基于soft-SAFT与熵缩放模型的非对称烃类混合物粘度精准预测研究

为解决非对称烃类混合物粘度预测难题，研究人员将soft-SAFT状态方程与熵缩放(ES)理论结合，建立了无需额外参数的粘度预测模型。该研究验证了1326组实验数据，对C5-C24烃类混合物预测平均相对偏差(AARD)仅3.71%，甲烷体系预测精度提升至4.75%，为石油运输和制冷系统优化提供重要理论工具。

　　

在石油化工和能源领域，非对称烃类混合物的粘度预测一直是工程设计的核心难题。这类混合物由分子量差异显著的组分构成，例如重油运输中掺入的轻质稀释剂，或吸收式制冷系统中循环的制冷剂-吸收剂组合。传统粘度模型如Yarranton-Satyro关联式、摩擦理论(FT)和自由体积理论(FVT)在预测此类体系时误差常超10%，尤其对甲烷与长链烷烃（如n-癸烷）的混合物，粘度差异可达数量级。

针对这一挑战，西安交通大学的研究团队创新性地将链状流体统计缔合理论(soft-SAFT)与熵缩放(Entropy Scaling, ES)方法耦合，发表于《Fluid Phase Equilibria》的研究成果揭示了残余熵与粘度的普适性关联。该团队通过soft-SAFT精确计算残余熵，结合Rosenfeld提出的熵缩放原理，构建了包含21种纯烃（甲烷至二十八烷、异构烷烃、烯烃及芳烃）的基准数据库。对于混合物体系，采用"实体加和法"直接整合各组分贡献，无需引入混合规则或额外参数。

关键技术包括：1) 基于soft-SAFT的状态方程计算残余熵；2) 建立ln(η/η^ref)=A+B(s_res/N_Ak_B)的熵缩放关联式；3) 采用1326组实验数据验证模型，涵盖碳数5-24的烃类混合物及甲烷体系。

【熵缩放理论验证】
研究发现纯烃的无量纲粘度与残余熵呈显著单变量依赖，通过调整参考粘度η^ref和斜率参数B，使21种纯物质的AARD控制在0.36%-6.16%。其中甲烷因量子效应需单独修正参数，而长链烷烃(>C₂₀)的预测误差稳定在3%以内。

【混合物粘度预测】
模型对常规烃类混合物的预测AARD为3.71%，显著优于传统方法。对于甲烷+n-癸烷等挑战性体系，通过"实体加和法"将误差从文献报道的23.69%降至7.72%，揭示结构熵变是粘度突变的本质原因。

【工业应用验证】
在模拟重油稀释运输场景时，模型准确捕捉到轻组分添加导致的粘度骤降效应，与实验数据的偏差较FT理论降低60%。对制冷工质对（如甲烷+甲苯）的粘度比预测误差仅5.15%，优于PC-SAFT耦合方法的6.8%。

该研究首次实现soft-SAFT与熵缩放的理论融合，突破传统模型对分子量差异敏感的限制。通过残余熵这一桥梁，将微观分子结构（如链长、支化度）与宏观输运性质直接关联，为复杂流体工程设计提供新范式。研究揭示的结构熵主导机制，不仅适用于烃类体系，未来可扩展至含极性/缔合组分的工业流体，具有重要的工程应用价值。