《Fluid Phase Equilibria》:Vapor-liquid equilibria of organic?sulfur–water/hydrocarbon mixtures: Improving CPA EoS for gas processing applications
编辑推荐:
摘要Cubic-Plus-Association状态方程(CPA EoS)被应用于与天然气处理相关的含硫系统,预测了气液平衡(VLE)和气液溶解度。CPA纯组分的参数被调整以适应30種化合物,以关联蒸汽压力和饱和液体密度数据,然后对31种包含极性和非极性物种的二元混合物的二元相互
摘要
Cubic-Plus-Association状态方程(CPA EoS)被应用于与天然气处理相关的含硫系统,预测了气液平衡(VLE)和气液溶解度。CPA纯组分的参数被调整以适应30種化合物,以关联蒸汽压力和饱和液体密度数据,然后对31种包含极性和非极性物种的二元混合物的二元相互作用参数(kij)进行回归分析。特别是水与硫化合物之间的交叉关联效应被纳入考虑,以增强稀相溶解度的关联性。CPA准确再现了亨利定律常数,显示出在低溶质浓度下的改进预测能力。大多数CPA参数趋势在同系物系列中显示出规律性,例如脂肪族硫醇。对于纯组分,蒸汽压力的平均绝对偏差百分比为0.33%,液体密度为0.63%。蒸发标准焓的相对误差为8.75%。CPA的预测结果与1,483个实验二元数据点进行了对比,参考模型使用了Peng–Robinson和Soave–Redlich–Kwong状态方程。CPA在水性和含硫系统中表现出改进的一致性,包括了对共沸行为的再现以及硫系统中特征性的关联模式。这些结果为评估CPA在化学和能源过程设计中相关的硫-水/烃混合物的性能提供了连贯的依据。
引言
准确预测含硫系统的相行为对于天然气、石化和化学工业中分离过程的有效设计至关重要。有机硫物种(OSS)——包括硫醇、硫化物、二硫化物、噻吩、二硫化碳(CS?)和羰基硫化物(COS)——即使在微量浓度下也会显著影响过程性能、产品质量和环境合规性。这些化合物具有毒性、恶臭和腐蚀性,根据严格的环保法规,必须去除它们以减少来自石油衍生流的硫排放[[1], [2], [3]]。二元混合物的相行为通常使用Van Konynenburg和Scott的框架进行分类,该框架根据临界线的拓扑结构以及VLE、LLE和VLLE区域的存在对全局流体相平衡进行分类。Privat和Jaubert[5]后来将这一方案扩展到低压和低温下的九种配置,包括额外的类型如Type VI。Privat等人[6,7]报告了甲烷+甲硫醇、甲烷+乙硫醇和乙硫醇+n-戊烷等二元混合物的VLE数据和建模,为评估含硫化合物的热力学模型提供了有用的基准。由于有机硫物种相对较低的挥发性、极性以及与极性溶剂(特别是水)的特定分子相互作用(如氢键和交叉关联)的能力,它们的相行为非常复杂[1,8]。因此,准确模拟它们在烃类和水相中的溶解度对于设计和优化气体净化过程、吸收塔和下游液体处理系统至关重要[9,10]。许多先前的研究使用Cubic-Plus-Association状态方程(CPA EoS)对OSS进行处理时,将这些化合物视为非关联的,没有分配关联位点或纳入显式的关联方案[1,2,11,12]。因此,尽管应用了CPA框架,但得到的行为往往类似于传统的立方状态方程,限制了其表示交叉关联效应的能力,尤其是在含水系统中。例如,Awan[1]使用CPA对包括甲基、乙基、丙基、丁基和叔丁基硫醇、二甲基硫化物(DMS)和二甲基二硫化物(DMDS)在内的几种含硫化合物进行了建模,而未为硫物种分配关联位点。研究的二元系统包括OSS+烃类混合物(例如,乙硫醇+n-丁烷)和OSS+水系统(例如,DMS+水),同时硫化合物始终被视为非关联的。报告的结果包括蒸汽压力的均方根误差(RMSE)为0.038,液体密度为0.014。所有二元系统的液相组成的平均绝对误差(MAE)为0.55%,而亨利定律常数的MAE达到116.4%。在后续工作中,Awan[2]扩展了分析,包括另一个二元系统甲硫醇+甲烷,同样没有考虑关联效应。对于这个扩展的数据集,液相组成的MAE值为2.04%,气相组成的MAE值为1.89%。在后来的一项研究[13]中,为少数化合物引入了关联方案,使用2B方案对乙硫醇和四氢噻吩进行了建模,而DMS仍然被视为非关联的。