《Chemical Physics Letters》:Heteroatom-driven interfacial sequestration of asphaltenes in crude oil droplets
编辑推荐:
•分子动力学通过比较油滴中的天然C5Pe和去杂原子的MC5Pe来分离异原子效应。•C5Pe选择性分配到油水界面,而MC5Pe则被隔离在疏水滴核中。•界面上的C5Pe分子形成5.5个氢键,显著扩大了滴体的亲水表面积。•C5Pe构建了一个由高度有序的面对面π-π堆叠驱动的刚性界面网状
- •
分子动力学通过比较油滴中的天然C5Pe和去杂原子的MC5Pe来分离异原子效应。
- •
C5Pe选择性分配到油水界面,而MC5Pe则被隔离在疏水滴核中。
- •
界面上的C5Pe分子形成5.5个氢键,显著扩大了滴体的亲水表面积。
- •
C5Pe构建了一个由高度有序的面对面π-π堆叠驱动的刚性界面网状结构,堆叠距离为0.45纳米。
- •
去除杂原子会降低堆叠效率,并使沥青质网络从表面转移到核心。
引言
随着全球能源需求的持续增长,石油工业正逐渐将重点转向非常规石油资源的开采和加工,如重质原油、油砂和沥青[1][2][3][4]。这些重质资源的特征是含有高浓度的沥青质,这是石油中最复杂和最重的成分[1][5][6][7]。沥青质通常被称为石油中的“胆固醇”,其操作定义基于其溶解性:它们不溶于正烷烃(如正庚烷),但可溶于芳香族溶剂(如甲苯)[8][9]。沥青质分子倾向于自我聚集,这带来了许多操作上的挑战,包括管道堵塞、催化剂失活以及不希望出现的水包油乳液的不稳定[10][11]。
沥青质的结构复杂性是其宏观行为的主要驱动因素[12][13][14][15]。根据广泛接受的Yen-Mullins模型,沥青质分子通常由多环芳烃(PAH)核心组成,该核心上取代了各种烷基侧链,以及至关重要的各种杂原子,包括氮(N)、硫(S)和氧(O)[16][17][18]。这些杂原子常常以极性官能团的形式存在,例如吡啶、吡咯、噻吩和羟基[19][20]。虽然芳香族核心的π-π堆叠被认为是沥青质聚集的主导力,但杂原子官能团的作用也不容忽视[21][22]。这些原子引入了永久偶极子,并促进了氢键的形成,从而显著增强了分子间的吸引力,并影响了聚集体的空间排列[23][24]。
分子动力学(MD)模拟已成为这一领域的变革性工具,提供了传统实验技术难以获得的原子级见解[25]。以往的MD研究已经成功表征了各种沥青质模型化合物的二聚化和聚集行为。其中,C5Pe分子(一种含有杂原子的戊基取代苝衍生物)因其能够模拟实际样品中的堆叠行为而成为代表性的岛屿型沥青质模型[26][27][28]。例如,Sun等人使用C5Pe模型进行分子动力学模拟,研究了在不同pH条件下沥青质分子在高岭石/水界面上的聚集、吸附、界面分布和电场调控的润湿性行为[26]。Ferguson等人使用粗粒度分子动力学模拟研究了在不同温度、压力和溶剂条件下的沥青质自组装行为[29][30]。他们发现,群岛状沥青质的聚集行为和网络形成高度依赖于其分子结构。Perez等人利用大规模粗粒度分子动力学模拟跟踪了沥青质在长时间和空间尺度上的单体到聚集体的动态转变和分子堆积行为[31][32]。尽管取得了这些进展,大多数现有模拟仍集中在纯溶剂或简单二元混合物的早期聚集阶段。关于沥青质的化学身份(特别是杂原子的存在与否)如何影响宏观滴体结构及其成分的微观分布,现有研究明显不足。例如,Perez等人基于机器学习的分类方法揭示了模拟在沥青质几何结构上的局限性,强调了探索被忽视的结构变异的必要性[33]。
本研究旨在通过大规模MD模拟填补分子结构与滴体尺度形态之间的差距。我们构建了两种不同的多组分油系统:一种含有原始的C5Pe沥青质,另一种含有改性的MC5Pe。每个系统都包含轻质油(烷烃)和树脂的混合物,以模拟真实的油相。我们重点研究了油滴形成的动态过程,并分析了最终的平衡结构。
章节摘录
方法
为了研究杂原子对油滴中沥青质物理化学性质的影响,构建了两种不同的分子模型。第一个是天然的沥青质分子,称为C5Pe。第二个模型称为MC5Pe,它是C5Pe框架中所有杂原子都被碳原子替代的类似物。随后,构建了包含指定数量沥青质、树脂(图1d)和轻质原油的多组分系统
油滴分布
本节研究了C5Pe分子结构对形成的油滴形态演变的影响。如图2所示,MD模拟表明,无论具体的沥青质分子结构如何,油相都能成功聚集成球形滴体。这些滴体的平衡直径始终保持在大约5.0纳米。
结论
本研究通过原子级分子动力学模拟研究了杂原子官能团对多组分油滴中沥青质形态演变和空间组织的影响。我们的发现与先前的实验和模拟研究结果高度一致,这些研究表明含氮、氧和硫的官能团增强了沥青质的极性、氢键作用和界面吸附,从而有助于乳液的稳定性
CRediT作者贡献声明
Xinwang Song:撰写——审稿与编辑、撰写——初稿、可视化、软件开发、数据分析。Linjie Wang:数据分析。Yaxin Sun:数据分析。Shideng Yuan:撰写——审稿与编辑、撰写——初稿、验证、软件开发、方法学研究、数据分析。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。
致谢
本工作得到了山东石油化工研究院的研究启动基金项目(2023SS017)的支持。
Xinwang Song|Linjie Wang|Yaxin Sun|Shideng Yuan