石油分子組成計算機模擬方法的研究進展及特點比較

任小甜　田松柏

（中國石化石油化工科學研究院）

【摘　要】深入認識石油的分子組成，探究其與石油的物理化學性質以及加工性能的關系，是實現分子水平石油煉制的基礎。本文對目前應用最廣泛的四種石油分子組成的計算機模擬方法進行了詳細介紹，包括結構導向集總（SOL）、分子同系物矩陣（MTHS）、熵最大重構（REM）以及隨機重構（SR），分析討論了各方法的特點以及不足，并對下一步的研究方向和重點進行了討論。

【關鍵詞】重油；石油分子；分子組成；組成模擬

1　引言

近年來，原油資源重質化趨勢愈加明顯，如何高效合理地利用重油資源，是煉油工業目前面臨的最重要的難題。分子組成從根本上決定物質的物理和化學性質，石油同樣是由大量的烴類以及非烴類分子組成的復雜混合物。石油的宏觀平均物性并不能反映其分子組成上的本質差別，只有從分子層面全面地認識石油的化學組成，通過對煉油過程中的各類化學反應的深入研究，才能預測石油及其餾分的加工性能，從而指導更加高效的煉油工藝和催化劑的開發，進一步推動重油加工技術的發展，實現分子水平煉油技術的新跨越。

借助高速發展的各種色譜和高分辨質譜技術[1～6]，人們對各種石油餾分分子組成有了更深入的認識。結合一系列分離技術，通過全二維氣相色譜質譜（GC×GC/MS）、氣相色譜飛行時間質譜（GC/TOF MS）以及傅里葉變換離子回旋共振質譜（FT-ICR MS）等分析手段對石油的各餾分進行分析，可以得到各種烴類和非烴類化合物詳細的分子組成信息[7]。但是，即使目前最先進的分析技術也依然存在許多問題，高分辨質譜通過精確的質量解析能確定石油分子的分子式，得到不同的分子缺氫數Z以及總碳數的分布，但其難以準確解析分子的具體結構，不能有效區分各類同分異構體，而且石油的分子組成依然很難實現準確定量[4]；另外高分辨質譜儀器比較昂貴，而且樣品的分析周期長，費用較高，難以在煉油企業中實現大規模的推廣和應用。

隨著計算機模擬技術的發展，組成模擬方法也在石油分子組成的研究中發揮越來越重要的作用。由于早期分析測試技術水平不足以得到石油尤其是重油的詳細分子組成，計算機模擬技術應用而生。該方法是從石油的一些有限的常規分析數據出發，利用各種數學工具經過模擬計算得到一套等效的虛擬分子來表示石油的分子組成。這種模擬方法有效地回避了煩瑣昂貴的石油分子組成的分析表征過程，只根據常規的分析數據就能快速計算得到各類石油的分子組成數據，目前已經成功應用于各類餾分的分子組成模擬的研究中，并取得了較好的效果。高速發展的石油高分辨質譜技術則提供了更加充分的分析數據基礎，進一步推動了石油分子組成計算機模擬技術的發展。目前，石油分子組成計算機模擬技術發展的關鍵在于三個方面：一是如何選定合適方法來表示石油中大量組成復雜的分子，即石油分子庫的建立，尤其是對于重油分子；二是如何準確地計算各石油分子的物性，以及選取合理的混合規則確定石油的各項宏觀平均物性；三是如何對石油的分子組成進行合理和準確的定量計算，實現從物性到分子組成的轉變，并在此基礎上準確預測各餾分的宏觀物性和各項加工性能。

2　分子組成計算機模擬方法的研究進展

目前主要的石油分子組成模擬方法主要有結構導向集總（SOL）、分子同系物矩陣（MTHS）、熵最大重構（REM）以及隨機重構（SR）四種方法，以下分別對這四種方法進行探討。

