技术，通过全二维气相色谱质谱（GC×GC/MS）、气相色谱飞行时间质谱（GC/TOF MS）以及傅里叶变换离子回旋共振质谱（FT-ICR MS）等分析手段对石油的各馏分进行分析，可以得到各种烃类和非烃类化合物详细的分子组成信息[7]。但是，即使目前最先进的分析技术也依然存在许多问题，高分辨质谱通过精确的质量解析能确定石油分子的分子式，得到不同的分子缺氢数Z以及总碳数的分布，但其难以准确解析分子的具体结构，不能有效区分各类同分异构体，而且石油的分子组成依然很难实现准确定量[4]；另外高分辨质谱仪器比较昂贵，而且样品的分析周期长，费用较高，难以在炼油企业中实现大规模的推广和应用。

随着计算机模拟技术的发展，组成模拟方法也在石油分子组成的研究中发挥越来越重要的作用。由于早期分析测试技术水平不足以得到石油尤其是重油的详细分子组成，计算机模拟技术应用而生。该方法是从石油的一些有限的常规分析数据出发，利用各种数学工具经过模拟计算得到一套等效的虚拟分子来表示石油的分子组成。这种模拟方法有效地回避了烦琐昂贵的石油分子组成的分析表征过程，只根据常规的分析数据就能快速计算得到各类石油的分子组成数据，目前已经成功应用于各类馏分的分子组成模拟的研究中，并取得了较好的效果。高速发展的石油高分辨质谱技术则提供了更加充分的分析数据基础，进一步推动了石油分子组成计算机模拟技术的发展。目前，石油分子组成计算机模拟技术发展的关键在于三个方面：一是如何选定合适方法来表示石油中大量组成复杂的分子，即石油分子库的建立，尤其是对于重油分子；二是如何准确地计算各石油分子的物性，以及选取合理的混合规则确定石油的各项宏观平均物性；三是如何对石油的分子组成进行合理和准确的定量计算，实现从物性到分子组成的转变，并在此基础上准确预测各馏分的宏观物性和各项加工性能。

2　分子组成计算机模拟方法的研究进展

目前主要的石油分子组成模拟方法主要有结构导向集总（SOL）、分子同系物矩阵（MTHS）、熵最大重构（REM）以及随机重构（SR）四种方法，以下分别对这四种方法进行探讨。

2.1　结构导向集总（SOL）

结构导向集总（SOL）法是由Quann和Jaffe[8，9]提出的一种用于描述复杂烃类化合物组成、反应和性质的方法。他们构建了22个如图1所示的结构基团作为基本结构单元，每个石油分子都可以用这些结构基团的组合向量来表示。SOL法本质上属于一种基团贡献法，可以方便地用于石油分子的物性计算以及复杂反应过程的表示。用结构基团可以直接计算各分子的元素组成和分子量，从新的结构基团出发可关联计算出各分子的沸点和相对密度等物性以及其他热力学性质，结构向量的运算可以表示各分子反应过程。SOL法的基本思想就是从石油的分析数据出发，通过划分不同的同系物来构建分子库，即种子分子加侧链的形式，再以各结构基团组成的向量来表示各个石油分子，并关联计算出各分子的物性。需要注意的是，同一组结构基团可以表示组成相同但结构不同的异构体，而这些异构体的物性可以认为是一样的，所以，SOL法依然是一种集总模型，是分子水平上的集总。

