油水测量是那种屏幕上显示的数字既要经得起监管机构的审查，也要经得起工艺工程师审视的工作。这正是技术选型变得棘手的原因：参考方法和在线仪器测量的并不是同一种东西。
本指南将逐一介绍主要的检测原理、每种原理实际响应的对象，以及如何在它们之间进行选择。
Table of Contents
水样中“油”的含义
油并不是单一的分析物。采出水、炼厂废水和舱底水都含有一种混合物：
- 轻质烃——大部分为溶解态或易于汽提
- 中质烃——通常是合规关注的目标组分
- 重质烃——往往以乳化态存在且难以分离
- 极性化合物——酚类和有机酸，具有一定的水溶性
不同方法对该混合物中不同组分的响应各不相同，这就是为什么两个实验室对同一样品可能报告不同的数值，而两者在技术上都是正确的。任何方法之间的比较都必须从这一点出发。
样品处理
到达分析仪的样品很少是干净、稳定的：
- 稳定的乳化液会阻碍萃取并导致读数偏低
- 温度变化会同时影响溶解度和粘度
- 生产用化学品（破乳剂、缓蚀剂）会产生荧光或吸收
- 悬浮固体会散射光线并使光学读数偏高
紫外荧光法
原理
芳香烃——BTEX及更大的多环芳烃——吸收紫外光（大约250–400 nm）并在更长的波长处重新发射（大约300–500 nm）。发射强度与芳香烃浓度相关，因此该测量实际上是芳香烃测量，而非总油测量。
性能
- 量程：大约从零点几ppm到几百ppm，由光程长度和增益决定
- 响应：数秒到数分钟，连续测量
- 选择性：仅对芳香烃组分响应；脂肪烃基本检测不到
优势
- 灵敏度足以检测处理水中的痕量水平
- 连续测量，无需消耗品，无需处理溶剂
- 非常适合趋势监测和报警/分流逻辑
局限性
- 响应取决于油的芳香烃含量，因此用错误的油进行校准会得到错误的数值
- 需要温度补偿
- 某些生产用化学品和染料会产生背景荧光
- 紫外光源和光学窗口会老化；灯或LED更换是维护工作的一部分
通常被误解的要点
ISO 9377-2是一种实验室方法——溶剂萃取后采用火焰离子化检测的气相色谱法——而ASTM D7066是一种基于S-316萃取后红外吸收的实验室方法。在线荧光分析仪并不执行其中任何一种方法。它之所以有用，在于建立特定站点的相关性：用该站点自身采出水上的实验室参考方法对分析仪进行校准，并定期重新核查该相关性。声称荧光传感器“满足”或“符合”GC-FID或红外方法的营销文案是完全错误的，而且这种说法在监管机构第一次要求查看方法时就会站不住脚。
七枚在线油水传感器采用紫外荧光法进行连续测量，并根据站点的参考方法结果进行校准。
红外吸收法
原理
红外方法测量C-H键的吸收，大约在2,800–3,100 cm⁻¹（约3.2–3.6 µm）。有两个标准占主导地位：
- ASTM D7066——萃取到S-316中后进行红外测定
- ASTM D7678——溶剂萃取后采用中红外激光光谱法，报告总油脂和总石油烃
两者都是围绕萃取步骤建立的实验室方法。两者都比荧光法给出更广泛的烃类响应，因为脂肪烃也含有C-H键。
性能
- 量程：从亚mg/L到高浓度，取决于萃取比和光程长度
- 方法检出限：低mg/L范围，样品体积越大越好
- 分析时间：数分钟到数小时，批量分析
优势
- 烃类覆盖范围广，包括脂肪烃组分
- 具有长期被法规接受的历史
- 有实验室和现场便携式两种形式
局限性
- 溶剂的消耗、储存和处置
- 萃取效率因操作人员和样品而异
- 非连续测量，因此无法跟踪工艺异常
关于方法系列的说明：EPA方法1664是美国的油脂方法，属于重量法（正己烷可萃取物质），而非红外法。ASTM D7066和D7678等红外方法有其自身的认证和自身的参考油；从定义上讲，它们不能替代方法1664。
