一种输送管道内部腐蚀缺陷动态安全评定方法和装置

摘要

本发明提供了一种输送管道内部腐蚀缺陷动态安全评定方法和装置。该方法包括：获得输送管道常用金属材料在不同的CO2分压、H2S分压、氯化物含量和不同应力水平下的腐蚀扩展速率；依据获得的腐蚀扩展速率，运用自适应神经模糊推理系统，建立与腐蚀扩展速率的数学模型；获取管道腐蚀部位所在管段的CO2分压、H2S含量、氯化物含量、应力水平，依据建立的数学模型，预测腐蚀扩展速率；建立管道极限状态方程，获得管道的安全状态。本发明还提供了一种输送管道内部腐蚀缺陷动态安全评定装置。本发明的输送管道内部腐蚀缺陷动态安全评定方法和装置，解决了难以动态准确评定含腐蚀缺陷油气输送管道安全状态问题。

说明书

技术领域

本发明涉及一种评定方法和装置，尤其涉及一种输送管道内部腐蚀缺陷动态安全评定方法和装置，属于石油开采技术领域。

背景技术

天然气是优质的能源和化工原料，随着经济快速发展，社会对天然气资源的需求量迅速增加。通常大型油气田分布在一些偏远地区，而天然气需求主要集中在工业发达的城市地区。因此在天然气行业中，运输成为与采集同等重要的问题。

在众多的运输方式中，管道运输以其成本低、输送量大、可靠性高的优点，成为输送天然气资源最主要的方式。然而，在油气的开采过程中，常常会带有杂质，比如二氧化碳、硫化氢、水蒸气等，在特定的条件下，气态水会冷凝成液态水并汇集在管道低洼部位或形成液膜覆盖于管道表面，并溶解腐蚀性气体，形成腐蚀性溶液，引起管道内部腐蚀，降低管道寿命，造成物质泄漏，甚至导致环境破坏和人员安全事故。

现有研究发现，除了腐蚀性物质，如二氧化碳、硫化氢、水蒸气等外，管道承受的压力也会影响材料的电化学腐蚀行为，这些因素之间存在复杂的耦合作用，导致管道腐蚀发生和扩展，目前没有定量的物理模型可以准确描述各因素之间的内在关联关系。

因此如何有效准确的评定含内部腐蚀缺陷的天然气管道的安全状态，动态跟踪安全状态变化趋势，保障天然气输送管道的安全运行是目前亟待解决的重要问题。

针对天然气管道内部腐蚀问题，目前采用的方法主要是内腐蚀直接评价法和智能内检测方法。直接评价法方法通过对管输天然气流动特性和管道几何形态分析，预测水在管道中最有可能积聚的位置，该方法无法获知腐蚀的变化情况；智能内检测方法可以获得腐蚀的位置和尺寸，进而评定当前管道安全状态，为掌握安全状态变化情况，则需要定期检测，而检测周期往往依据工程经验制定，缺乏理论依据。此外，在腐蚀检测过程中，由于仪器精度及人员操作技能影响，测量的腐蚀缺陷尺寸往往与实际缺陷存在误差，测量结果具有一定的随机性，影响安全评定的准确性。腐蚀扩展速率与管道所处腐蚀环境及载荷因素密切相关，如果能建立影响因素与腐蚀扩展速率的关联关系，通过检测管道实际的环境参量和缺陷状态，能够得到腐蚀缺陷的扩展情况，并考虑缺陷数据不确定性的影响，则可以有效地促进缺陷安全评定方法的实际工程应用。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种用于油气输送管道内部腐蚀缺陷动态安全评定方法，解决现有技术中难以动态准确评定含腐蚀缺陷油气输送管道安全状态问题。