2.1　結構導向集總（SOL）

結構導向集總（SOL）法是由Quann和Jaffe[8，9]提出的一種用于描述復雜烴類化合物組成、反應和性質的方法。他們構建了22個如圖1所示的結構基團作為基本結構單元，每個石油分子都可以用這些結構基團的組合向量來表示。SOL法本質上屬于一種基團貢獻法，可以方便地用于石油分子的物性計算以及復雜反應過程的表示。用結構基團可以直接計算各分子的元素組成和分子量，從新的結構基團出發可關聯計算出各分子的沸點和相對密度等物性以及其他熱力學性質，結構向量的運算可以表示各分子反應過程。SOL法的基本思想就是從石油的分析數據出發，通過劃分不同的同系物來構建分子庫，即種子分子加側鏈的形式，再以各結構基團組成的向量來表示各個石油分子，并關聯計算出各分子的物性。需要注意的是，同一組結構基團可以表示組成相同但結構不同的異構體，而這些異構體的物性可以認為是一樣的，所以，SOL法依然是一種集總模型，是分子水平上的集總。

目前，SOL法在國內外得到了廣泛的應用，已經成功地應用于汽油和石腦油、柴油、減壓蠟油以及渣油分子組成的模擬研究中。Ghosh和Jeffe[10，11]首先利用SOL法構建了預測汽油辛烷值和柴油十六烷值的分子水平模型，計算結果表明辛烷值的相對誤差都在1%之內，十六烷值的相對誤差也不到1.25%。2005年，Jeffe[12]在原有的22個結構基團的基礎上增加了代表石油中金屬鎳、釩的結構基團，并提出了表示多核種子分子的結構單元，將SOL法擴展到渣油的分子組成模擬和反應動力學建模中?；赟OL法，Ghosh等[13]構建了催化裂化石腦油的加氫脫硫反應動力學模型，以氣相色譜的分析數據為基礎確定了41個不同的同系物族，構建共計348個分子集總表示石腦油的分子組成，設定15條反應規則表示444個分子反應，模型可以很好地預測產物的分子組成及各種物性。以SOL方法為基礎，華東理工大學在減壓蠟油和渣油的分子組成模擬方面也做了大量的研究工作[14～17]。他們對原有的結構基團進行了調整，確定了新的21個結構單元來表示渣油分子，從已知的渣油化學組成的相關理論知識出發，確定其中的單核種子分子和多核種子分子，通過在這些種子分子上添加不同碳數的側鏈來構建渣油的虛擬分子庫，再結合渣油的各個窄餾分的質譜分析數據，構建渣油的平均物性計算值誤差的平方和作為目標函數，利用模擬退火算法來計算各分子的含量，取得了較好的模擬效果。

SOL法的最大意義在于提供了一種復雜烴類分子的表示方法，并且可以區分不同的芳環結構的異構體，將組成復雜的石油分子表示為結構基團的向量以方便分子物性的計算，更有利于其反應動力學模型的構建。目前，SOL法已經成功地應用于各類餾分以及渣油的分子組成模擬，說明這是一種很有效的模擬方法。但是，該方法模型中各類種子分子的選取并沒有結合最新的分子水平分析數據，分子種類的劃分可能不夠全面和準確，不能完全反映石油的分子組成；另外，SOL模型中分子含量的計算也存在變量太多而約束條件不充分等問題，這些都會導致宏觀物性相似的石油的分子組成差別巨大，影響分子組成的計算的重復性和準確性。

2.2　分子同系物矩陣（MTHS）

1999年，Peng[18]首先提出了用MTHS矩陣來表示石油餾分的方法，依據同系物分子的思想，將石油分子按照不同的分子類型和碳數進行詳細劃分。如圖2所示，MTHS矩陣中，每一行表示碳數相同的分子類型不同的碳數族，每一列表示碳數不同的一個同系物族，而每個矩陣分子則表示一類結構和碳數相同的同分異構體的集總。以石油詳細的分子組成數據為基礎，通過一個MTHS矩陣就可以將組成復雜的石油具體表示出來。然而，目前的分析手段還不足以獲得石油全餾分，尤其是重油的分子組成數據，而且分析過程復雜且昂貴，費時費力，難以推廣。因此，很多研究者對MTHS矩陣法進行了補充和完善。

