Процессы изомеризации парафиновых углеводородов обеспечивают снижение содержания ароматических и низкооктановых углеводородов в автомобильных бензинах. Октановое число товарного изомеризата во многом зависит от чёткости разделения компонентов реакционной массы изомеризации и степени рециркуляции не превращенных парафиновых углеводородов нормального строения. В реакционной массе технологической установки низкотемпературной изомеризации лёгкой бензиновой фракции ПГИ-ДИГ вместе с целевыми продуктами содержатся низкоразветвленные и нормальные углеводороды, в частности в промышленном изомеризате присутствует до 12%масс. н-пентана, ухудшающего качество товарного изомеризата из-за его низкого октанового числа (ОЧИ=61,7). Одним из потоков технологической схемы, формирующим поток изомеризата с установки, является дистиллят колонны деизогексанизатора, содержание н-пентана в котором составляет до 14,6%масс. поэтому в промышленных условиях целесообразно его извлечение из дистиллята деизогексанизатора с последующим рециркулированием в сырьевой поток. В работе предлагается изменение технологической схемы установки низкотемпературной изомеризации с целью максимального извлечения сырьевых углеводородов из стабильного изомеризата путём включения в неё системы из двух дополнительных ректификационных колонн Сдоп и ДП. Исследования выполнены с использованием моделирующей программы Honeywell Unisim Design. Выполненными расчётами показаны целесообразные технологические режимы работы и конструкционные параметры колонн: колонна Сдоп содержит 61 трех-поточные клапанные тарелки, давление в колонне Рниз = 245кПа и Рверх = 196кПа, температура Треб = 81,7 °С и Тконд = 47,9 °С; колонна ДП имеет 60 двух-поточных клапанных тарелок, давление Рниз= 400кПа и Рверх = 200кПа, температура Треб = 83,4 °С и Тконд = 45,5 °С. В предложенной технологической схеме обеспечивается практически полное извлечение н-пентана (99,9 %мас.) из стабильного изомеризата с одновременным увеличением его октанового числа на 2 пункта.

1. Aguilera R.C., Yu W., Rodríguez J.T., Mosqueda M.E.A. et al. Comparative analysis on nonlinear models for ron gasoline blending using neural networks // Fractals. 2017. V. 25. №. 06. P. 1750064.

2. Veza I., Afzal, A., Mujtaba, M.A., Hoang, A.T. et al. Review of artificial neural networks for gasoline, diesel and homogeneous charge compression ignition engine // Alexandria Engineering Journal. 2022. V. 61. №. 11. P. 8363-8391.

3. Шакун A.H., Фёдорова М.Л. Эффективность различных типов катализаторов и техно-логий изомеризации легких бензиновых фракций // Катализ в промышленности. 2014. №. 5. С. 29-37.

4. Awan Z.H., Kazmi B., Hashmi S., Raza F. et al. Process system engineering (PSE) analysis on process and optimization of the isomerization process // Iranian Journal of Chemistry and Chemical Engineering. 2021. V. 40. №. 1. P. 289–302.

5. Osman W.S., Fadel A.E., Salem S.M., Shoaib A.M. et al. Optimum Design of Naphtha Recycle Isomerization Unit with Modification by Adding De-Isopentanizer // Processes. 2023. V. 11. №. 12. P. 3406. doi: 10.3390/pr11123406

6. Anugraha R.P., Renanto R., Maulana R.A., Kusumo R.D. et al. Techno-economical study on the production of high octane gasoline in light naphtha plant // Journal of Chemical Technology and Metallurgy. 2024. V. 59. №. 1. P. 81–86.

7. Shehata W.M., Mohamed M.F., Gad F.K. Monitoring and modelling of variables affecting isomerate octane number produced from an industrial isomerization process // Egyptian journal of petroleum. 2018. V. 27. №. 4. P. 945–953.

8. Лебедев Ю.Н., Ратовский Ю.Ю. Реконструкция установок изомеризации // Химия и технология топлив и масел. 2010. № 4. С. 29–30.

9. Пат. № 2680377, RU, C07C 5/22, 9/12, 9/16. Способ разделения бензиновых фракций в процессе изомеризации / Мнушкин И.А. № 2018132218; Заявл. 10.09.2018; Опубл. 20.02.2019, Бюл. № 5.

10. Chen R., Zheng F., Li J., Liu Y. et al. Aperture Fine‐Tuning in Cage‐Like Metal–Organic Frameworks via Molecular Valve Strategy for Efficient Hexane Isomer Separation // Small Structures. 2024. V. 5. №. 1. P. 2300302. doi: 10.1002/sstr. 202300302

11. Anugraha R.P., Maulana R.A., Kusumo R.D. et al. Cost And Product Optimization of Upgrading Light Naphtha Using Pressure Swing Adsorption Method by Aspen Adsorption Simulation // Journal of Advanced Research in Fluid Mechanics and Thermal Sciences. 2022. V. 100. № 2. P. 198–210.

12. Muhammed T., Tokay B., Conradie A. Raising the Research Octane Number using an optimized Simulated Moving Bed technology towards greater sustainability and economic return // Fuel. 2023. V. 337. P. 126864. doi: 10.1016/j.fuel.2022.126864

13. Казанцев Е.О. Аналитический обзор катализаторов изомеризации легкой бензиновой фракции // Вестник магистратуры. 2019. №. 1-2 (88). С. 17-22.

14. Икрянников Е.А., Анищенко О.В. Повышение производительности блока гидроочистки сырья на установках изомеризации бензиновых фракций // Вестник магистратуры. 2020. №. 5-3 (104). С. 143-147.

15. Ким Т.В., Леденев С.М. Вариант совершенствования процесса изомеризации легкой бензиновой фракции // Научно-технический прогресс: актуальные и перспективные направления будущего. 2017. С. 53-53.

16. Лихачева Н.А., Митрофанова В.В., Шарипова Г.В., Аминова Э.К. Основные направления развития процесса изомеризации // Электронный научный журнал Нефтегазовое дело. 2021. №. 1. С. 60-79.

17. Saginayev A., Dosmurzina E., Apendina A., Dossanova B. et al. Development of individual approaches to the use of the gasoline fraction as a raw material for the process of hydrocatalytic isomerization // Materials Science for Energy Technologies. 2023. V. 6. P. 158-165.

18. Demikhova N.R., Rubtsova M.I., Vinokurov V.A., Glotov A.P. Isomerization of xylenes (a review) // Petroleum Chemistry. 2021. V. 61. №. 11. P. 1158-1177.

19. Wang Z., Herbinet O., Cheng Z., Husson B. et al. Experimental investigation of the low temperature oxidation of the five isomers of hexane // The Journal of Physical Chemistry A. 2014. V. 118. №. 30. P. 5573-5594.

20. Wang H., Ricardez-Sandoval L.A. Dynamic optimization of a pilot-scale entrained-flow gasifier using artificial recurrent neural networks // Fuel. 2020. V. 272. P. 117731.