多变量数据分析在油品标准密度测定中的应用周宏志1孙健2顾海鹏.doc

多变量数据分析在油品标准密度测定中的应用 周宏志1, 孙 健2, 顾海鹏3 (1.黑龙江农垦石油有限公司，黑龙江 哈尔滨 150090；2.大庆炼化公司，黑龙江 大庆 163411；3东北石油大学，黑龙江 大庆 163318) 摘要：我国炼油企业与销售企业的贸易结算仍按油品的质量进行计算，该方法工作量大、 易出现错误。文中探讨了应用Unscrambler软件，对产品标准密度表中的常用数据进行 分析，得到20℃标准密度的函数关系式。该函数关系式在常用温度、常用密度范围内， 完全可以替代查表法计算20℃标准密度，具有实用价值。 关键词：多变量数据分析； 标准密度； 石油计量； 多元曲线分辨 中图分类号：TE622 文献标识码：A 我国油库在计算油品质量时，多采用GB/T 1885—1998《石油计量表(产品部分)》[1]计量表中的体积修正系数表计算油品质量，即在非标准温度下获得的玻璃石油密度计读数(视密度)换算为标准温度下的密度(标准密度)和体积修正系数，再由计量温度下的体积、体积修正系数、标准密度和空气浮力修正值计算油品质量。而GB/T 1885—1998标准密度表中的试验温度间隔定为0.25 ℃。因此在标准密度表的试验温度栏中，有时无法直接找到对应的试验温度值[2]，给计算带来不便。 另外，GB/T 1885—1998规定，“当试验温度介于试验温度栏中两相邻温度之间时，试验温度不必内插，而是以最接近的温度值查表”，尽管其对计量精度的影响可以接受，但在查表时也会带来不必要的麻烦，且容易出错。尤其当铁路成列到车时[3]，接卸油品、查表计算油品标准密度的工作量很大，要耗费很长时间。因此减少查找油品标准密度的工作时间，降低工作量，提高工作效率极为重要。 使用多变量数据分析软件，对石油产品标准密度表进行分析，得到温度、视密度、20℃标准密度的关系式。由关系式计算出产品标准密度 1 应用Unscrambler分析标准密度 1.1 Unscrambler Unscrambler是完整的多变量数据分析和实验设计软件，包含主成分分析，多元曲线分辨、偏最小二乘回归和聚类等。可以很方便地提取并处理大量数据信息，是多变量数据分析的有力工具，广泛应用于制造业、化工和能源以及石油和天然气领域。 1.2 标准密度函数关系式 GB/T 1885—1998《石油计量表(产品部分)》中的产品标准密度表(表59B)是用于油品计量得到试验温度、视密度后，在表中查找交叉数，即为该油品的20 ℃标准密度。实质为温度、视密度与20 ℃标准密度的关系。20 ℃标准密度因油品计量的温度、视密度的不同而查得不同的数据。因此可以将温度、视密度作为回归变量，20 ℃标准密度作为因变量。则分析石油产品标准密度关系式便转化为求解二元变量的非线性回归数学模型，见（1）式。 , （1） （2） 式中 —温度，℃；—视密度，kg/m3；——20 ℃标准密度，kg/m3。希望可以通过应用Unscrambler软件分析该数据、估计（2）式的多元函数中的未知常数，从而得到20 ℃标准密度的函数关系式。 以0#柴油为例，依据GB/T 19147-2013《车用柴油(Ⅳ)》，20 ℃标准密度质量指标为810~850 kg/m3。因此，所选观测数据的范围应包含质量合格的0#柴油产品数据范围[3]。取GB/T 1885—1998《石油计量表(产品部分)》产品标准密度表中温度-18 ℃、视密度791 kg/m3、20℃标准密度758.1 kg/m3，至温度32 ℃、视密度859 kg/m3、20 ℃标准密度867.2 kg/m3区域范围内的共7 035组数据，见表1 表1 产品标准密度表数据 序号 温度/℃ 视密度/(kg·m-3) 20℃标准密度/(kg·m-3 1 -18.00 791.0 758.1 2 -17.75 791.0 758.3 3 -17.50 791.0 758.5 7035 32.00 859.0 867.2 按照表1数据绘制的散点图见图1。 图1 20℃标准密度散点 由图1可以看出，当确定某一温度时，20 ℃标准密度随视密度的增大而增大，大体类型为线性模型；当确定某一视密度时，20 ℃标准密度随温度的升高而增大，大体类型也为线性模型。可以依此初步判断出数学模型，确定分析方法，减小软件分析计算量，提高分析结果的准确性[4]。 设20℃标准密度 （3） 式中 —待定系数；—温度，℃；—视密度，kg/m3。 将选取的产品标准密度表数据导入Unscrambler软件，使用偏最小二乘回归法[5,6]，对表