目前，SOL法在国内外得到了广泛的应用，已经成功地应用于汽油和石脑油、柴油、减压蜡油以及渣油分子组成的模拟研究中。Ghosh和Jeffe[10，11]首先利用SOL法构建了预测汽油辛烷值和柴油十六烷值的分子水平模型，计算结果表明辛烷值的相对误差都在1%之内，十六烷值的相对误差也不到1.25%。2005年，Jeffe[12]在原有的22个结构基团的基础上增加了代表石油中金属镍、钒的结构基团，并提出了表示多核种子分子的结构单元，将SOL法扩展到渣油的分子组成模拟和反应动力学建模中。基于SOL法，Ghosh等[13]构建了催化裂化石脑油的加氢脱硫反应动力学模型，以气相色谱的分析数据为基础确定了41个不同的同系物族，构建共计348个分子集总表示石脑油的分子组成，设定15条反应规则表示444个分子反应，模型可以很好地预测产物的分子组成及各种物性。以SOL方法为基础，华东理工大学在减压蜡油和渣油的分子组成模拟方面也做了大量的研究工作[14～17]。他们对原有的结构基团进行了调整，确定了新的21个结构单元来表示渣油分子，从已知的渣油化学组成的相关理论知识出发，确定其中的单核种子分子和多核种子分子，通过在这些种子分子上添加不同碳数的侧链来构建渣油的虚拟分子库，再结合渣油的各个窄馏分的质谱分析数据，构建渣油的平均物性计算值误差的平方和作为目标函数，利用模拟退火算法来计算各分子的含量，取得了较好的模拟效果。

SOL法的最大意义在于提供了一种复杂烃类分子的表示方法，并且可以区分不同的芳环结构的异构体，将组成复杂的石油分子表示为结构基团的向量以方便分子物性的计算，更有利于其反应动力学模型的构建。目前，SOL法已经成功地应用于各类馏分以及渣油的分子组成模拟，说明这是一种很有效的模拟方法。但是，该方法模型中各类种子分子的选取并没有结合最新的分子水平分析数据，分子种类的划分可能不够全面和准确，不能完全反映石油的分子组成；另外，SOL模型中分子含量的计算也存在变量太多而约束条件不充分等问题，这些都会导致宏观物性相似的石油的分子组成差别巨大，影响分子组成的计算的重复性和准确性。

2.2　分子同系物矩阵（MTHS）

1999年，Peng[18]首先提出了用MTHS矩阵来表示石油馏分的方法，依据同系物分子的思想，将石油分子按照不同的分子类型和碳数进行详细划分。如图2所示，MTHS矩阵中，每一行表示碳数相同的分子类型不同的碳数族，每一列表示碳数不同的一个同系物族，而每个矩阵分子则表示一类结构和碳数相同的同分异构体的集总。以石油详细的分子组成数据为基础，通过一个MTHS矩阵就可以将组成复杂的石油具体表示出来。然而，目前的分析手段还不足以获得石油全馏分，尤其是重油的分子组成数据，而且分析过程复杂且昂贵，费时费力，难以推广。因此，很多研究者对MTHS矩阵法进行了补充和完善。

目前，MTHS矩阵法主要包括两个步骤：一是石油分子库的构建，需要根据不同的馏分合理地确定其分子类型和碳数分布范围，包括同分异构体的分布等；二是物性数据库的计算和转换，需要计算矩阵中各分子的物性以及馏分的宏观平均物性，然后比较这些物性的计算值和实验值，通过对相应目标函数的优化计算可以确定MTHS矩阵的分子组成。

Zhang[19]首先提出了通过轻馏分的宏观物性计算MTHS矩阵的分子组成的方法，他利用结构-性质关系计算分子物性，结合混合规则计算其宏观物性，再利用几个已知组成的馏分的MTHS矩阵插值计算来确定目标矩阵的分子组成。Aye等[20]则对物性数据库进行了完善，考虑了同分异构体对馏分宏观物性的影响，同样利用插值法来计算矩阵的分子组成。但是插值计算法需要有已知分子组成的MTHS矩阵作为基础，而且提出的结构-性质的计算关联式只适用于低碳数的纯烃类分子，这都使其应用范围仅局限于轻馏分。