为了实现上述技术问题，本发明提供了一种输送管道内部腐蚀缺陷动态安全评定方法，该输送管道内部腐蚀缺陷动态安全评定方法包括以下步骤：

步骤一：获得输送管道常用金属材料在不同的CO₂分压、H₂S分压、氯化物含量和不同应力水平下的腐蚀扩展速率；

步骤二：依据获得的腐蚀扩展速率，运用自适应神经模糊推理系统，建立CO₂分压、H₂S含量、氯化物含量、应力水平与腐蚀扩展速率的数学模型；

步骤三：获取管道腐蚀部位所在管段的CO₂分压、H₂S含量、氯化物含量、应力水平，依据建立的数学模型，预测腐蚀扩展速率；

步骤四：建立管道极限状态方程，通过无损检测方法获得内腐蚀发生部位的腐蚀缺陷尺寸及概率分布形式和参数，得到管道安全状态随时间的变化规律，获得管道的安全状态；

管道极限状态方程为：

L_SF(T)＝t_res(T)-t_min

其中，t_res(T)为T时刻管道腐蚀缺陷处剩余壁厚；t_min为管道最小要求壁厚；

当tres(T)>tmin，即LSF(T)>0时，认为管道安全；

当tres(T)≤tmin，即LSF≤0时，管道失效。

在本发明的输送管道内部腐蚀缺陷动态安全评定方法中，优选地，步骤一中，通过腐蚀-应力耦合电化学测试获得输送管道常用金属材料在不同的CO₂分压、H₂S分压、氯化物含量和不同应力水平下的腐蚀电流密度，转换为腐蚀扩展速率。

在本发明的输送管道内部腐蚀缺陷动态安全评定方法中，优选地，不同的CO₂分压是指分压为0MPa-0.1MPa；

不同的H₂S含量是指H₂S含量为0ppm-300ppm；

不同的氯化物含量是指氯化物含量为0wt％-3.5wt％；

不同的应力水平是指压力为0MPa-600MPa。

在本发明的输送管道内部腐蚀缺陷动态安全评定方法中，优选地，根据腐蚀电流密度根据如下公式转换为腐蚀扩展速率V_corr(nm/a)：

其中，A为金属原子量；

n为电化学反应中金属的失电子数；

i_corr为腐蚀电流，A/m²；

ρ为金属密度，g/cm³。

在本发明的输送管道内部腐蚀缺陷动态安全评定方法中，优选地，步骤二中，首先进行数据预处理和样本集划分，运用自适应神经模糊推理系统建立数学模型，数据与处理和样本集划分按照如下步骤进行：

将每一组测试数据作为一个样本，以CO₂分压、H₂S含量、氯化物含量、应力水平为样本的输入数据，对应的腐蚀速率作为输出数据；

对于给定的全部样本集，采用进行归一化处理，处理之后的数值按比例缩放到[0，1]范围内。

在本发明的输送管道内部腐蚀缺陷动态安全评定方法中，优选地，进行归一化处理时，按照如下步骤进行：

其中，x_i为输入数据的第i个样本，y_i为输出数据的第i个样本，x_i'为输入数据归一化后的第i个样本，y_i'为输入数据归一化后的第i个样本，max为取最大值函数，min为取最小值函数。

在本发明的输送管道内部腐蚀缺陷动态安全评定方法中，优选地，步骤四中，根据管道设计文件得到管道的壁厚数据，缺陷处剩余最小壁厚和预测出的腐蚀扩展速率，采用蒙特卡洛算法，得到管道安全状态随时间的变化规律。

本发明还提供了一种输送管道内部腐蚀缺陷动态安全评定装置，该输送管道内部腐蚀缺陷动态安全评定装置包括：

参数获取模块，用于获得输送管道常用金属材料在不同的CO₂分压、H₂S分压、氯化物含量和不同应力水平下的腐蚀扩展速率；

数学模型建立模块，用于依据获得的腐蚀扩展速率，运用自适应神经模糊推理系统，建立CO₂分压、H₂S含量、氯化物含量、应力水平与腐蚀扩展速率的数学模型；

预测模块，用于获取管道腐蚀部位所在管段的CO₂分压、H₂S含量、氯化物含量、应力水平，依据建立的数学模型，预测腐蚀扩展速率；

评价模块，用于建立管道极限状态方程，通过无损检测方法获得内腐蚀发生部位的腐蚀缺陷尺寸及概率分布形式和参数，获得管道的安全状态。

在本发明的输送管道内部腐蚀缺陷动态安全评定装置中，优选地，通过腐蚀-应力耦合电化学测试获得输送管道常用金属材料在不同的CO₂分压、H₂S分压、氯化物含量和不同应力水平下的腐蚀电流密度，转换为腐蚀扩展速率。

