Forskere udvikler en måde at bedre forudsige korrosion fra råolie

Ved hjælp af røntgenteknikker, forskere udvikler et analyseværktøj, der mere præcist kan forudsige, hvordan svovlforbindelser i et parti råolie kan tære udstyr - et vigtigt sikkerhedsproblem for olieindustrien.

Resultaterne af disse igangværende eksperimenter ved Stanford Synchrotron Radiation Lightsource (SSRL) ved Department of Energy's SLAC National Accelerator Laboratory vil forbedre branchens retningslinjer. Målet er at karakterisere de typer svovl, der er mest kritiske at identificere i olien, for bedre at forudse potentialet for korrosionshastigheder.

Et team af forskere fra Chevron og University of Saskatchewan udfører en række undersøgelser på SSRL for tæt at undersøge former for svovl i råolie.

"Ved at se på råolie med en kombination af røntgenspektroskopiteknikker, vi var i stand til at undersøge og beskrive svovlforbindelsernes komplekse kemi med høj specificitet, "sagde Monica Barney, en materialeforskeringeniør hos Chevron.

Kompleksiteter i dataene

Næsten en million tønder olie forarbejdes på en given dag på Chevrons store raffinaderier i hele USA, og svovlet i olien kan reagere med metallerne i forskellige typer udstyr og forårsage skade. Disse reaktioner er noget ingeniører skal overveje for at sikre sikker og pålidelig behandling.

Men høje svovlkoncentrationer korrelerer ikke altid med høje korrosionsniveauer, eller omvendt, og det gør det svært at forudse, hvor ætsende en bestemt råolie vil være.

"Vi kan måle koncentrationen af ​​svovl, men det fortæller dig ikke om reaktiviteten, "siger Barney, hvem der leder studierne. "At kende typen af ​​svovl i råolie er kritisk vigtigt for at forudsige egenskaber relateret til korrosion."

Samarbejdet begyndte, da Barney arbejdede på en separat korrosionsundersøgelse på SSRL. Efter indsamling af data, Chevron -teamet kæmpede med at fortolke de kompleksiteter, de så i resultaterne.

I en online søgning, de stødte på et diagram udviklet af to professorer ved University of Saskatchewan, Graham George og Ingrid Pickering, mens de var på personalet på SSRL. De har gennemført molekylærbiologi og toksikologiske eksperimenter på SSRL -synkrotronen i årevis.

Diagrammet viste spektroskopi oplysninger indsamlet fra overlejring af data om mange svovltyper, ligner det, der ses i råolie. Det viste, hvordan sammenligning af et overordnet spektrum med et bibliotek af standarder kunne identificere individuelle typer forbindelser.

"Da jeg stødte på denne figur, Jeg troede, 'Dette er det. Det er det, vi har brug for. ' Det er det, vi havde søgt i årevis - en karakteriseringsmetode, der kunne kvantificere mængderne af hver type svovl, "Siger Barney.

Ideen var at bruge den samme teknik-svovl K-kant røntgenabsorptionsspektroskopi-til at måle og bestemme svovltyperne i råolier.

Barney begyndte snart at samarbejde med George og Pickering for at finde en løsning. Begge arbejdede tidligere i olie- og gasindustrien, og Barney siger, at deres ekspertise passede perfekt til det, Chevron ville studere.

Med denne analysemetode, teamet udviklede en tilgang til at undersøge råolien med "ømme røntgenstråler, ", der indtager midten mellem høj-energi og lav-energi røntgenstråler.

Indstillet til den korrekte energi, Røntgenbilleder tillod forskerne at indsamle detaljerede oplysninger om svovl og dets kemiske naboer og hjælpe med at drille gennem den overlappende information, der genereres af ligheder i svovlforbindelserne.

Forståelse af svovlkemi

Det store antal forskellige svovlforbindelser, der findes i råolien, hver subtilt forskellig fra de andre, gør resultaterne fra de fleste typer karakteriseringsteknikker vanskelige at fortolke eller endda ufuldstændige.

Røntgenabsorptionsspektroskopi-arbejdet ved SSRL giver forskerne mulighed for at se en præcis beskrivelse af råoliens svovlkemi.

"Dette er et eksempel på brug af state-of-the-art spektroskopi til en virkelig applikation, "Siger George.

Dette arbejde er en del af et større samarbejde hos Chevron, der bruger flere andre teknikker til at forstå svovlens kemi i råolie. De eksperimentelle data fra flere kemiske karakteriseringsmetoder kombineres og sammenlignes med data fra korrosionsstudier og forudsigelser fra computermodellering.