Wu等[21，22]利用改进的MTHS矩阵对汽油和柴油进行分子组成模拟，考虑到支链不同的异构烷烃和烯烃对汽油辛烷值和蒸气压的影响，增加了汽油馏分矩阵的分子类型，将烷烃划出3种类型，烯烃划出2种类型；在计算矩阵的分子组成时则引入了分布函数的思想，即同一种类型的分子含量服从γ分布的规律，这样既减少了优化计算中的变量个数又增加了计算结果的准确性。Ahmad等[23]首次提出了用基团贡献法计算矩阵分子物性，在计算分子组成时，引入每类同系物分子的碳数分布规律做为约束条件，将MTHS矩阵的应用范围扩展到了中间馏分和重馏分。Pyl等[24]提出了将分子的结构特征和同系物矩阵相结合的方法，根据目标馏分的沸程确定同系物矩阵的分子核类型和碳数范围，引入分子的结构特征分布和碳数分布来表示分子的组成，这样将大量的分子组成变量转变为各γ分布的参数，大大减少了模型的计算量，煤油和重瓦斯油的模拟计算结果表明，各类同系物分子的组成数据与实验值比较吻合，符合明显的γ分布。

MTHS矩阵可以将组成复杂的石油用一个矩阵的形式直观地表示出来，并且通过有限的常规分析数据可以计算出其中具体的分子组成，是一种有效的分子组成模拟方法。该方法以较为完整的石油分子库和准确的物性数据库作为基础，需要根据石油的分析数据确定分子库的组成，选择合理的方法计算石油的分子物性和宏观平均物性，此外，需要选择有效的数学方法和优化算法来准确计算其分子组成。目前该方法主要应用于各类馏分的分子组成模拟，还没有应用于渣油的MTHS矩阵的报道，从目前渣油的分子水平表征数据出发，通过完善和扩展分子库，建立较为准确的物性数据库，确定合理的算法实现石油平均物性到分子组成的转变，完全可以构建起表示渣油分子组成的MTHS矩阵。

2.3　熵最大重构（REM）

REM法是基于Shannon等[25]1949年提出的信息熵理论，该理论的本质就是在只有部分已知信息的情况下，对未知的分布进行合理、最可能存在的推断，消除已知条件不足对计算结果的影响，使未知变量的不确定性最大化，更加符合实际的分布情况。而石油的分子组成模拟就是从有限的一些平均物性出发计算大量石油分子的组成和分布，所以，REM法是一种比较合理的模拟计算方法。

应用于石油分子组成模拟的REM法中，基于信息熵的目标函数表达式如下：

式中，表示熵值；表示分子的摩尔分数；表示石油常规物性的实验值； f i， j x i则表示物性的计算值；表示一个很小的正数。

该方法的基本思想就是从已经预设好的石油分子库出发，通过不断调整其中各分子的含量，使其计算的油品宏观物性和实验值相吻合，进而得到分子库中的分子组成。当没有石油宏观物性的约束条件时，计算的分子组成就是等摩尔的平均分布，当引入约束条件时，其分子组成就会不断被调整，直至满足这些物性的约束条件，同时也满足尽可能地平均分布。REM法提供了分子组成计算的另一种目标函数，大大减少了分子组成计算中的变量个数，充分的物性约束条件也可以保证计算结果的准确性。

作为一种有效的石油分子组成的计算方法，REM法的应用范围基本可以覆盖石油的全馏分，有完整的石油分子库和准确的物性数据库作为基础就可以保证分子组成计算结果的准确性，目前已经有应用于石脑油、减压蜡油和渣油的研究报道。该方法首先是由Hudebine[26]提出的，之后Van Geem等[27]将其用于石脑油的分子组成模拟中，通过最多14个参数就可以计算100多个虚拟分子的摩尔含量。Hudebine和Verstraete[28]则详细讨论了REM法中不同的约束条件下目标函数的情况，包括石油平均物性的等式和不等式约束，以及石油中平均分子量分布等的分布约束条件，并将其应用于FCC汽油的分子组成的模拟。牛莉丽[29]将REM法用于整个原油的分子重构，通过原油的分析数据确定了分子库，选择合适的方法计算分子物性以及石油的宏观物性，利用REM的目标函数进行分子组成的计算，大庆原油的模拟计算结果和实验数据基本吻合。