在本发明的输送管道内部腐蚀缺陷动态安全评定装置中，优选地，不同的CO₂分压是指分压为0MPa-0.1MPa；

不同的H₂S含量是指H₂S含量为0ppm-300ppm；

不同的氯化物含量是指氯化物含量为0wt％-3.5wt％；

不同的应力水平是指压力为0MPa-600MPa。

在本发明的输送管道内部腐蚀缺陷动态安全评定装置中，优选地，根据腐蚀电流密度根据如下公式转换为腐蚀扩展速率V_corr(nm/a)：

其中，A为金属原子量；

n为电化学反应中金属的失电子数；

i_corr为腐蚀电流，A/m²；

ρ为金属密度，g/cm³。

在本发明的输送管道内部腐蚀缺陷动态安全评定装置中，优选地，首先进行数据预处理和样本集划分，运用自适应神经模糊推理系统建立数学模型，数据与处理和样本集划分按照如下步骤进行：

将每一组测试数据作为一个样本，以CO₂分压、H₂S含量、氯化物含量、应力水平为样本的输入数据，对应的腐蚀速率作为输出数据；

对于给定的全部样本集，采用进行归一化处理，处理之后的数值按比例缩放到[0，1]范围内。

在本发明的输送管道内部腐蚀缺陷动态安全评定装置中，优选地，进行归一化处理时，按照如下步骤进行：

其中，x_i为输入数据的第i个样本，y_i为输出数据的第i个样本，x_i'为输入数据归一化后的第i个样本，y_i'为输入数据归一化后的第i个样本，max为取最大值函数，min为取最小值函数。

在本发明的输送管道内部腐蚀缺陷动态安全评定装置中，优选地，根据管道设计文件得到管道的壁厚数据，缺陷处剩余最小壁厚和预测出的腐蚀扩展速率，采用蒙特卡洛算法，得到管道安全状态随时间的变化规律。

与现有技术相比，本发明的输送管道内部腐蚀缺陷动态安全评定方法和装置，具有如下优点和效果：

综合考虑应力水平与介质因素的耦合腐蚀作用，运用自适应神经模糊推理方法，建立了腐蚀影响因素与腐蚀缺陷扩展速率之间定量关系的数学模型，并编制成计算机程序，能够快速、准确的评定出含内部腐蚀缺陷油气输送管道随时间变化的安全状态，为管道检验维修提供决策依据。