GC-FID作为参考方法
ISO 9377-2通过溶剂萃取、色谱分离和火焰离子化检测来定义烃油指数。FID对任何碳氢化合物都有响应，因此该方法覆盖广泛的烃类，并能分辨各个峰。
性能
- 方法检出限：标准化程序约为0.1 mg/L，优化萃取后更低
- 分析时间：每个样品数十分钟，批量分析
- 选择性：所有可燃有机化合物
优势
- 大多数排放限值所依据的参考方法
- 标准化方法中最好的检出限
- 色谱细节支持来源识别和方法比较
局限性
- 需要实验室仪器和经过培训的分析人员
- 仅能批量周转，不具备实时能力
- 此处各选项中运行成本最高
由于许可是围绕该方法编写的，GC-FID通常是锚定标准：在线分析仪是针对它进行校准的，而不是反过来。
在线和原位系统
一个可用的在线安装通常包含四个部分：
传感器组件——光学式或萃取式，以探头形式用于原位安装
样品预处理——过滤和温度控制，与传感器的耐受能力相匹配
变送器/控制器——信号处理、补偿、本地显示
数据层——历史数据库、报警和合规记录报告
七枚在线油水传感器包括自清洁（超声波或机械）接口、多个测量量程、温度补偿，以及Modbus、HART和Profibus输出。
如何在它们之间选择
从需求出发倒推：
对于排放许可，确定许可中指定的是哪种方法，然后选择一种在线仪器，使其与该方法的相关性可以被证明。连续数据才能让你证明一次超标是短暂且受控的，而基于平均值的标准（大多数采出水限值都是如此）用连续数据来证明要容易得多。
对于处理优化，原位荧光分析仪为分离器优化、采出水精处理和分流控制提供最快的反馈。
对于方法争议或基线表征，实验室中的GC-FID或红外方法仍然是仲裁者。
实际上，大多数运营商两者兼用：控制侧使用连续分析仪，合规侧使用参考方法分析，两者之间的相关性被记录在案并定期重新验证。
成本结构而非价格表
设备价格随配置而变化，因此对公布的价格区间应持怀疑态度。结构性差异是稳定的：实验室方法具有经常性的单样品成本加上仪器资本投入；红外现场仪器处于中间位置；原位荧光的资本成本最高，但每次测量的运行成本最低，消耗品仅限于清洗、校准标准品以及最终的光源更换。对于连续测量的站点，原位方案的每次测量成本比实验室分析低一个数量级——这才是通常决定采购的论据，而不是标价。
校准和质量保证
一级校准使用可溯源至国家计量机构的认证标准品。对于油水测量工作，常用的是十六烷、矿物油或与站点自身原油匹配的标准品。无论选择哪种，校准用油都必须尽可能接近实际测量的油。
频率：原位传感器通常频繁验证（每天到每周，通过两点检查），并在较长的间隔进行完全重新校准；实验室方法每批次都进行校准。
真正能发现问题的质量控制：
- 空白检查以发现样品间的污染
- 平行样以评估精密度
- 加标回收以确认萃取效率
- 在工作量程范围内进行校准验证，而不仅仅是中间刻度
- 定期与参考方法进行相关性核查——这是能发现在线分析仪缓慢漂移的一项
技术发展方向
多波长荧光提高了对油类型的区分能力，并减少了在同一波段产生荧光的化学品的干扰。机器学习校准从运行历史而非单一参考油建立校正模型，这在油品组成变化时很有帮助。更小的光学组件和更低成本的光源拓宽了部署范围。传感器融合——荧光加光散射加图像分析——开始出现在商业仪器中，主要用于区分油滴和悬浮固体。
总结
这三个方法系列是互补的，而非相互竞争的。紫外荧光对芳香烃组分提供连续灵敏度，这正是过程控制所需要的。红外方法提供更广泛的烃类覆盖，并具有长期法规使用的记录。GC-FID是其他方法校准所依据的参考标准。选择应基于许可接受哪种方法、操作人员需要实时看到什么，以及两者之间的相关性将如何在多年运行中得以维持。