考虑的二元系统包括乙硫醇+n-丁烷和DMS+n-丁烷。对于DMS+n-丁烷混合物,模拟在398.15 K下进行,没有根据实验数据进行拟合,也没有报告二元相互作用参数(kij)。对于建模的三种纯化合物,获得了蒸汽压力的RMSE值为0.0035,液体密度的RMSE值为0.0071。最近对水溶液中硫醇和硫化物的无限稀释测量强调了特定溶质-溶剂相互作用的重要性,特别是在气体净化应用中,交叉关联强烈影响溶解度和选择性[14]。此外,对硫醇与有机溶剂的等温VLE研究表明明显的非理想性和共沸现象,反映了关联、分散和分子大小的共同作用[15]。水-硫醇系统还表现出强烈的温度依赖性溶解度和挥发性行为,这无法通过传统的立方状态方程充分捕捉,突显了在基于CPA的模型中需要显式交叉关联处理[16]。已经提出了预测CPA参数化的策略来处理关联化合物,包括硫物种;然而,这些研究通常在更广泛的数据集中处理硫化合物,而不是专注于OSS-水系统中的显式交叉关联效应或OSS在烃类系统中的自关联行为[18]。对含H2S的天然气的比较研究表明,在高压条件下,将关联效应纳入CPA可以改善极性硫化合物的表示,优于传统的立方EoS[19]。扩展CPA以包括硫物种(如SO2、H2S和COS)的显式关联位点,证明了在水和甘醇系统中改进的VLE和溶解度预测,强化了关联建模对含硫混合物的重要性[20]。最近使用CPA对水中的二甲基硫化物溶解度和水-甲烷系统的测量进行了关联,将现有数据扩展到了更高的压力和温度[21]。尽管有机硫物种在天然气和能源相关的分离过程中具有明显的相关性,但现有的基于CPA的研究通常只关注有限的化合物数量,或将硫物种视为非关联流体。因此,系统性和统一地评估CPA在主要有机硫化合物家族中的性能仍然缺乏,包括它们与烃类和水的相行为。本研究通过提供与天然气处理相关的关键含硫系统的全面基于CPA的热力学分析,填补了这一空白。
在我们之前的工作中,我们对CO2和H2S酸性气体在水醇胺溶液中的溶解度进行了大量的实验和建模研究,用于天然气净化[[22], [23], [24], [25], [26]]。在这些工作中,使用了活性系数模型,如Deshmakh-Mater模型[[22], [23], [24], [25]]和CPA模型[27,28]。为了完成其他天然气组分的建模,在这项工作中,首次调整了新的CPA参数,以适应30种含硫化合物——包括硫醇、硫化物、二硫化物、噻吩和亚砜。为了解决以前研究中缺乏温度步骤细节的问题,采用了固定和透明的温度增量,提高了可重复性,并为未来的CPA参数化工作提供了统一的基础。此外,收集并分析了已发表文献中31个二元系统的全面实验数据,并优化了相关的相互作用参数,以严格评估相行为预测和分子间相互作用的准确性。
章节摘录
热力学框架
CPA EoS——基于经典的SRK公式,并通过基于分子的关联项进行了增强——是本研究的熱力学基础。这种混合模型能够准确表示物理相互作用(例如,分散和排斥)和特定相互作用(例如,氢键和交叉关联),这些在含水和OSS的系统中很常见[29]。CPA将系统压力(P)表示为物理贡献的总和
纯组分
回归代码在MATLAB中实现,并在非关联和2B关联方案下进行了测试。由于所研究的化合物在物理上无法形成三个或四个关联位点,因此没有考虑3B和4C关联方案。实验数据主要来自Yaws的《运输性质手册》[36]和Perry的《化学工程师手册》[37]。对于某些化合物,特别是硫醇,Yaws报告的温度覆盖范围
4. 结论
本研究表明,CPA状态方程为油和气应用中含硫系统的建模提供了一个稳健且可转移的框架。对于检查的30种纯化合物,拟合参数分别再现了蒸汽压力和液体密度,平均绝对偏差为0.33%和0.63%,与文献值非常吻合。这项研究表明,对于脂肪族硫醇,2B关联方案是最佳方案之一,此外还有规律性
CRediT作者贡献声明
Faraz Ahmadian:撰写——原始草稿,验证,软件,方法论。Ali T. Zoghi:撰写——审阅与编辑,验证,项目管理,调查。Hassan Behnejad:撰写——审阅与编辑,监督,调查。Amir Hossein Jalili:撰写——审阅与编辑,验证,调查。
Faraz Ahmadian|Ali T. Zoghi|Hassan Behnejad|Amir Hossein Jalili