基于人工神经网络的加氢脱硫中DBT与4,6-DMDBT动力学参数模拟研究.docxVIP

基于人工神经网络的加氢脱硫中DBT与4,6-DMDBT动力学参数模拟研究

一、引言

1.1研究背景与意义

随着全球工业化进程的加速，石油作为重要的能源资源，其消费量持续增长。然而，石油中含有的硫化合物在燃烧过程中会产生大量的二氧化硫等有害气体，这些气体不仅会对大气环境造成严重污染，形成酸雨、雾霾等恶劣天气，危害生态平衡和人类健康，还会导致汽车尾气排放超标，影响空气质量。为了应对日益严峻的环境问题，世界各国纷纷制定了严格的环保法规，对油品中的硫含量提出了极为苛刻的限制标准。例如，我国实施的车用汽油国Ⅵ标准，对硫含量的要求达到了极低的水平。在这样的背景下，加氢脱硫技术作为降低油品硫含量、生产清洁燃料的关键手段，其重要性不言而喻。

在加氢脱硫过程中，二苯并噻吩（DBT）和4,6-二甲基二苯并噻吩（4,6-DMDBT）是两类极具挑战性的有机硫化物。它们具有独特的分子结构，使得其碳-硫键难以断裂，脱硫反应活性较低，成为加氢脱硫过程中实现深度脱硫的主要障碍。以4,6-DMDBT为例，其两个甲基在硫原子的β位上，产生了显著的空间位阻效应，极大地增加了脱硫反应的难度，是所有二苯并噻吩类硫化物中最难脱除的。准确研究DBT和4,6-DMDBT在加氢脱硫过程中的动力学参数，如反应速率常数、活化能等，对于深入理解加氢脱硫反应机理、优化反应条件、开发高效的脱硫催化剂以及提高脱