目前，MTHS矩陣法主要包括兩個步驟：一是石油分子庫的構建，需要根據不同的餾分合理地確定其分子類型和碳數分布范圍，包括同分異構體的分布等；二是物性數據庫的計算和轉換，需要計算矩陣中各分子的物性以及餾分的宏觀平均物性，然后比較這些物性的計算值和實驗值，通過對相應目標函數的優化計算可以確定MTHS矩陣的分子組成。

Zhang[19]首先提出了通過輕餾分的宏觀物性計算MTHS矩陣的分子組成的方法，他利用結構-性質關系計算分子物性，結合混合規則計算其宏觀物性，再利用幾個已知組成的餾分的MTHS矩陣插值計算來確定目標矩陣的分子組成。Aye等[20]則對物性數據庫進行了完善，考慮了同分異構體對餾分宏觀物性的影響，同樣利用插值法來計算矩陣的分子組成。但是插值計算法需要有已知分子組成的MTHS矩陣作為基礎，而且提出的結構-性質的計算關聯式只適用于低碳數的純烴類分子，這都使其應用范圍僅局限于輕餾分。

Wu等[21，22]利用改進的MTHS矩陣對汽油和柴油進行分子組成模擬，考慮到支鏈不同的異構烷烴和烯烴對汽油辛烷值和蒸氣壓的影響，增加了汽油餾分矩陣的分子類型，將烷烴劃出3種類型，烯烴劃出2種類型；在計算矩陣的分子組成時則引入了分布函數的思想，即同一種類型的分子含量服從γ分布的規律，這樣既減少了優化計算中的變量個數又增加了計算結果的準確性。Ahmad等[23]首次提出了用基團貢獻法計算矩陣分子物性，在計算分子組成時，引入每類同系物分子的碳數分布規律做為約束條件，將MTHS矩陣的應用范圍擴展到了中間餾分和重餾分。Pyl等[24]提出了將分子的結構特征和同系物矩陣相結合的方法，根據目標餾分的沸程確定同系物矩陣的分子核類型和碳數范圍，引入分子的結構特征分布和碳數分布來表示分子的組成，這樣將大量的分子組成變量轉變為各γ分布的參數，大大減少了模型的計算量，煤油和重瓦斯油的模擬計算結果表明，各類同系物分子的組成數據與實驗值比較吻合，符合明顯的γ分布。

MTHS矩陣可以將組成復雜的石油用一個矩陣的形式直觀地表示出來，并且通過有限的常規分析數據可以計算出其中具體的分子組成，是一種有效的分子組成模擬方法。該方法以較為完整的石油分子庫和準確的物性數據庫作為基礎，需要根據石油的分析數據確定分子庫的組成，選擇合理的方法計算石油的分子物性和宏觀平均物性，此外，需要選擇有效的數學方法和優化算法來準確計算其分子組成。目前該方法主要應用于各類餾分的分子組成模擬，還沒有應用于渣油的MTHS矩陣的報道，從目前渣油的分子水平表征數據出發，通過完善和擴展分子庫，建立較為準確的物性數據庫，確定合理的算法實現石油平均物性到分子組成的轉變，完全可以構建起表示渣油分子組成的MTHS矩陣。

2.3　熵最大重構（REM）

REM法是基于Shannon等[25]1949年提出的信息熵理論，該理論的本質就是在只有部分已知信息的情況下，對未知的分布進行合理、最可能存在的推斷，消除已知條件不足對計算結果的影響，使未知變量的不確定性最大化，更加符合實際的分布情況。而石油的分子組成模擬就是從有限的一些平均物性出發計算大量石油分子的組成和分布，所以，REM法是一種比較合理的模擬計算方法。

