采用气相色谱-质谱联用(gas chromatography-mass spectrometry,GC–MS)测定车用燃料乙醇中添加剂标记物(additive markers)的方法学

《Fuel》:A methodology to determine additive markers in fuel ethanol using gas chromatography-mass spectrometry

【字体: 大 中 小 】 时间:2026年01月15日 来源:Fuel 7.5

编辑推荐:

  乙醇作为生物燃料的大规模应用日益广泛。在巴西,市售含水燃料乙醇分为普通型(EHC)和添加有多功能化学品包以提升性能的添加剂型乙醇(EHA),各品牌分销商可选用不同的添加剂配方。虽然汽油和柴油中添加剂检测已有较多文献报道,但能够评估乙醇燃料中是否存在添加剂并将其

  
乙醇作为生物燃料的大规模应用日益广泛。在巴西,市售含水燃料乙醇分为普通型(EHC)和添加有多功能化学品包以提升性能的添加剂型乙醇(EHA),各品牌分销商可选用不同的添加剂配方。虽然汽油和柴油中添加剂检测已有较多文献报道,但能够评估乙醇燃料中是否存在添加剂并将其与来源相关联的分析方法尚属空白。因此,研究人员建立了一种基于气相色谱-质谱联用(gas chromatography-mass spectrometry,GC–MS)并结合多元统计分析的新方法,用以区分EHA与EHC,并鉴定巴西市场主要品牌燃料乙醇添加剂的特征化学标记物(chemical markers)。研究共分析198份市售燃料乙醇样品(98份EHC和99份EHA),基于17种化合物建立的回归模型准确率达97%。其中油酸(oleic acid)、2-乙基己醇(2-ethylhexanol)和1,4-二乙基苯(1,4-diethylbenzene)被确定为主要的化学标记物。综上所述,本研究提出了一种快速、稳健且高准确度区分添加剂型与常规含水燃料乙醇的方法,是生物燃料质量保证领域的突破性进展,对保障生物燃料质量、环境影响控制、防止经济损失及加强行业监管具有重要意义。
论文解读:采用GC–MS测定车用燃料乙醇中添加剂标记物的方法学研究
本文由Leonardo Silva Gon?alves、Dyovanna de Sousa Costa、Rhyan César Santos Dias、Lilian Fernandes de Oliveira、Aline Moreira Aguiar、Dayane Cristina da Costa、Jo?o Marcos Gon?alves Barbosa、Anselmo Elcana de Oliveira及Nelson Roberto Antoniosi Filho合作完成,发表于《Fuel》。
燃料乙醇(fuel ethanol/bioethanol)系生物质发酵产物,巴西市售含水燃料乙醇分为普通型(EHC,乙醇体积分数92.5%~95.4%)与添加剂增强型(EHA,乙醇体积分数95.5%~97.7%),后者含多功能添加剂包(additive package)以改善发动机性能。汽油和柴油中添加剂检测方法有1H NMR、红外光谱及色谱技术等,但针对燃料乙醇——特别是巴西市售含水乙醇——缺乏专有的添加剂鉴别及品牌溯源分析方法,且巴西国家石油、天然气和生物燃料管理局(ANP)对添加剂成分无强制登记要求,各品牌配方具商业保密性。为此,研究人员开展本研究,旨在建立基于GC–MS与多元变量分析的定性方法,区分EHA与EHC,识别各主要品牌EHA的特征挥发性有机化合物(volatile organic compounds,VOCs)即添加剂标记物(additive markers),为质量监督与溯源提供依据。研究人员采集巴西戈亚斯州及联邦区198份市售样品(98份EHC、99份EHA,EHA含分销商品牌V、S、I及其他小品牌U),经GC–MS全扫描获取谱图,以1-十二烷醇(1-dodecanol)为内标,用MZmine预处理数据并进行主成分分析(principal component analysis,PCA)与偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA),依变量投影重要性(Variable Importance in Projection,VIP)得分筛选标记物,最终通过多元线性回归(multiple linear regression,MLR)验证分类效能。