REM法从一个预设的石油分子库出发，以石油的平均物性作为约束条件，通过引入熵函数来计算石油的分子组成。与利用石油的平均物性计算值的误差的平方和作为目标函数的方法相比，熵函数更加合理，更能反映石油分子的真实分布状态，以充分的物性作为约束条件计算可以得到较为准确的分子组成。计算过程中，误差平方和的目标函数依然存在变量过多的问题，通过引入分子特征的分布可以减少变量个数，但也会造成计算过程过于复杂，而且各分子特征分布的选取也存在一定的不确定性，缺少相应的理论依据。而REM法则将分子组成的变量直接转换为约束条件中的各参数，大大降低了计算的复杂性，同时也能保证计算结果的准确性。除了熵函数最大化的思想外，也有研究者[30]将吉布斯自由能函数最小化的方法引入石油分子组成的计算中，这同样是一种合理有效的计算方法。

2.4　随机重构（SR）

随机重构法基于概率密度分布函数（PDF）和蒙特卡洛模拟法。每个石油分子可以看作是由一系列的分子结构特征或者结构基团组成的，而石油中含有数量巨大的分子，也就是包含大量的分子特征或结构基团，可以看作是数学中的连续变量来处理，通过引入概率密度分布函数（PDF）来表示这些结构特征或结构基团在石油中的分布。石油的各种平均物性，如平均分子量、沸点等都呈现比较明显的分布特征[31，32]，而这些宏观物性都是由石油中大量的分子或结构基团整体表现出来的，所以可以认为这些结构特征或结构基团也都符合一定的分布。蒙特卡洛模拟法是一种统计模拟的方法，其基本思想是，将所求的问题与一定的概率模型相联系，通过对变量的概率分布进行大量的随机抽样来进行模拟试验，可以得到该变量的概率分布，进而计算其数学期望、标准偏差等统计特征，并将其作为所求问题的近似解。所以，以石油中的各个分子结构或结构基团在的分布特点为基础，结合蒙特卡洛模拟法对石油分子进行随机重构是合理的。

1990年，特拉华大学的Neurock等[33]首先提出了石油分子随机重构的方法，之后其所在的Klein组的研究者[34～37]开展了一系列的研究工作，将SR法应用于石脑油、重馏分以及渣油等各馏分的分子重构。根据目标馏分的结构组成特点，通过一个结构框架来确定分子，以烷烃碳数、环烷环数、芳环数等这些结构特征来构建分子。每一个分子结构特征都符合一定的概率密度分布（PDF），按照结构框架，通过蒙特卡洛模拟法分别对这些结构特征进行随机抽样，每次抽样得到的结构特征即可以确定一个分子，经过若干次抽样和结构特征组合就能得到一套初始的虚拟分子，抽样过程如图3所示。以石油平均物性计算值的误差平方和作为目标函数，经过优化计算可以确定这些PDF的参数，即确定这些结构特征的分布，从而确定一套优化的虚拟分子。

上述的抽样方法是按照一定的顺序来构建分子，如通过依次确定分子的类型、环烷环个数、侧链数、侧链的碳数即可确定一个环烷烃分子。除此之外，还有一种基于组成石油分子的结构基团的抽样法，这种抽样方式是没有顺序的，即各个结构基团的分布是同时确定的，目前应用较多的是基于SOL法中的结构基团的抽样。华东理工大学在这方面进行了大量的研究工作，并取得了较好的模拟效果[38～40]。这种抽样方式的计算过程相对简单，抽取出一组结构基团就能确定一个分子，但这种方法缺乏相应的理论基础和分析数据支持，因为分析手段还得不到这些结构基团在石油中的具体分布形式。