應用于石油分子組成模擬的REM法中，基于信息熵的目標函數表達式如下：

式中，表示熵值；表示分子的摩爾分數；表示石油常規物性的實驗值； f i， j x i則表示物性的計算值；表示一個很小的正數。

該方法的基本思想就是從已經預設好的石油分子庫出發，通過不斷調整其中各分子的含量，使其計算的油品宏觀物性和實驗值相吻合，進而得到分子庫中的分子組成。當沒有石油宏觀物性的約束條件時，計算的分子組成就是等摩爾的平均分布，當引入約束條件時，其分子組成就會不斷被調整，直至滿足這些物性的約束條件，同時也滿足盡可能地平均分布。REM法提供了分子組成計算的另一種目標函數，大大減少了分子組成計算中的變量個數，充分的物性約束條件也可以保證計算結果的準確性。

作為一種有效的石油分子組成的計算方法，REM法的應用范圍基本可以覆蓋石油的全餾分，有完整的石油分子庫和準確的物性數據庫作為基礎就可以保證分子組成計算結果的準確性，目前已經有應用于石腦油、減壓蠟油和渣油的研究報道。該方法首先是由Hudebine[26]提出的，之后Van Geem等[27]將其用于石腦油的分子組成模擬中，通過最多14個參數就可以計算100多個虛擬分子的摩爾含量。Hudebine和Verstraete[28]則詳細討論了REM法中不同的約束條件下目標函數的情況，包括石油平均物性的等式和不等式約束，以及石油中平均分子量分布等的分布約束條件，并將其應用于FCC汽油的分子組成的模擬。牛莉麗[29]將REM法用于整個原油的分子重構，通過原油的分析數據確定了分子庫，選擇合適的方法計算分子物性以及石油的宏觀物性，利用REM的目標函數進行分子組成的計算，大慶原油的模擬計算結果和實驗數據基本吻合。

REM法從一個預設的石油分子庫出發，以石油的平均物性作為約束條件，通過引入熵函數來計算石油的分子組成。與利用石油的平均物性計算值的誤差的平方和作為目標函數的方法相比，熵函數更加合理，更能反映石油分子的真實分布狀態，以充分的物性作為約束條件計算可以得到較為準確的分子組成。計算過程中，誤差平方和的目標函數依然存在變量過多的問題，通過引入分子特征的分布可以減少變量個數，但也會造成計算過程過于復雜，而且各分子特征分布的選取也存在一定的不確定性，缺少相應的理論依據。而REM法則將分子組成的變量直接轉換為約束條件中的各參數，大大降低了計算的復雜性，同時也能保證計算結果的準確性。除了熵函數最大化的思想外，也有研究者[30]將吉布斯自由能函數最小化的方法引入石油分子組成的計算中，這同樣是一種合理有效的計算方法。

2.4　隨機重構（SR）

隨機重構法基于概率密度分布函數（PDF）和蒙特卡洛模擬法。每個石油分子可以看作是由一系列的分子結構特征或者結構基團組成的，而石油中含有數量巨大的分子，也就是包含大量的分子特征或結構基團，可以看作是數學中的連續變量來處理，通過引入概率密度分布函數（PDF）來表示這些結構特征或結構基團在石油中的分布。石油的各種平均物性，如平均分子量、沸點等都呈現比較明顯的分布特征[31，32]，而這些宏觀物性都是由石油中大量的分子或結構基團整體表現出來的，所以可以認為這些結構特征或結構基團也都符合一定的分布。蒙特卡洛模擬法是一種統計模擬的方法，其基本思想是，將所求的問題與一定的概率模型相聯系，通過對變量的概率分布進行大量的隨機抽樣來進行模擬試驗，可以得到該變量的概率分布，進而計算其數學期望、標準偏差等統計特征，并將其作為所求問題的近似解。所以，以石油中的各個分子結構或結構基團在的分布特點為基礎，結合蒙特卡洛模擬法對石油分子進行隨機重構是合理的。

