李硕凡等在 Chemical Engineering Journal 发表论文。该研究以课题组前期建立的重质油分子组成定量分析方法和分子数据库为基础，提出了一种基于气相色谱等常规实验数据快速推断石油馏分分子组成的方法框架，实现了重质油品分子层面组成信息的便捷、高效获取，为石油分子工程相关模型开发所需分子组成数据的获取提供了新的技术路径。

石油分子组成信息是开展分子级过程模拟和产品精准调控的重要基础。然而，对于减压馏分油等重质馏分，其组成高度复杂，分子表征通常依赖高分辨质谱等高端仪器以及组合式的创新方法，炼厂化验室往往难以获取重质油分子组成数据。如何利用炼厂普遍具备的常规检测手段，快速获得可靠的分子组成信息，是石油分析与分子工程领域的重要挑战。

针对上述问题，研究团队提出了“数据库驱动—性质约束”的分子组成推断方法。研究构建了包含68个减压馏分油样品的多维实验数据库，整合了高分辨质谱获得的全组分分子组成定量数据，以及气相色谱、元素分析、密度、饱和分/芳香分比例等常规实验信息。在此基础上，首先利用非负最小二乘拟合（NNLS）匹配目标样品与数据库中参考样品的色谱信号，获得初步分子组成；随后结合机器学习建立“分子组成—密度”预测模型，并引入元素组成及族组成约束，对初步结果进行边缘分布优化修正，最终得到符合实际性质特征的分子组成结果。结果表明，该方法推断得到的重质油分子组成与实验高分辨质谱结果具有良好一致性，同时能够准确再现实验测得的密度、元素组成及饱和分/芳香分比例等关键性质指标。在全部测试样品中，预测结果总体表现稳定，说明该方法具备较好的泛化能力和工业场景应用潜力。

该研究实现了由常规分析数据向分子级组成信息的跨越，也凸显了构建高质量石油分子组成数据库的重要性。随着石油分子数据库规模与质量持续提升，其应用场景将进一步拓展至原油评价、产品质量预测、分子炼油建模等多个方向，为重油高值利用和炼化行业数字化、智能化发展提供长期支撑。

 

该论文是课题组开展国际合作的一项成果，加拿大阿尔伯塔大学李祖奎教授为共同通讯作者；巴西巴西戈亚斯联邦大学博尼克·贡蒂约教授为合作作者之一。

论文信息如下：

Database-driven and property-constrained inference of molecular composition of petroleum fractions from routine experimental data

基于数据库驱动与性质约束利用常规分析数据推断石油馏分分子组成的方法

 

Shuofan Li, Zukui Li*, Zhongyu Zhang, Boniek Gontijo, Jianxun Wu, Linzhou Zhang, Quan Shi*

李硕凡，李祖奎*，张钟昱，Boniek Gontijo，吴建勋，张霖宙，史权*

 https://doi.org/10.1016/j.cej.2026.176448

发布：李硕凡/史权