SR法是通过数学工具来抽取出一套虚拟分子来表示石油，可以有效避免预设分子库的方法中人为设定因素对模拟结果的干扰，当抽取的分子数目足够多时，就可以更真实地反映石油的组成和物性特点。目前该方法已经可以应用于石油的全部馏分的分子组成模拟，包括渣油以及整个原油的分子重构[41]。但该方法依然存在一些不足，随机抽取的方式可能会构建出石油中不存在的分子，尤其是对于结构基团的抽样方式，这样会影响模拟结果的准确性，另外，在计算石油的平均物性时，SR法并没有考虑分子含量的因素，所以计算得到的虚拟分子都是等摩尔的平均分布，这和石油中分子结构特征或结构基团的分布特点是相矛盾的，也不符合石油中分子组成的真实状态。

为了解决SR法中石油分子含量的计算问题，许多研究人员做了大量的工作。法国石油研究院（IFP）的Hudebine等[42]将计算石油分子组成的REM法和SR法相结合，构建了SR-REM的两步重构模型，并将其应用于轻循环油分子组成模拟中，之后他们又陆续建立了应用于减压蜡油和渣油的分子组成模拟的两步重构模型[43～47]。这种方法是将分子库的抽取和分子组成的计算分两步进行，先通过SR法确定一套等效的平均分子，再利用REM法计算分子组成，这种方法有效地解决了虚拟分子含量计算的问题，但这两个步骤分开优化会导致两次优化的分布不一致的问题。为此，彭辉等[48]则提出用结构特征分布直接表示分子含量，用二项分布表示各结构特征的分布形式，将抽样和分子组成计算两个步骤集成进行同时优化计算，通过优化得到的分布参数可以确定其分子组成，并应用于裂解原料石脑油和加氢尾油的分子组成模拟。Zhang等[49]则选取直方分布和γ分布进行抽样生成减压渣油的虚拟分子，利用各分布的乘积表示分子含量，再以各平均物性计算值的误差平方和作为目标函数进行优化计算，可以获得等效的减压渣油分子组成。

3　各方法的特点分析及比较

综上所述，这四种方法各有特点也各有侧重，按照虚拟分子的生成方式可以分为两大类：一是预设分子库的方法，包括结构导向集总（SOL）、分子同系物矩阵（MTHS）和熵最大重构（REM），此类方法需要人为确定分子库的组成，建立分子物性数据库，然后通过一个包含石油平均物性的目标函数计算其分子组成，基本可以应用于各类馏分的分子组成模拟。但该类方法需要有足够的石油的详细组成分析数据支持，要根据目标馏分建立相应的尽可能完整和准确的分子库和物性数据库；第二类是随机重构（SR）的模拟方法，此类方法以概率密度函数分布（PDF）和蒙特卡洛抽样法为基础，需要通过随机抽样的方式来确定分子库中的虚拟分子，这类方法减少了人为设定因素的干扰，分子结构特征或结构基团的PDF的引入可以大大减少模拟计算中的变量，但每一次模拟过程都会生成不同的分子库，而且可能会抽取出石油中不存在的分子，模拟计算过程也较为复杂。

SOL法首先提出通过种子分子加上侧链的形式来构建虚拟分子的思想，用结构基团来表示石油分子既能方便于石油分子物性的计算，还为石油分子的反应过程的表示提供了一种有效的方法。目前已经有应用于各类馏分和渣油的SOL模型的报道，但其分子库还不够准确，种子分子的划分和选取可能还不完整，其中异构体的分布以及侧链的形式还不确定，需要结合石油最新的分子水平表征手段进一步补充和完善，此外，其中石油分子组成的计算依然存在着变量过多而约束不足等问题，需要结合其他分子含量的计算方法来进一步优化。