1990年，特拉華大學的Neurock等[33]首先提出了石油分子隨機重構的方法，之后其所在的Klein組的研究者[34～37]開展了一系列的研究工作，將SR法應用于石腦油、重餾分以及渣油等各餾分的分子重構。根據目標餾分的結構組成特點，通過一個結構框架來確定分子，以烷烴碳數、環烷環數、芳環數等這些結構特征來構建分子。每一個分子結構特征都符合一定的概率密度分布（PDF），按照結構框架，通過蒙特卡洛模擬法分別對這些結構特征進行隨機抽樣，每次抽樣得到的結構特征即可以確定一個分子，經過若干次抽樣和結構特征組合就能得到一套初始的虛擬分子，抽樣過程如圖3所示。以石油平均物性計算值的誤差平方和作為目標函數，經過優化計算可以確定這些PDF的參數，即確定這些結構特征的分布，從而確定一套優化的虛擬分子。

上述的抽樣方法是按照一定的順序來構建分子，如通過依次確定分子的類型、環烷環個數、側鏈數、側鏈的碳數即可確定一個環烷烴分子。除此之外，還有一種基于組成石油分子的結構基團的抽樣法，這種抽樣方式是沒有順序的，即各個結構基團的分布是同時確定的，目前應用較多的是基于SOL法中的結構基團的抽樣。華東理工大學在這方面進行了大量的研究工作，并取得了較好的模擬效果[38～40]。這種抽樣方式的計算過程相對簡單，抽取出一組結構基團就能確定一個分子，但這種方法缺乏相應的理論基礎和分析數據支持，因為分析手段還得不到這些結構基團在石油中的具體分布形式。

SR法是通過數學工具來抽取出一套虛擬分子來表示石油，可以有效避免預設分子庫的方法中人為設定因素對模擬結果的干擾，當抽取的分子數目足夠多時，就可以更真實地反映石油的組成和物性特點。目前該方法已經可以應用于石油的全部餾分的分子組成模擬，包括渣油以及整個原油的分子重構[41]。但該方法依然存在一些不足，隨機抽取的方式可能會構建出石油中不存在的分子，尤其是對于結構基團的抽樣方式，這樣會影響模擬結果的準確性，另外，在計算石油的平均物性時，SR法并沒有考慮分子含量的因素，所以計算得到的虛擬分子都是等摩爾的平均分布，這和石油中分子結構特征或結構基團的分布特點是相矛盾的，也不符合石油中分子組成的真實狀態。

為了解決SR法中石油分子含量的計算問題，許多研究人員做了大量的工作。法國石油研究院（IFP）的Hudebine等[42]將計算石油分子組成的REM法和SR法相結合，構建了SR-REM的兩步重構模型，并將其應用于輕循環油分子組成模擬中，之后他們又陸續建立了應用于減壓蠟油和渣油的分子組成模擬的兩步重構模型[43～47]。這種方法是將分子庫的抽取和分子組成的計算分兩步進行，先通過SR法確定一套等效的平均分子，再利用REM法計算分子組成，這種方法有效地解決了虛擬分子含量計算的問題，但這兩個步驟分開優化會導致兩次優化的分布不一致的問題。為此，彭輝等[48]則提出用結構特征分布直接表示分子含量，用二項分布表示各結構特征的分布形式，將抽樣和分子組成計算兩個步驟集成進行同時優化計算，通過優化得到的分布參數可以確定其分子組成，并應用于裂解原料石腦油和加氫尾油的分子組成模擬。Zhang等[49]則選取直方分布和γ分布進行抽樣生成減壓渣油的虛擬分子，利用各分布的乘積表示分子含量，再以各平均物性計算值的誤差平方和作為目標函數進行優化計算，可以獲得等效的減壓渣油分子組成。

3　各方法的特點分析及比較

綜上所述，這四種方法各有特點也各有側重，按照虛擬分子的生成方式可以分為兩大類：一是預設分子庫的方法，包括結構導向集總（SOL）、分子同系物矩陣（MTHS）和熵最大重構（REM），此類方法需要人為確定分子庫的組成，建立分子物性數據庫，然后通過一個包含石油平均物性的目標函數計算其分子組成，基本可以應用于各類餾分的分子組成模擬。但該類方法需要有足夠的石油的詳細組成分析數據支持，要根據目標餾分建立相應的盡可能完整和準確的分子庫和物性數據庫；第二類是隨機重構（SR）的模擬方法，此類方法以概率密度函數分布（PDF）和蒙特卡洛抽樣法為基礎，需要通過隨機抽樣的方式來確定分子庫中的虛擬分子，這類方法減少了人為設定因素的干擾，分子結構特征或結構基團的PDF的引入可以大大減少模擬計算中的變量，但每一次模擬過程都會生成不同的分子庫，而且可能會抽取出石油中不存在的分子，模擬計算過程也較為復雜。

