CN103455682B

CN103455682B - 一种预测高温高压井腐蚀套管剩余寿命的方法

Info

Publication number: CN103455682B
Application number: CN201310414099.5A
Authority: CN
Inventors: 祝效华; 孙濡青; 童华
Original assignee: Southwest Petroleum University
Current assignee: Southwest Petroleum University
Priority date: 2013-09-12
Filing date: 2013-09-12
Publication date: 2019-04-26
Anticipated expiration: 2033-09-12
Also published as: CN103455682A

Abstract

一种预测高温高压井腐蚀套管剩余寿命的方法，主要包括下列步骤：（1）采用灰色神经网络算法预测套管内腐蚀平均速率和外腐蚀平均速率；（2）建立腐蚀套管的有限元模型，并利用单元生死技术来模拟套管发生腐蚀的过程，以获取套管失效时的临界失效壁厚；（3）建立腐蚀套管剩余寿命预测模型，并应用近似解析法计算均匀腐蚀、局部腐蚀和点蚀套管的剩余寿命；（4）利用回归分析方法建立无因次剩余强度与无因次内压和蒸汽温度之间的关系方程。由于理论研究、室内试验和现场数据在预测套管寿命方面具有一定的局限性，本发明能够在较短时间内有效预测套管的剩余寿命，并且所建的剩余强度关系方程能够方便工程人员对套管的服役能力进行综合评估。

Description

一种预测高温高压井腐蚀套管剩余寿命的方法

技术领域

本发明涉及一种高温高压井腐蚀套管剩余寿命的预测方法，应用于涉及高温高压井腐蚀套管的更换与检修，属于油气田控制技术领域。

背景技术

套管在油气井勘探开发中占有极其重要的地位。随着油气田不断的开采和发展，由此带来的套管腐蚀失效问题也愈加严重。据资料统计，在1997-1999年中原油田因腐蚀导致套管失效的井61口，占同期套损井数的16.8%；1998-2000年对塔里木油田四个井区的70口井进行测井，发现有35口井出现了套管腐蚀，占测井总数的50%。因此，针对腐蚀套管进行剩余寿命的预测研究将有利于进行预知性维护，排除安全隐患，最大限度减少套管失效的事故发生，以保障服役套管运营的安全可靠。

高温高压井中的服役套管长期处于复杂多变的环境中，套管周围的地层水和注入水中的腐蚀性物质会与套管壁作用，极易使之遭受腐蚀，形成腐蚀缺陷，进而造成套管壁局部减薄，降低套管的有效强度，缩短套管的服役寿命，甚至使整个井报废。由于目前理论上还没有专门用于套管寿命计算的公式，并且受到室内试验条件的限制，无法进行较长时间下套管腐蚀寿命的研究，加之井下服役环境复杂多变，能够获取的现场套管寿命数据资料有限。为此，本发明基于灰色神经网络算法，利用Matlab软件编程预测套管的腐蚀速率，并使用ANSYS软件建立腐蚀套管-水泥环和地层的有限元模型，采用单元生死技术来模拟套管发生腐蚀的过程，进一步研究套管在高温高压井服役情况下的剩余强度和剩余寿命。本发明通过Matlab软件进行编程，利用回归分析方法建立无因次剩余强度与无因次内压和蒸汽温度之间的关系方程。这将有助于工程人员进行维护、检修和更换，为确保在役套管的安全运行提供决策依据，对调节和延长服役套管的使用寿命具有极其重要的意义。

发明内容

本发明的目的在于提供一种通过对影响高温高压井套管内腐蚀和外腐蚀的多种因素的实测值，应用灰色神经网络算法，通过调整训练函数和学习函数，得出符合误差函数的套管内腐蚀平均速率和外腐蚀平均速率；根据建立的腐蚀套管剩余寿命的预测模型，建立腐蚀套管-水泥环和地层的有限元模型，利用单元生死技术模拟套管发生腐蚀的过程，得到套管在150~400℃和5~80MPa压力内发生失效时的临界失效壁厚，从而预测套管在高温高压井下的剩余强度和剩余寿命，进而对套管的安全服役能力进行综合评价。