以SOL法的同系物构建虚拟分子的思想为基础，MTHS矩阵法则用一个分子类型和碳数分布组合的矩阵来表示石油的分子组成。这种方法将石油分子的表示更加直观化和具体化，通过预设分子库可以减少由随机抽取分子产生的不确定性，也降低了模拟过程的计算难度，另外，确定了一个石油的分子库和分子物性数据库就可以快速地应用于不同来源和种类的石油分子组成模拟，具有很好的实用性。目前，该方法主要应用于馏分的分子组成模拟，渣油的MTHS矩阵还没有相关报道。此外，该方法同样还存在一些问题，预设的分子库会受到人为因素的干扰，而不同种类的石油肯定会在分子类型和碳数分布上存在差别，所以需要选取足够数量的石油样品进行详细的分子水平表征，通过对这些分析数据的统计分析来确定尽可能完整和普适的分子库；另外，对于一个矩阵分子中不同异构体的分布和组成需要分析数据进一步明晰，此外，还需要选取合适的物性计算方法和混合规则来保证石油的平均物性计算的准确性。所以，MTHS矩阵法需要以前期大量的分析表征、统计分析和优化计算的工作基础作为支持。

REM法主要是提供了一种计算石油分子组成的方法，引入熵函数的方法更能合理地反映石油中各分子的真实分布状态，将石油的平均物性计算值的误差以及平均分子量分布等各项分析数据作为函数的约束条件能保证计算结果的准确性。这种计算方法将大量的分子组成的变量转变为一定数量的约束条件参数，与传统的直接以石油的平均物性计算值的误差平方和作为目标函数的方法相比，该方法的计算逻辑更加清晰，变量个数和计算过程的复杂性都大大减少，是一种比较合理的分子组成计算方法。该方法的应用范围较广，只要有完整的和准确的石油分子库和物性数据库作为基础，就可以保证石油分子组成计算结果的准确性，目前已经可以应用于各类馏分、渣油以及整个原油的分子组成模拟。

SR法是利用随机抽样的方法来确定分子库，这种方法最大程度地减少了人为设定因素的干扰，每次模拟过程都会产生一个不同的分子库，保证了不同来源和种类石油分子组成的独立性。用概率密度分布函数（PDF）描述石油中的分子结构特征和结构基团的分布是一种很好的思路，石油中分子数量巨大，利用PDF来表示各分布的特征大大降低了模拟体系的复杂性，减少了变量个数，更利于石油分子组成的计算。目前SR法的应用范围也可以覆盖石油的全馏分甚至整个原油，是一种普适和有效的模拟方法。但是该方法的计算过程相对复杂，需要借助计算机程序自动选取各分子结构特征或结构基团，然后经重组生成分子，而且石油分子的物性以及石油的平均物性也要实现自动计算；另外，抽样过程中可能会生成石油中不存在的分子，尤其是对于以SOL结构基团进行抽样的SR法，这些都会影响模拟计算结果的准确性和可重复性。

这四种模拟方法各有特点和侧重，将不同方法的特点有机结合用于石油分子组成的模拟可以取得更加理想的效果。比如，基于SOL结构基团进行抽样重构的SR模型，国内的研究者做了大量的工作[50～52]；将随机重构法和熵最大重构法相结合的SR-REM两步法模型也有很多报道，也有很多研究者将SR法中概率密度分布函数（PDF）的思想引入MTHS矩阵的分子组成的计算中，这些集成和组合的方法进一步提高了模型的准确性和实用性。