SOL法首先提出通過種子分子加上側鏈的形式來構建虛擬分子的思想，用結構基團來表示石油分子既能方便于石油分子物性的計算，還為石油分子的反應過程的表示提供了一種有效的方法。目前已經有應用于各類餾分和渣油的SOL模型的報道，但其分子庫還不夠準確，種子分子的劃分和選取可能還不完整，其中異構體的分布以及側鏈的形式還不確定，需要結合石油最新的分子水平表征手段進一步補充和完善，此外，其中石油分子組成的計算依然存在著變量過多而約束不足等問題，需要結合其他分子含量的計算方法來進一步優化。

以SOL法的同系物構建虛擬分子的思想為基礎，MTHS矩陣法則用一個分子類型和碳數分布組合的矩陣來表示石油的分子組成。這種方法將石油分子的表示更加直觀化和具體化，通過預設分子庫可以減少由隨機抽取分子產生的不確定性，也降低了模擬過程的計算難度，另外，確定了一個石油的分子庫和分子物性數據庫就可以快速地應用于不同來源和種類的石油分子組成模擬，具有很好的實用性。目前，該方法主要應用于餾分的分子組成模擬，渣油的MTHS矩陣還沒有相關報道。此外，該方法同樣還存在一些問題，預設的分子庫會受到人為因素的干擾，而不同種類的石油肯定會在分子類型和碳數分布上存在差別，所以需要選取足夠數量的石油樣品進行詳細的分子水平表征，通過對這些分析數據的統計分析來確定盡可能完整和普適的分子庫；另外，對于一個矩陣分子中不同異構體的分布和組成需要分析數據進一步明晰，此外，還需要選取合適的物性計算方法和混合規則來保證石油的平均物性計算的準確性。所以，MTHS矩陣法需要以前期大量的分析表征、統計分析和優化計算的工作基礎作為支持。

REM法主要是提供了一種計算石油分子組成的方法，引入熵函數的方法更能合理地反映石油中各分子的真實分布狀態，將石油的平均物性計算值的誤差以及平均分子量分布等各項分析數據作為函數的約束條件能保證計算結果的準確性。這種計算方法將大量的分子組成的變量轉變為一定數量的約束條件參數，與傳統的直接以石油的平均物性計算值的誤差平方和作為目標函數的方法相比，該方法的計算邏輯更加清晰，變量個數和計算過程的復雜性都大大減少，是一種比較合理的分子組成計算方法。該方法的應用范圍較廣，只要有完整的和準確的石油分子庫和物性數據庫作為基礎，就可以保證石油分子組成計算結果的準確性，目前已經可以應用于各類餾分、渣油以及整個原油的分子組成模擬。

SR法是利用隨機抽樣的方法來確定分子庫，這種方法最大程度地減少了人為設定因素的干擾，每次模擬過程都會產生一個不同的分子庫，保證了不同來源和種類石油分子組成的獨立性。用概率密度分布函數（PDF）描述石油中的分子結構特征和結構基團的分布是一種很好的思路，石油中分子數量巨大，利用PDF來表示各分布的特征大大降低了模擬體系的復雜性，減少了變量個數，更利于石油分子組成的計算。目前SR法的應用范圍也可以覆蓋石油的全餾分甚至整個原油，是一種普適和有效的模擬方法。但是該方法的計算過程相對復雜，需要借助計算機程序自動選取各分子結構特征或結構基團，然后經重組生成分子，而且石油分子的物性以及石油的平均物性也要實現自動計算；另外，抽樣過程中可能會生成石油中不存在的分子，尤其是對于以SOL結構基團進行抽樣的SR法，這些都會影響模擬計算結果的準確性和可重復性。

