Predicción de propiedades fisicoquímicas de coques obtenidos en procesos de conversión de fondos de vacío usando espectroscopia raman y quimiometría

En el presente trabajo se combinaron los beneficios de la quimiometría con la facilidad y rapidez de la técnica espectroscópica Raman, para el desarrollo de cuatro modelos que predicen propiedades fisicoquímicas en coque de petróleo de manera confiable y en cortos periodos de tiempo. Mediante el análisis por componentes principales (PCA) y por mínimos cuadrados parciales (PLS) se determinó la correlación entre las señales espectrales y los valores experimentales de análisis próximo y poder calorífico, a partir del análisis de 56 muestras de coque obtenidas en procesos de conversión de fondos de vacío procesados bajo condiciones de craqueo térmico e hidroconversión. Las propiedades de carbono fijo, material volátil, poder calorífico y cenizas de cada muestra fueron determinados en trabajos previos usando los estándares establecidos por American Society for Testing and Materials (ASTM).Los parámetros estadísticos obtenidos en los cuatro modelos PLS finales mostraron datos bien ajustados a los modelos, todos los coeficientes de correlación (R2) entre valores de referencia y predichos estuvieron por encima de 0.95, los errores cuadráticos promedio de validación obtenidos fueron bajos (inferiores a 1.00), la validación cruzada interna para cada uno de los modelos PLS demostró resultados satisfactorios en la predicción de propiedades fisicoquímicas de CF, MV, PCal y CZ, con bajos porcentajes de error(en promedio inferiores al 2.00%). Así mismo los errores globales reportados para los modelos de predicción de CF, MV y PCal son inferiores al 5.00% y confirman la confiabilidad de estos modelos.A pesar de los buenos parámetros estadísticos obtenidos en el modelo propuesto para cenizas, se consideró un modelo de predicción no confiable, pues presenta un porcentaje de error global alto teniendo en cuenta que el intervalo en el cual se encuentran los datos experimentales de esta propiedad es de 3.33 ± 1.88.

• Autores: Moscoso Almeida, Laura Sofia
• Tipo de recurso: http://purl.org/coar/version/c_b1a7d7d4d402bcce
• Fecha de publicación: 2016
• Institución: Universidad Industrial de Santander
• Repositorio: Repositorio UIS
• Idioma: spa
• OAI Identifier: oai:noesis.uis.edu.co:20.500.14071/34974
• Acceso en línea: https://noesis.uis.edu.co/handle/20.500.14071/34974; https://noesis.uis.edu.co
• Palabra clave: Coque De Petróleo; Análisis Multivariable; Quimiometría; Espectroscopia Raman; Fondos De; In this work; the benefits of chemometrics were combined with the ease of use and speed of Raman spectroscopy for the development of four models able to predict physical-chemical properties in a fast and reliable way for petroleum coke samples. By employing principal component analysis (PCA) and partial least square regression (PLS) the correlation between spectral data and the experimental values for heat of combustion and proximate analysis was found from 56 samples of petroleum coke obtained from hydrothermal and thermal cracking conversion processes of vacuum residua. The properties fixed carbon (CF); volatile matter (MV); heat of combustion (PCal) and ashes (CZ) for each sample were determined in previous works according to the standards established by the American Society for Testing and Materials (ASTM). The statistical parameters obtained in the four final PLS models showed adequate adjustment of data to the models; all correlation coefficients (R2) among reference and predicted values were above 0.95; mean square errors of validation were low (below 1.00); cross validation for all PLS models showed satisfying results in the prediction of the properties CF; MV; PCal and CZ with low error percentages (below 2.00% in average). Likewise; the reported global errors for the CF; MV and PCal prediction models are less than 5.00% and confirm the reliability of these models. In spite of having obtained appropriate statistical parameters for the CZ prediction model; it was regarded as a non-reliable prediction model; since it showed a high global error taking into account that the range in which this property™s experimental values were measured was 3.33 ± 1.88.
• License: Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)