本发明的目的是通过以下技术方案实现的：

一种预测高温高压井腐蚀套管剩余寿命的方法，该测试方法包括下列步骤：

（1）使用支持Matlab和ANSYS的计算机，并将现场收集到的影响套管内腐蚀和外腐蚀因素的数据资料以数据库或文本的形式输入到计算机并保存在Excel文档中；

（2）在计算机中应用灰色神经网络算法，通过Matlab编写程序，预测得到各种腐蚀因素影响下套管的腐蚀速率，所选取的腐蚀数据包含时间序列；

（3）通过调整灰色神经网络算法中的连接权值和阀值，选择合适的网络训练函数和学习函数，得到误差允许范围内腐蚀套管的内腐蚀平均速率和外腐蚀平均速率，以确保腐蚀速率预测的准确性；

（4）利用上述腐蚀速率的预测值，通过建立腐蚀套管-水泥环和地层的有限元模型，并采用单元生死技术模拟套管发生腐蚀的过程，以确定套管在150~400℃和5~80MPa压力内发生腐蚀失效时的临界失效壁厚；

（5）根据套管发生腐蚀失效的临界失效壁厚和原始数据资料，依据建立的腐蚀套管剩余寿命预测模型，并应用解析法分别计算均匀腐蚀、局部腐蚀和点腐蚀情况下腐蚀套管的剩余寿命；

（6）基于上述有限元模型，改变施加在模型上的内压和蒸汽温度，仿真得到腐蚀套管在不同内压和蒸汽温度下的剩余强度值，利用Matlab软件编写程序并采用回归分析方法进行数据拟合，以建立无因次剩余强度与无因次内压和蒸汽温度之间的关系方程。

所述的一种预测高温高压井腐蚀套管剩余寿命的方法，所述的运用灰色神经网络算法预测套管的腐蚀速率，该方法包含如下步骤：

（1）用包含时间序列的原始数据资料建立GM(1，1)模型；

（2）用建立的GM(1，1)模型进行预测，得到一系列原始数据的预测值；

（3）利用Matlab进行编程，建立灰色神经网络模型，其中包含一个输入层、两个隐层和一个输出层；

（4）设定网络的初始连接权值和阀值，将GM(1，1)模型预测得到的一系列预测值作为网络的输入，将实际测量值作为网络的输出，对网络进行多次训练，得到一系列调整后的连接权值和阀值；

（5）用GM(1，1)模型的预测值作为灰色神经网络算法的输入，进行训练，将符合误差要求的输出作为灰色神经网络算法的结果。

所述的一种预测高温高压井腐蚀套管剩余寿命的方法，所述的运用有限元模型和单元生死技术进行套管剩余寿命的预测，包括下列步骤：

（1）建立腐蚀套管-水泥环和地层的有限元模型；

（2）根据套管的实际受力情况，在有限元模型上施加相应的边界条件和外载，并考虑地层的主应力和地温梯度的影响；

（3）仿真得到套管在不同内压和蒸汽温度下的剩余强度值；

（4）利用Matlab软件和回归分析方法，建立无因次剩余强度与无因次内压和蒸汽温度的关系方程；

（5）利用单元生死技术模拟套管发生腐蚀的过程，得到套管发生失效时的临界失效壁厚；

（6）根据套管的临界失效壁厚及腐蚀套管的原始数据资料，建立剩余寿命预测模型

；

（7）根据建立的剩余寿命预测模型和有限元仿真结果，预测高温高压井下服役套管的腐蚀剩余寿命。

本发明的优点与效果是：目前关于套管剩余寿命的研究较少，并且针对高温高压井腐蚀套管寿命的研究更是少之又少。考虑到理论研究、室内试验和现场寿命数据在预测套管剩余寿命方面的不足，本发明基于灰色神经网络算法预测套管的腐蚀速率，通过建立腐蚀套管剩余寿命的预测模型，利用有限元模型和单元生死技术来有效预测套管的剩余寿命。所建高温高压井下套管剩余强度的关系方程能够给现场工作人员提供可靠的技术支撑，方便调整井下工艺参数，并及时对服役套管进行维护和改建，以达到延长在役套管服役寿命的目标。