這四種模擬方法各有特點和側重，將不同方法的特點有機結合用于石油分子組成的模擬可以取得更加理想的效果。比如，基于SOL結構基團進行抽樣重構的SR模型，國內的研究者做了大量的工作[50～52]；將隨機重構法和熵最大重構法相結合的SR-REM兩步法模型也有很多報道，也有很多研究者將SR法中概率密度分布函數（PDF）的思想引入MTHS矩陣的分子組成的計算中，這些集成和組合的方法進一步提高了模型的準確性和實用性。

4　結語和展望

原油資源的日益重質化趨勢給煉油工業提出了更高的要求，必須從分子水平去認識石油的組成，探究石油的基本物性、加工性能和分子組成的關系，為實現分子水平煉油技術的發展提供堅實的理論基礎。在目前的分析表征技術依然有局限性的情況下，計算機模擬方法在石油的分子水平認識中發揮了重要的作用，主要的四種模擬方法都各有優勢，但同樣存在著一些不足和缺陷，需要進一步完善和優化。首先，需要構建更加完整的石油分子庫，以目前最先進的分子水平表征平臺為基礎，對大量的不同來源和種類的石油的分子組成數據進行統計分析，整理歸納出對應于不同餾分（石腦油、常減壓蠟油以及渣油）的分子庫，需要結合分子模擬計算等手段確定其中同分異構體的分布情況，包括芳核的具體結構以及側鏈的結構和分布。其次，要選取合適的物性計算方法來構建石油分子物性數據庫，包括密度、沸點和黏度等物理性質以及生成焓、熵和自由能等熱力學性質，探究各物理性質和分子組成的結構-性質的關聯關系，或者利用基團貢獻法計算單個石油分子的性質；要選用合理的混合規則和關聯式計算石油的宏觀平均物性，對于特定物性的計算要區分不同類型分子的貢獻值，保證計算結果的準確性。最后，要選取合理的方法來計算石油的分子組成，要結合目前先進的數學工具和優化算法進一步探究，需要處理好其中的多變量計算的問題，保證定量計算結果的準確性和可重復性。另外，從上述的石油分子庫和物性數據庫出發，結合不同煉油工藝的特點，可以進一步探究不同餾分的各項加工性能和其分子組成的關系。我們要從分子水平認識石油的組成，解析石油的各項物性及加工性能與分子組成的本質關系，探究每個石油分子的最佳反應路徑，只有這樣才能充分利用石油資源，真正做到宜芳則芳、宜烯則烯、宜油則油，實現每個石油分子的最大價值。

參考文獻

[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] 史權，張亞和，徐春明，等.中國科學：化學，2014，44（5）：694-700.

[5] 史權，趙鎖奇，徐春明，等.質譜學報，2008，29（6）：367-378.

[6] 史權，董智勇，張亞和，等.分析測試學報，2009，27（s1）：246-248.

[7] 田松柏，龍軍，劉澤龍.石油學報（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] 田立達.結構導向集總新方法構建延遲焦化動力學模型及其應用研究[D].上海：華東理工大學，2012.

[15] 祝然.結構導向集總新方法構建催化裂化動力學模型及其應用研究[D].上海：華東理工大學，2013.

[16] 祝然，沈本賢，劉紀昌.石油煉制與化工，2013，44（2）：37-42.

[17] 倪騰亞，劉紀昌，沈本賢，等.石油煉制與化工，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] 牛莉麗.原油的熵最大化分子重構[D].上海：華東理工大學，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] 馬法書，袁志濤，翁惠新.化工學報，2004，54（11）：1539-1545.

[39] 沈榮民，蔡軍杰，江洪波，等.華東理工大學學報（自然科學版），2005，36（1）：56-61.

[40] 歐陽福生，王磊，王勝，等.高校化學工程學報，2008，22（6）：927-934.

[41] 趙雨霖.原油分子重構[D].上海：華東理工大學，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] 彭輝，張磊，邱彤，等.化工學報，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] 孫忠超，山紅紅，劉熠斌，等.化工學報，2012，63（2）：486-492.

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