结果表明,筛选出17种EHA特征VOCs,其中油酸(oleic acid)、2-乙基-1-己醇(2-ethyl-1-hexanol)和1,4-二乙基苯(1,4-diethylbenzene)分别为不同品牌主要标记物,基于三标记物的MLR模型对EHA/EHC分类准确率为95.94%,PLS-DA整体模型准确率96.86%。该方法首次实现对巴西添加剂型含水燃料乙醇添加剂的检测与品牌关联判别,填补了乙醇燃料添加剂质控方法学空白,对生物燃料市场监管及质量认证具有重要应用价值。
主要关键技术方法
研究人员自巴西ANP新燃料质量监测计划(PMQC-GO/DF)收集98份普通含水乙醇(EHC)与99份添加剂型含水乙醇(EHA,含品牌V、S、I、U)市售样品;另配制含/不含染料的添加剂包掺杂HPLC级乙醇对照样。样品加1-十二烷醇内标后以GC–MS(DB-5MS柱,全扫描m/z 35–500)分析。原始数据经MZmine 3.9.0进行峰检测与对齐,相对强度以内标归一化并自动标度化。采用R语言进行PCA与PLS-DA探索组间分离及变量重要性(VIPScore ≥ 1.1)筛选标记物,经100折交叉验证评估模型,并构建多元线性回归(MLR)检验所选标记物对EHA/EHC的分类性能。
3.1. Additive and quality control samples(添加剂与质控样品)
研究人员对比含/不含绿色染料的添加剂"A"掺杂乙醇色谱图,确认染料不影响GC–MS出峰。添加剂包共鉴定65种化合物(醇、酯、芳烃等),长链醇与芳烃具润滑或抗爆功能,部分溶剂及染料仅为助剂。QC样品峰面积RSD < 30%者占93.54%,表明仪器重现性良好。
3.2. EHC and EHA samples(EHC与EHA样品)
197份样品经GC–MS共注释62个特征(features),EHA检出化合物数6~42种,EHC为3~28种;67.2%为两组共有,32.8%仅见于EHA,无EHC独有化合物。Venn图显示各品牌VOC重叠情况,EHA-S与EHA-V占添加剂样品86.9%,部分VOCs高频出现于EHA-S提示源于其添加剂包。PCA得分图显示EHC聚集而EHA离散,反映不同品牌添加剂配方差异;EHA-S因7~10 min特征峰群(与添加剂包"A"一致)形成独立簇,此峰群可作EHA-S品牌特征。
3.3. Additive markers(添加剂标记物)
PLS-DA模型(4潜变量)交叉验证准确率96.86%。按VIPScore ≥ 1.1选出18个VOCs,其中17个与EHA高度正相关。文献及专利比对确认多数化合物见于燃料添加剂专利,功能包括润滑、防腐及抗爆。综合VIP值与品牌相关性,选定2-乙基-1-己醇(VOC25,代表EHA-V)、油酸(VOC59,代表EHA-I)及1,4-二乙基苯(VOC29,代表EHA-S)为品牌代表性标记物。基于三者峰面积相对强度的MLR模型分类准确率95.94%(灵敏度91.20%,特异性100%),98份EHC全判对,91/99份EHA判为含添加剂。
讨论与结论(Conclusion)部分翻译总结
研究人员基于GC–MS结合多元分析建立了区分巴西市售含水燃料乙醇中EHA与EHC的方法,依VIPScore ≥ 1.1筛选变量,热图中17个VOCs与EHA高相关。PLS-DA模型准确率96.86%。选取巴西市场主要品牌对应的三个标记物——2-乙基-1-己醇(2-ethyl-1-hexanol)、油酸(oleic acid)及1,4-二乙基苯(1,4-diethylbenzene)——建立MLR模型,以95.94%准确率区分EHA与EHC(99份EHA中91份正确分类)。本方法是首个可评价添加剂型含水燃料乙醇中添加剂存在性的方法,弥补了生物燃料质控标准方法的缺失。未来研究可包括添加剂包定量分析及针对这些标记物的现场传感器开发,以实现供应链追溯。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号