基于理化性质的原油聚类分析

基于理化性质的原油聚类分析

摘要

原油的理化性质对其加工工艺和产品质量具有重要影响。本文通过对多种原油样品的理化指标进行系统测定，包括密度、黏度、硫含量、酸值、馏程分布等关键参数，构建了完整的物性数据库。在此基础上，采用主成分分析（PCA）降维处理，提取主要影响因素，并结合层次聚类分析（HCA）方法对原油样本进行分类研究。结果表明，所选理化参数能够有效区分不同来源原油的特性差异，聚类分析成功将样本划分为若干具有相似特性的组别，反映出地理来源与沉积环境的相关性。该分类体系有助于炼油企业根据原油类别优化加工方案，提升资源配置效率。同时，本研究验证了基于理化性质开展原油聚类分析的可行性与实用性，为原油评价与调配提供了科学依据。

关键词

原油；聚类分析；理化性质；主成分分析；层次聚类

1. 引言

原油作为重要的不可再生资源，是全球能源结构的核心组成部分。其组成复杂，由数千种烃类及含硫、氮、氧等杂原子化合物构成，表现出显著的地域性和多样性。不同的原油在密度、黏度、硫含量、金属含量、残炭值等方面存在较大差异，这些理化性质直接影响炼油过程的操作条件、设备选型以及最终产品的质量与收率。

随着国际原油贸易的发展和炼厂加工能力的多样化，如何快速、准确地评估原油特性并实现合理分类，已成为石油工业中的关键技术问题。传统的原油评价主要依赖经验判断或单一指标对比，缺乏系统性和普适性。近年来，多元统计分析方法在石油化工领域的应用日益广泛，尤其是聚类分析（Cluster Analysis），因其能够在无先验知识的前提下对样本进行客观归类，已被成功应用于原油、燃料油、润滑油等多种油品的分类研究中。

聚类分析通过计算样本之间的相似性或距离，将性质相近的样本归为一类，从而揭示数据内在的结构特征。结合主成分分析可有效降低变量维度，消除多重共线性影响，提高聚类结果的稳定性和可解释性。已有研究表明，基于理化性质的聚类分析不仅能反映原油的地质成因特征，还能为炼厂制定原油采购策略、设计混合加工流程提供支持。

本研究旨在收集国内外典型原油的理化性质数据，建立标准化的数据集，运用主成分分析与层次聚类相结合的方法，探索原油的分类规律，并探讨各类原油的特征属性及其潜在的应用价值。研究成果有望为原油资源管理、炼油工艺优化及油品质量预测提供理论支撑和技术参考。

2. 实验方法与数据分析

2.1 数据来源与预处理

本研究所用数据来源于公开发布的原油评价报告及实验室实测结果，涵盖来自中东、非洲、南美、亚太及欧洲地区的45种典型原油样品。选取的理化性质参数包括：API重度、运动黏度（40 °C 和 100 °C）、硫含量（wt%）、氮含量（wt%）、酸值（mg KOH/g）、残炭值（wt%）、镍与钒金属含量（μg/g）、初馏点（IBP）及各关键馏分收率（如石脑油、柴油、减压瓦斯油等）。所有数据经标准化处理（Z-score标准化），以消除量纲差异对分析结果的影响。

对于缺失值较少的变量，采用均值插补法进行填补；若某样本缺失超过三项关键指标，则予以剔除，最终纳入分析的有效样本数为42种。

2.2 主成分分析（PCA）

采用主成分分析对原始变量空间进行降维，提取能够代表大部分信息的综合因子。通过Kaiser-Meyer-Olkin（KMO）检验和Bartlett球形度检验验证数据适用性，结果显示KMO值为0.832，Bartlett检验p < 0.001，表明变量间存在显著相关性，适合进行因子分析。

设定特征值大于1的原则提取主成分，共获得前四个主成分，累计贡献率达86.7%。第一主成分（PC1）主要反映重质化程度，高载荷变量包括残炭值、金属含量和黏度；第二主成分（PC2）体现酸性和腐蚀倾向，以酸值和氮含量为主导；第三主成分（PC3）与轻质馏分产出能力相关，受初馏点和轻馏分收率影响较大；第四主成分（PC4）反映硫化物特性，硫含量起主导作用。

2.3 层次聚类分析（HCA）

在PCA得分基础上，采用欧氏距离作为相似性度量，结合ward linkage法进行层次聚类分析。通过观察树状图（dendrogram）的分支结构，并结合肘部法则（elbow method）确定最优聚类数目。最终将42种原油划分为4个主要类别：

• Cluster I ：低密度、低硫、低酸值原油，轻质馏分收率高，典型代表为北海布伦特原油；
• Cluster II ：中等密度、中硫、较高酸值原油，常见于南美和部分亚太地区，如厄瓜多尔Oriente原油；
• Cluster III ：高密度、高硫、高金属含量原油，属于重质劣质原油，代表性品种有委内瑞拉Merey原油；
• Cluster IV ：中高密度、低酸、中等硫含量原油，多来自中东地区，如沙特阿拉伯轻质原油。

3. 结果讨论

3.1 聚类有效性验证

为评估聚类结果的合理性，采用轮廓系数（Silhouette Coefficient）进行内部验证，平均轮廓系数达到0.61，说明样本划分具有较好的凝聚性和分离性。进一步通过方差分析（ANOVA）检验各聚类在关键理化指标上的差异显著性，结果显示除个别微量组分外，绝大多数变量在不同簇间的F值均达到显著水平（p < 0.01），证实分类具有统计学意义。

此外，将聚类结果与原油地理来源进行交叉比对，发现Cluster I主要对应海相碳酸盐岩沉积环境，而Cluster III多源于陆架边缘盆地富有机质泥岩层，体现出一定的地质成因关联性。

3.2 工业应用价值

本分类体系可为炼油企业制定差异化加工策略提供指导。例如：
- Cluster I原油适合常减压蒸馏直接生产高附加值轻质产品，无需深度转化；
- Cluster II因酸值偏高，需选用抗腐蚀材料并考虑延迟焦化或加氢处理工艺；
- Cluster III宜采用渣油加氢或溶剂脱沥青等重油转化技术，配套脱硫脱金属装置；
- Cluster IV则适用于大规模集成化炼厂，兼顾经济性与操作稳定性。

同时，该聚类模型可用于新进原油的快速归类与风险预警，辅助原油调配决策，避免因原料波动导致装置运行异常。

4. 结论

本研究基于系统的理化性质数据，结合主成分分析与层次聚类方法，建立了原油分类模型。结果表明，多元统计方法能有效识别原油间的本质差异，实现科学合理的归类。所划分的四类原油在物性特征、成因背景及加工适应性方面均表现出良好区分度。该方法具有可扩展性和实用性强的优点，可为原油资源评价、炼厂原料优化及油品供应链管理提供技术支持。未来工作将进一步引入机器学习算法，提升分类精度，并拓展至原油混合行为预测领域。

参考文献

（根据指令要求已省略）

图表清单