附图说明

图1为本发明预测方法的流程方框图。

图2为灰色神经网络模型图。

具体实施方式

下面结合附图对本发明做进一步的说明和阐述。

由于腐蚀严重影响套管的服役寿命，目前理论上尚无专门用于计算套管剩余寿命的公式，考虑到室内试验和现场数据在预测套管剩余寿命方面的不足，本发明首次提出采用灰色神经网络算法来预测套管的腐蚀速率，并利用有限元模型和单元生死技术来精确模拟套管发生腐蚀失效的过程，进而根据建立的腐蚀套管剩余寿命的模型来预测高温高压井服役套管的剩余寿命。

在腐蚀套管剩余寿命的预测过程中，采用灰色神经网络算法预测多因素作用下套管的腐蚀速率，并利用Matlab软件进行训练，克服了原始数据量小、预测误差大的缺点，提高了腐蚀速率的预测精度；建立腐蚀套管-水泥环和地层的有限元模型能够真实地模拟套管在井下的受力情况，并考虑腐蚀速率对套管失效的影响，利用单元生死技术模拟套管发生腐蚀的过程，根据仿真得到的套管临界失效壁厚预测腐蚀套管的剩余寿命。为便于工程人员使用，利用回归分析法将仿真得到的套管剩余强度数据进行拟合，建立无因次剩余强度与无因次内压和蒸汽温度之间的关系方程。本发明的应用能够给油田现场及理论研究提供可靠的技术支持，从而为延长油气田套管的服役寿命做出应有的贡献。

下面针对本发明中关于高温高压井腐蚀套管剩余寿命预测模型建立的具体步骤做如下详述：

（2）将灰色理论算法得到腐蚀速率的预测结果作为灰色神经网络算法的输入样本，将原始数据中腐蚀速率的测量值作为灰色神经网络算法的目标样本，利用Matlab软件中的神经网络工具箱函数编写程序，通过创建BP网络，设置连接权值和阀值，经过多次训练和调整，得到满足误差性能函数的套管内腐蚀平均速率和外腐蚀平均速率；

（3）通过构建腐蚀套管-水泥环和地层的有限元模型，施加边界条件和外载，考虑实际情况下多种因素对套管强度的影响，如地层的温度载荷和主应力等，并利用单元生死技术，以得出套管在150~400℃和5~80MPa压力内发生腐蚀失效时的临界失效壁厚；

（4）建立如下腐蚀套管剩余寿命预测模型，基于上述得到的套管临界失效壁厚，利用原始时间序列数据来预测发生均匀腐蚀、局部腐蚀和点蚀的套管在内腐蚀和外腐蚀情况下的剩余寿命

；

（5）基于上述有限元模型，改变施加在模型上的内压和蒸汽温度，得到腐蚀套管在不同内压和蒸汽温度下的剩余强度值，利用Matlab软件编写程序，并借助回归分析方法，建立无因次剩余强度与无因次内压和蒸汽温度之间的关系方程。

下面针对本发明中采用灰色神经网络算法预测高温高压井套管的腐蚀速率的实现过程的步骤作如下说明：

（1）用原始数据建立GM(1，1)模型，模型构建过程的步骤如下：

1）对原始数列作一次累加生成新的数列：

其中，

2）数列的紧邻均值生成序列为：

其中，

3）数列相应的微分方程为：

取参数列，根据最小二乘法得到

其中：

，

（2）用建立的GM(1，1)模型进行预测，得到一系列包含时间序列的原始数据的预测值：

.

（3）利用Matlab软件进行编程，建立灰色神经网络模型（如下图2所示），包含一个输入层、两个隐层和一个输出层。其中，隐层B的特性函数为：S型函数的对数；隐层C和输出层D的特性函数为：；、、、和分别为各层之间的连接权值；

（4）设定网络的初始连接权值和阀值，将GM(1，1)模型预测得到的一系列预测值作为网络的输入，将实际测量值作为网络的输出，对网络进行多次训练，得到一系列调整后的连接权值和阀值：