附图说明

图1为实施例1的输送管道内部腐蚀缺陷动态安全评定装置的结构图。

图2为实施例1的输送管道内部腐蚀缺陷动态安全评定方法的工艺流程图。

图3为实施例1采用的五层自适应神经模糊推理结构示意图。

具体实施方式

为了对本发明的技术特征、目的和有益效果有更加清楚的理解，现对本发明的技术方案进行以下详细说明，但不能理解为对本发明的可实施范围的限定。

实施例1

本实施例首先提供了一种输送管道内部腐蚀缺陷动态安全评定装置，其结构如图1所示，该输送管道内部腐蚀缺陷动态安全评定装置包括：

参数获取模块，用于获得输送管道常用金属材料在不同的CO₂分压、H₂S分压、氯化物含量和不同应力水平下的腐蚀扩展速率；

数学模型建立模块，用于依据获得的腐蚀扩展速率，运用自适应神经模糊推理系统，建立CO₂分压、H₂S含量、氯化物含量、应力水平与腐蚀扩展速率的数学模型；

预测模块，用于获取管道腐蚀部位所在管段的CO₂分压、H₂S含量、氯化物含量、应力水平，依据建立的数学模型，预测腐蚀扩展速率；

评价模块，用于建立管道极限状态方程，通过无损检测方法获得内腐蚀发生部位的腐蚀缺陷尺寸及概率分布形式和参数，获得管道的安全状态。

本实施例还提供了一种输送管道内部腐蚀缺陷动态安全评定方法，其流程如图2所示，具体包括以下步骤：

步骤一：通过腐蚀-应力耦合电化学测试获得油气输送管道常用金属材料在不同的CO₂分压、H₂S含量、氯化物含量和不同应力水平下的腐蚀电流密度，并转换为腐蚀速率。

试验装置采用万能试验机配合电化学工作站，采用去离子水和分析纯级化学试剂配置不同介质浓度的溶液，介质具体范围为CO₂分压0-0.1MPa，H₂S含量0-300ppm，含量氯化物含量0-3.5wt％，应力水平0-600MPa。测试的金属材料包括低、中、高强度管线钢。

测试的金属材料依据万能试验机要求的规格进行加工，试样为棒状，试样表面使用绝缘防腐硅橡胶封装，中间留出1cm长的工作表面。使用前进行丙酮和乙醇除油、烘干备用。测试时，采用三电极系统，工作电极为试样，参比电极为饱和甘汞电极，辅助电极为铂电极。测试时，首先将试样置于盛有除氧溶液的电化学池中，然后将其夹持在万能试验机上，并施加某一拉伸应力，测试体系的开路电位直至稳定。然后每间隔一段时间测试体系的电化学阻抗，直至连续三次测量的阻抗谱曲线没有明显变化后，对体系进行极化曲线测试，将测试获得的极化曲线进行拟合，得到腐蚀电流密度i_corr，按下式计算腐蚀扩展速率V_corr：

其中，A为金属原子量；n为电化学反应中金属的失电子数；i_corr为腐蚀电流，A/m²；ρ为金属密度，g/cm³。

步骤二：依据测试数据，运用自适应神经模糊推理方法，建立CO₂分压、H₂S含量、氯化物含量、应力水平等影响因素与腐蚀速率之间定量关系的数学模型。

(1)数据预处理和样本集划分

将每一组测试数据作为一个样本，把CO₂分压、H₂S含量、氯化物含量、应力水平作为样本的输入数据，对应的腐蚀速率作为输出数据。

对于给定的全部样本集，采用下面公式对样本的输入和输出数据进行归一化处理，处理之后的数值按比例缩放到[0，1]范围内。

将预处理之后的样本集划分为训练样本和测试样本。其中，训练样本用于模型训练，测试样本用来评价训练好之后的模型预测性能。

(2)建立数学模型

本实施例采用五层自适应神经模糊推理结构，如图3所示，输入参数有四个x_i,i＝1,2,3,4，分别为CO₂分压、H₂S含量、氯化物含量、应力水平；输出参数为腐蚀速率y_i。

各层的功能如下：

第一层：将输入变量x＝[x_i,i＝1,2,3,4]模糊化，输出对应模糊集合的隶属度值，这一层的每个节点i为自适应节点，有其节点函数。节点的传递函数可表示为：

式中：为模糊集A(A₁，A₂，A₃，A₄，B₁，B₂，B₃，B₄，C₁，C₂，C₃，C₄，D₁，D₂，D₃，D₄)的隶属度，它确定了给定输入满足A的程度。这里A的隶属度可以是任意合适的参数化隶属函数。根据所选择的隶属函数的形式，可以得到相应的参数集，称为条件参数。如高斯隶属函数：

