当前位置:首页 > 文章列表 > 文章 > 常见问题 > 一桶原油能出多少油?换算比例详解

一桶原油能出多少油?换算比例详解

2026-03-13 21:06:50 0浏览 收藏
一桶原油究竟可以炼出多少升汽油和柴油?答案并非固定数字——受原油密度、炼制工艺及收率差异影响,实际产出在60.8%至80%之间波动:典型情况下可得约32.8升汽油与71.0升柴油,合计成品油约112.6升;而轻质原油可能提升汽油收率,重质原油则倾向多产柴油或渣油。本文通过质量法、体积分割法、国际换算系数及密度修正四重路径,拆解行业通用计算逻辑,帮您穿透数据迷雾,真正理解“一桶原油”的真实价值与转化潜力。

一桶原油能炼多少油_原油计量单位与成品油换算比例

如果您查看原油产量或炼油厂产出数据,但对“一桶原油究竟能产出多少升成品油”缺乏直观认知,则需结合原油密度、炼制工艺与成品油收率进行换算。以下是基于行业通用参数的换算方法:

一、依据原油质量与成品油收率计算

中石化公开数据显示:1吨原油可提炼汽油0.177吨、柴油0.383吨,合计成品油约0.608吨,即成品油总收率为60.8%;部分先进炼厂可达80%以上。由于1桶原油平均质量约为137公斤(按全球平均密度0.86–0.90 g/cm³折算),可先换算为吨,再乘以收率得到成品油质量,最后依汽油密度(约0.72–0.78 kg/L)换算为体积。

1、将1桶原油质量换算为吨:137 kg = 0.137吨;

2、按60.8%成品油收率计算成品油质量:0.137 × 60.8% ≈ 0.0833吨;

3、以汽油密度0.74 kg/L为基准,换算为体积:0.0833吨 = 83.3 kg → 83.3 ÷ 0.74 ≈ 112.6升;

4、若仅计汽油单项(收率17.7%):0.137 × 17.7% = 0.02425吨 = 24.25 kg → 24.25 ÷ 0.74 ≈ 32.8升。

二、依据体积比例与典型炼制分割估算

原油一次加工通过常减压蒸馏分离出不同沸程馏分,直馏汽油收率通常为4–10%,经二次加工(如催化裂化)后总汽油收率提升至约20–45%。按1桶=159升原油计,取中间值30%汽油收率,可得汽油体积约为47–48升;柴油收率约25–35%,对应约40–56升;其余为煤油、重油、渣油及炼厂气等。

1、取159升原油为基准;

2、设定汽油收率30%,则汽油体积 = 159 × 30% = 47.7升;

3、设定柴油收率32%,则柴油体积 = 159 × 32% = 50.9升;

4、二者合计约98.6升,占原油体积的62%,与前述质量法60.8%收率基本吻合。

三、依据国际通行换算系数反推

国际常用换算关系为:1吨原油≈7.33桶,1吨汽油≈1353升(按密度0.739 kg/L计)。由此可建立桶→吨→升链条:1桶原油=0.137吨→若全部转为汽油(理论极限),最大体积为0.137×1353≈185升;但受组分限制,实际不可行。更合理路径是采用“吨原油产吨汽油”的收率,再转升。

1、1桶原油 = 0.137吨;

2、0.137吨原油产汽油0.177吨/吨原油 → 0.137 × 0.177 = 0.02425吨汽油;

3、0.02425吨 × 1353升/吨 ≈ 32.8升汽油;

4、同理,柴油:0.137 × 0.383 × 1353 ≈ 71.0升柴油。

四、依据密度区间与桶重浮动修正

原油密度在0.80–1.00 g/cm³之间,导致1桶(159 L)质量在127–159 kg波动。低密度原油(如轻质原油)含轻组分多,汽油收率偏高;高密度原油(如重质原油)则渣油比例大,汽油收率偏低。因此必须根据具体原油API度或实测密度校正初始质量。

1、实测密度ρ = 0.86 g/cm³(大庆原油典型值);

2、1桶体积 = 159 L = 0.159 m³;

3、质量 = 0.159 × 0.86 = 0.1367吨;

4、代入汽油收率17.7%:0.1367 × 0.177 = 0.0242吨 → ÷ 0.74 kg/L = 32.7升。

本篇关于《一桶原油能出多少油?换算比例详解》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!

Golang反射实现类型自动推导方法Golang反射实现类型自动推导方法
上一篇
Golang反射实现类型自动推导方法
Golangatomic无锁计数器优化方法
下一篇
Golangatomic无锁计数器优化方法
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    363次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    419次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    433次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    386次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    213次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码