Grey-box Modelling for Octane Number Prediction and Energy Optimisation in an Isomerisation Unit: Application to an Oil Refinery

In industrial isomerisation units, real-time measurement of product octane number constitutes a persistent operational challenge. Laboratory analysis of the Research Octane Number (RON) typically lags plant reality by several hours, compelling operators to adopt conservative operating set points at a direct cost to energy efficiency. This work presents the development, validation, and industrial implementation of a grey-box inferential modelling framework for online RON prediction and process optimisation at the T-3401 deisohexaniser column of an operating petroleum refinery. A rigorous steady-state simulation of the 40-tray deisohexaniser column was developed and calibrated in Aspen HYSYS V14. Over a one-month data collection campaign, nine industrial samples were collected; four were rejected following rigorous material balance validation, while five high-integrity samples were accepted. For each, a multiple linear regression model was developed from Aspen HYSYS sensitivity results, yielding individual R² values of 0.991, 0.989, 0.988, 0.993, and 0.983. A generalised predictive equation was derived by consolidating these coefficients, expressed as a linear function of feed flow rate (FC2816), reflux rate (FC3413), feed temperature (TI2852), and column tray temperature (TC3411). The predictive equation was implemented as a live Aspen IQ inferential calculation directly on the plant Distributed Control System (DCS), providing continuous real-time RON estimates; its integration as a closed-loop Dynamic Matrix Control 3 (DMC3) Advanced Process Control constraint is presented as a design, pending commissioning approval. The model's performance was assessed against 17 laboratory samples collected over the following two months, with absolute deviations ranging from 0.00 to 0.29 RON units. The work further extends to an indirect emissions assessment, quantifying the carbon footprint of the isomerisation unit through its utility consumption profile, using transparent external benchmarks. The results demonstrate that a grey-box inferential framework, rigorously validated against real industrial data and implemented directly on a plant DCS, provides a practical and accurate pathway towards reduced laboratory dependency, improved operational efficiency, and a measurable step towards sustainable refinery operation.

Nelle unità industriali di isomerizzazione, la misurazione in tempo reale del numero di ottano del prodotto costituisce una sfida operativa persistente. L'analisi di laboratorio del Numero di Ottano Ricerca (RON) presenta tipicamente un ritardo di diverse ore rispetto alla realtà dell'impianto, costringendo gli operatori ad adottare punti di lavoro conservativi con un costo diretto in termini di efficienza energetica. Questo lavoro presenta lo sviluppo, la validazione e l'implementazione industriale di un framework di modellazione inferenziale grey-box per la previsione online del RON e l'ottimizzazione di processo presso la colonna deisoesanizzatrice T-3401 di una raffineria petrolifera in esercizio. È stata sviluppata e calibrata una rigorosa simulazione stazionaria della colonna a 40 piatti in Aspen HYSYS V14. Nel corso di una campagna di raccolta dati di un mese sono stati raccolti nove campioni industriali; quattro sono stati respinti a seguito di una rigorosa validazione del bilancio di materia, mentre cinque campioni ad alta integrità sono stati accettati. Per ciascuno è stato sviluppato un modello di regressione lineare multipla dai risultati di analisi di sensitività in Aspen HYSYS, ottenendo valori di R² pari a 0,991, 0,989, 0,988, 0,993 e 0,983. È stata derivata un'equazione predittiva generalizzata, consolidando questi coefficienti, espressa come funzione lineare della portata di alimentazione (FC2816), della portata di riflusso (FC3413), della temperatura di alimentazione (TI2852) e della temperatura del piatto di colonna (TC3411). L'equazione predittiva è stata implementata come calcolo inferenziale live in Aspen IQ, direttamente sul Sistema di Controllo Distribuito (DCS) dell'impianto, fornendo stime continue del RON in tempo reale; la sua integrazione come vincolo del Controllo di Processo Avanzato Dynamic Matrix Control 3 (DMC3) in configurazione a circuito chiuso è presentata come progetto, in attesa dell'approvazione per la messa in servizio. Le prestazioni del modello sono state valutate rispetto a 17 campioni di laboratorio raccolti nei due mesi successivi, con deviazioni assolute comprese tra 0,00 e 0,29 unità RON. Il lavoro si estende inoltre a una valutazione delle emissioni indirette, quantificando l'impronta di carbonio dell'unità di isomerizzazione attraverso il suo profilo di consumo di utilities, sulla base di benchmark esterni trasparenti. I risultati dimostrano che un framework inferenziale grey-box, rigorosamente validato su dati industriali reali e implementato direttamente sul DCS di impianto, costituisce un percorso pratico e accurato verso una ridotta dipendenza dal laboratorio, un miglioramento dell'efficienza operativa e un passo concreto verso un esercizio di raffineria più sostenibile.