4　结语和展望

原油资源的日益重质化趋势给炼油工业提出了更高的要求，必须从分子水平去认识石油的组成，探究石油的基本物性、加工性能和分子组成的关系，为实现分子水平炼油技术的发展提供坚实的理论基础。在目前的分析表征技术依然有局限性的情况下，计算机模拟方法在石油的分子水平认识中发挥了重要的作用，主要的四种模拟方法都各有优势，但同样存在着一些不足和缺陷，需要进一步完善和优化。首先，需要构建更加完整的石油分子库，以目前最先进的分子水平表征平台为基础，对大量的不同来源和种类的石油的分子组成数据进行统计分析，整理归纳出对应于不同馏分（石脑油、常减压蜡油以及渣油）的分子库，需要结合分子模拟计算等手段确定其中同分异构体的分布情况，包括芳核的具体结构以及侧链的结构和分布。其次，要选取合适的物性计算方法来构建石油分子物性数据库，包括密度、沸点和黏度等物理性质以及生成焓、熵和自由能等热力学性质，探究各物理性质和分子组成的结构-性质的关联关系，或者利用基团贡献法计算单个石油分子的性质；要选用合理的混合规则和关联式计算石油的宏观平均物性，对于特定物性的计算要区分不同类型分子的贡献值，保证计算结果的准确性。最后，要选取合理的方法来计算石油的分子组成，要结合目前先进的数学工具和优化算法进一步探究，需要处理好其中的多变量计算的问题，保证定量计算结果的准确性和可重复性。另外，从上述的石油分子库和物性数据库出发，结合不同炼油工艺的特点，可以进一步探究不同馏分的各项加工性能和其分子组成的关系。我们要从分子水平认识石油的组成，解析石油的各项物性及加工性能与分子组成的本质关系，探究每个石油分子的最佳反应路径，只有这样才能充分利用石油资源，真正做到宜芳则芳、宜烯则烯、宜油则油，实现每个石油分子的最大价值。

参考文献

[1] Marshall A G，Chen T.International Journal of Mass Spectrometry，2015，377：410-420.

[2] Islam A，Cho Y，Ahmed A，et al.Mass Spectrometry Letters，2012，3（3）：63-67.

[3] Cho Y，Ahmed A，Islam A，et al.Mass Spectrometry Reviews，2015，34（2）：248-263.

[4] 史权，张亚和，徐春明，等.中国科学：化学，2014，44（5）：694-700.

[5] 史权，赵锁奇，徐春明，等.质谱学报，2008，29（6）：367-378.

[6] 史权，董智勇，张亚和，等.分析测试学报，2009，27（s1）：246-248.

[7] 田松柏，龙军，刘泽龙.石油学报（石油加工），2015，31（2）：282-292.

[8] Quann R J.Environmental Health Perspectives，1999，106（suppl 6）：1441-1448.

[9] Quann R J，Jaffe S B.Industrial & Engineering Chemistry Research，2002，31（11）：2483-2497.

[10] Ghosh P，Hickey K J，Jaffe S B.Industrial & Engineering Chemistry Research，2006，45（1）：337-345.

[11] Ghosh P，Jaffe S B.Industrial & Engineering Chemistry Research，2006，45（1）：346-351.

[12] Jaffe S B，Freund H，Olmstead W N.Industrial & Engineering Chemistry Research，2005，44（26）：9840-9852.

[13] Ghosh P，Andrews A T，Quann R J，et al.Energy & Fuels，2009，23（12）：5743-5759.

[14] 田立达.结构导向集总新方法构建延迟焦化动力学模型及其应用研究[D].上海：华东理工大学，2012.

[15] 祝然.结构导向集总新方法构建催化裂化动力学模型及其应用研究[D].上海：华东理工大学，2013.

[16] 祝然，沈本贤，刘纪昌.石油炼制与化工，2013，44（2）：37-42.

[17] 倪腾亚，刘纪昌，沈本贤，等.石油炼制与化工，2015，46（7）：15-22.

[18] Peng B.Molecular modelling of petroleum processes[D].University of Manchester，1999.

[19] Zhang Y.A Molecular approach for charcterization and property predicitions of petroleum mixtures with applications to refinery modelling[D].Manehester：University of Manchester，1999.

[20] Aye MM S，Zhang N.Chemical Engineering Science，2005，60（23）：6702-6717.