式中{σ_j,c_j}是参数集，称为前提参数。

第二层：实现条件部分的模糊集合的运算，每个节点的输出对应每条规则的适用度，它是所有输入参数的乘积

每个结点的输出表示一条规则的激励强度，本层的结点函数还可以采用取小、有界积或强积的形式。

第三层：对各条规则的适用度进行归一化处理，该层中的结点也是固定结点。

第四层：每个节点的传递函数为线性函数，表示局部的线性模型，计算出每条规则的输出值：

f_j＝a_j0+a_j1x₁+a_j2x₂+a_j3x₃+a_j4x₄

式中是从第3层传来的归一化激励强度，{a_j0,a_j1,a_j2,a_j3,a_j4}是该结点的参数集。本层的参数称为结论参数。

第五层：计算所有规则的输出之和：

对于前提参数和结论参数，通常采用一种混合学习算法进行训练。对于前提参数，采用反向传播算法，而对于结论参数则采用线性最小二乘估计算法调整参数。在每一次迭代中，首先输入信号沿网络正向传递到第4层，此时固定前提参数，采用最小二乘算法调节结论参数；然后，信号继续沿着网络正向传递知道输出层，此后，将获得的误差信号沿网络反向传播，从而可调节前提参数。以此方式对给定的条件参数，可以得到结论参数的全局最优点，这样不仅可以降低梯度法中搜索空间的维数，通常还可以大大提高参数的收敛速度。

步骤三：通过测量和运行数据得到天然气管道腐蚀部位所在管段的CO₂分压、H₂S含量、氯化物含量、应力水平，依据建立的数学模型，进行腐蚀扩展速率的预测；

按照建立的自适应神经模糊推理模型编写计算机程序，然后将现场测定的CO₂分压、H₂S含量、氯化物含量、应力水平输入计算机程序，计算得到腐蚀缺陷扩展速率V。

步骤四：建立管道的极限状态方程，通过无损检测方法获得内腐蚀发生部位的腐蚀缺陷尺寸及概率分布形式和参数，根据管道设计文件得到管道的壁厚数据，当前缺陷处剩余壁厚、和预测出的腐蚀扩展速率，采用蒙特卡洛算法，计算出管道失效概率随时间的变化规律，获得管道的安全状态。

管道极限状态方程为：

L_SF(T)＝t_res(T)-t_min

式中：t_res(T)为T时刻管道腐蚀缺陷处剩余壁厚；t_min为管道最小要求壁厚。当计算出的缺陷处剩余壁厚t_res(T)>t_min，即L_SF(T)>0时，认为管道安全；当剩余壁厚t_res(T)≤t_min，即LSF≤0时，管道失效。

管道失效概率可写为：

P_F(T)＝P(L_SF(T)≤0)

采用蒙特卡洛方法计算管道失效概率：

式中，N为蒙特卡洛模拟的循环次数，n为模拟结果中LSF≤0的次数。

下面以X70管线钢的缺陷安全评定为例子进行详细说明。

以X70钢为试验材料，通过腐蚀-应力耦合电化学测试获得X70钢在不同的CO₂分压、H₂S含量、氯化物含量、应力水平下的腐蚀速率，具体的试验数据见表1。

表1

以上共34个数据样本，前30个数据为训练样本，后4个为测试样本。每组样本包括输入数据(氯化物含量x1、CO2分压x2、H2S浓度x3、应力水平x4)和输出数据(腐蚀速率y)。利用自适应神经模糊推理方法建立氯化物含量、CO2分压、H2S浓度、应力水平等影响因素与腐蚀速率之间相互关系的数学模型。

根据以上模型，编制计算机程序，输入测试样本的所有测试样本的输入数据(氯化物含量、CO₂分压、H₂S浓度、应力水平)，将模型的预测值和实验比较，发现二者吻合得较好，其绝对百分误差的值都比较小，满足工程需要(见表2)。

表2

选取实际运行管段，根据实际的氯化物含量、CO₂分压、H₂S含量及管道压力水平，利用基于上述自适应神经模糊推理模型编写计算机程序，计算管道平均腐蚀速率为0.42mm/a。利用蒙特卡洛方法计算管道20年内的管道失效概率将从0增加到0.3。

以上实施例说明，本发明的输送管道内部腐蚀缺陷动态安全评定方法和装置，能够快速、准确的评定出含内部腐蚀缺陷油气输送管道随时间变化的安全状态，为管道检验维修提供决策依据。