1）初始权值在输入累加时使每个神经元的状态值接近于零，权值一般取随机数，要比较小；

2）输入样本要进行归一化处理，将数据处理为区间[0，1]之间的数据，采用如下公式进行归一化处理：

其中，为输入样本；为的最小值；为的最大值；为归一化后的输入样本；

3）从训练样例中取一样例，把输入信息输入到网络中；

4）由网络分别计算各层节点的输出；

5）计算网络的实际输出与期望输出的误差；

6）从输出层反向计算到第一个隐层，按一定原则向减小误差的方向调整网络的各个连接权值；

7）对训练样例中的每一个样例重复以上步骤，直到对整个训练样例集的误差达到要求时为止；

下面针对本发明中采用有限元模型和单元生死技术预测高温高压井腐蚀套管剩余寿命的具体步骤做如下详述：

（1）根据灰色神经网络算法得到的套管腐蚀速率，建立相应的腐蚀套管-水泥环和地层的有限元模型；

（2）根据套管的实际受力情况，在有限元模型上施加相应的边界条件和外载，并考虑地层的主应力和地层温度的影响；

（3）仿真得到套管在不同内压和蒸汽温度条件下的剩余强度值，并将仿真数据存储在计算机中；

（4）使用Matlab软件进行编程，采用回归分析方法建立无因次剩余强度与无因次内压和蒸汽温度之间的关系方程；

（6）根据套管的临界失效壁厚及腐蚀套管的原始数据资料，建立腐蚀套管剩余寿命预测模型

；

（7）根据建立的剩余寿命预测模型和有限元仿真结果，得到高温高压井套管腐蚀剩余寿命的预测值。

Claims

1.一种预测高温高压井腐蚀套管剩余寿命的方法，主要包括以下步骤：

(1)使用支持Matlab和ANSYS的计算机，将收集到的影响套管腐蚀因素的数据资料以数据库或文本的形式输入到计算机中并保存在Excel中；

(2)采用灰色神经网络算法，利用Matlab进行编程，预测各种腐蚀因素影响下套管的腐蚀速率，所选取的腐蚀数据包含时间序列；

(3)通过调整连接权值和阀值，选择合适的网络训练函数和学习函数，得出误差允许范围内套管的内腐蚀平均速率和外腐蚀平均速率，以保证腐蚀速率的准确性；

(4)利用上述腐蚀速率的预测值，建立腐蚀套管-水泥环和地层的有限元模型；

(5)根据套管的实际受力情况，在有限元模型上施加相应的边界条件和外载，并考虑地层的主应力和地层温度的影响；

(6)利用单元生死技术模拟套管发生腐蚀的过程，以确定套管在150～400℃和5～80MPa压力内发生失效时的临界失效壁厚；

(7)根据套管发生腐蚀失效的临界失效壁厚，建立如下套管剩余寿命预测模型，并应用近似解析法分别计算均匀腐蚀和局部腐蚀及点蚀情况下套管的剩余寿命

其中，s(t)表示t时刻套管内壁的腐蚀深度，单位为mm；s ₀为t ₀时刻套管上次检测时套管内壁的腐蚀深度，单位为mm；v ₀为腐蚀速率的预测值，单位为mm/s；

(8)根据仿真得到套管在不同内压和蒸汽温度下的剩余强度值,利用Matlab软件编写程序并采用回归分析方法处理数据，以建立无因次剩余强度与无因次内压和蒸汽温度之间的关系方程。

2.根据权利要求1所述的一种预测高温高压井腐蚀套管剩余寿命的方法，其特征在于，所述的运用灰色神经网络算法预测套管的腐蚀速率的步骤如下：

(1)用原始数据组成时间序列建立GM(1，1)模型；

(2)用建立的GM(1，1)模型进行预测，得到一系列原始数据的预测值；

(3)利用Matlab软件进行编程，建立灰色神经网络模型；

(4)对网络的初始连接权值和阀值进行设定，将GM(1，1)模型预测得到的一系列预测值作为网络的输入，将实际测量值作为网络的输出，对网络进行多次训练，得到一系列调整后的连接值和阀值；

(5)用GM(1，1)模型的预测值作为灰色神经网络算法的输入，进行训练，将处于误差要求范围内的输出作为灰色神经网络算法的结果。