[21] Wu Y，Zhang N.Industrial & Engineering Chemistry Research，2010，49（24）：12773-12782.

[22] Wu Y，Zhang N.Chemical Engineering，2009，18：749-754.

[23] Ahmad M I，Zhang N，Jobson M.Chemical Engineering Research and Design，2011，89（4）：410-420.

[24] Pyl S P，Hou Z，Van Geem K M，et al.Industrial & Engineering Chemistry Research，2011，50（18）：10850-10858.

[25] Shannon C E，Weaver W.Urbana University of Illinois Press，1949，14（3）：3-55.

[26] Hudebine D.Reconstruction moléculaire de coupes pétrolières[D].E'cole Normale Supe'rieure de Lyon，2003.

[27] Van Geem K M，Hudebine D，Reyniers M F，et al.Computers & Chemical Engineering，2007，31（9）：1020-1034.

[28] Hudebine D，Verstraete J J.Oil & Gas Science and Technology-Revue d’IFP Energies nouvelles，2011，66（3）：437-460.

[29] 牛莉丽.原油的熵最大化分子重构[D].上海：华东理工大学，2012.

[30] Ha Z，Liu S.Energy & Fuels，2005，19（6）：2378-2393.

[31] Whitson C H.Society of Petroleum Engineers Journal，1983，23（4）：683-694.

[32] Behrenbruch P，Dedigama T.Journal of Petroleum Science & Engineering，2007，57（1）：166-180.

[33] Neurock M，Libanati C，Nigam A，et al.Chemical Engineering Science，1990，45（90）：2083-2088.

[34] Neurock M，Nigam A，Trauth D，et al.Chemical Engineering Science，1994，49（24）：4153-4177.

[35] Trauth D M，Stark S M，Petti T F，et al.Energy Fuels，1994，8（3）：576-580.

[36] Campbell D M，Klein M T.Applied Catalysis A General，1997，160（1）：41-54.

[37] Wei W，Bennett C A，Tanaka R，et al.Fuel Processing Technology，2008，89（4）：350-363.

[38] 马法书，袁志涛，翁惠新.化工学报，2004，54（11）：1539-1545.

[39] 沈荣民，蔡军杰，江洪波，等.华东理工大学学报（自然科学版），2005，36（1）：56-61.

[40] 欧阳福生，王磊，王胜，等.高校化学工程学报，2008，22（6）：927-934.

[41] 赵雨霖.原油分子重构[D].上海：华东理工大学，2010.

[42] Hudebine D，Verstraete J J.Chemical Engineering Science，2004，59（22）：4755-4763.

[43] Verstraete J J，Schnongs P，Dulot H，et al.Chemical Engineering Science，2010，65（1）：304-312.

[44] de Oliveira L P，Vazquez A T，Verstraete J J，et al.Energy & Fuels，2013，27（7）：3622-3641.

[45] Alvarez-Majmutov A，Gieleciak R，Chen J.Energy & Fuels，2015，29（12）：7931-7940.

[46] Charon-Revellin N，Dulot H，López-García C，et al.Oil & Gas Science & Technology-Revue D’IFP Energies Nouvelles，2011，66（3）：479-490.

[47] Oliveira L P D，Verstraete J J，Kolb M.Science China，2013，56（11）：1608-1622.

[48] 彭辉，张磊，邱彤，等.化工学报，2011，62（12）：3447-3451.

[49] Zhang L，Hou Z，Horton S R，et al.Energy & Fuels，2014，28（3）：1736-1749.

[50] Yang B，Zhou X，Chen C，et al.Industrial & Engineering Chemistry Research，2008，47（14）：4648-4657.

[51] 孙忠超，山红红，刘熠斌，等.化工学报，2012，63（2）：486-492.

[52] Pan Y，Yang B，Zhou X.Chemical Engineering Journal，2015，281：945-952.