CN109815595A - 油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法 - Google Patents
油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法 Download PDFInfo
- Publication number
- CN109815595A CN109815595A CN201910076070.8A CN201910076070A CN109815595A CN 109815595 A CN109815595 A CN 109815595A CN 201910076070 A CN201910076070 A CN 201910076070A CN 109815595 A CN109815595 A CN 109815595A
- Authority
- CN
- China
- Prior art keywords
- corrosion
- hydrogen sulfide
- hydrogen
- analysis
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明公开了一种油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法,包括如下步骤:S1、氢化硫腐蚀机理状态分析:进行实验室内硫化氢腐蚀、氢脆分析和工程环境下硫化氢腐蚀分析,所述硫化氢腐蚀分析是用湿硫化氢对油井管腐蚀实验,所述氢脆分析是在硫化氢环境下油井管氢脆实验,所述工程环境下硫化氢腐蚀分析包括含裂纹、缺陷管材组织和结构的力学行为以及拉应力工况下应力强度因子计算。本发明能对H2S腐蚀破坏进行准确诊断,提供直接可靠的运维依据,提高在线监测预判实用性,大大降低恶性事故发生频率,保障装置、管道安全平稳运行,解决了现有技术无法有效的对H2S腐蚀破坏进行准确诊断和预测,导致发生恶性事故发生的问题。
Description
技术领域
本发明涉及天然气管道防腐技术领域,具体为油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法。
背景技术
从历年的检维修、检测检验的经验积累,以及近年防腐技术进步来看,腐蚀贯穿于油气田开发的所有环节,配套的腐蚀理论研究广泛深入开展,说明防腐问题在整个油气开发生产中占有极为重要的地位。CMA-1000腐蚀监测系统在低温站中40井集气管道现场试验成功,标志着防腐技术开始向数据信息化方向发展。CMA-1000腐蚀监测系统主要由腐蚀探针、信号变送器通道、数据采集、数据分析及处理四大部分组成,与传统的挂片法相比,具有操作简便、腐蚀数据采集迅速、腐蚀数据保存规范和劳动强度低等优点,避免了人为因素和工艺因素带来的误差,为生产技术管理提供了可靠的腐蚀信息。但在实际应用中,与其它监测检测技术方法一样,存在被动应对、主动性差的问题,腐蚀穿孔仍然是直接被动的“腐蚀报告”,长期以来,主要靠着“腐蚀穿孔报告”来指导确定大修或更换容器管线。
从目前油气开采、输送而言,在长期的腐蚀机理研究、防腐措施、监检测方法手段来看,以上任何一种措施方法都有其应用的局限性,都没有很好地解决腐蚀问题,为此,我们提出一种硫化氢腐蚀智能运维与健康管理方法。
发明内容
本发明的目的在于提供一种油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法,包括如下步骤:
S1、氢化硫腐蚀机理状态分析:进行实验室内硫化氢腐蚀、氢脆分析和工程环境下硫化氢腐蚀分析,所述硫化氢腐蚀分析是用湿硫化氢对油井管腐蚀实验,所述氢脆分析是在硫化氢环境下油井管氢脆实验,所述工程环境下硫化氢腐蚀分析包括含裂纹、缺陷管材组织和结构的力学行为以及拉应力工况下应力强度因子计算;
S2、装置管道寿命预测:基于扩展有限元的硫化氢腐蚀环境下的强度分析和流体在诊断对象内流动的流场分析,对硫化氢腐蚀环境下疲劳寿命预测;
S3、建立硫化氢腐蚀预测模型:基于最大蚀坑深度的管柱腐蚀损伤模型、高强度油套管钢硫化氢腐蚀寿命评估模型、腐蚀动力学和等效缺陷尺寸理论的腐蚀疲劳裂纹萌生寿命模型建立硫化氢腐蚀预测模型,预测模型通过腐蚀数据计算分析,判断腐蚀状态及腐蚀进程,对管道装置的腐蚀情况进行评价;
S4、建立装置管道及智能运维与健康管理系统:基于硫化氢腐蚀预测模型和数据库建立装置管道及智能运维与健康管理系统,系统通过腐蚀数据计算分析,判断腐蚀状态及腐蚀进程,对管道装置的腐蚀情况进行评价,形成可靠的检维方案,提供安全状态技术评价、咨询。
优选的,所述步骤S1中需要收集已有的腐蚀数据、新产生的腐蚀数据,建立腐蚀数据库。
优选的,所述步骤S1中通过湿H2S对油井管腐蚀实验确定H2S浓度、浸泡时间与腐蚀渗透层厚度、H2S腐蚀层厚度和氢脆影响层厚度关系,并确定材料硬度与腐蚀溶液浓度、腐蚀时间及打磨深度之间函数关系的力学模型。
优选的,所述步骤S1中通过H2S环境下油井管氢脆实验确定氢损伤程度与环境温度、H2S分压、腐蚀介质中Cl–浓度、PH值和慢应变拉伸速度的关系,氢致强度衰减、氢致塑性损伤两方面对油井管柱氢损伤,以及氢蚀速率与温度、压力、H2S分压、流动速度间关系模型。
优选的,所述步骤S3中高强度油套管钢H2S腐蚀寿命评估模型是基于环境介质随开采工况的演变、应力随服役时间的变化对高强度钢腐蚀行为规律的影响以及SCC的发生临界条件的油管腐蚀寿命预测模型产生的。
优选的,所述步骤S3中基于腐蚀动力学和等效缺陷尺寸理论的腐蚀疲劳裂纹萌生寿命模型主要针对高、低峰值应力的腐蚀疲劳裂纹萌生机制,确定裂纹萌生的临界尺寸和高低峰值应力下的腐蚀疲劳裂纹萌生寿命模型。
优选的,所述步骤S4中的装置管道及智能运维与健康管理系统包括数据导入模块、数据存储模块、数据处理模块、数据挖掘模块和数据可视化模块。
优选的,所述数据导入模块进行数据准备,所述数据存储模块进行存储管理,所述数据处理模块进行计算处理,所述数据挖掘模块进行数据分析,所述数据可视化模块进行知识展现。
与现有技术相比,本发明的有益效果是:本发明提供的智能运维与健康管理方法,能对H2S腐蚀破坏进行准确诊断,提供直接可靠的运维依据,提高在线监测预判实用性,大大降低恶性事故发生频率,保障装置、管道安全平稳运行,能够有效的预防重大事故发生、提高经济效益和预知维修方式,解决了现有技术无法有效的对H2S腐蚀破坏进行准确诊断和预测,导致发生恶性事故发生的问题。
附图说明
图1为本发明方法流程图;
图2为本发明系统运行框图;
图3为本发明系统分层构架图;
图4为本发明H2S腐蚀疲劳破坏机理研究框架图;
图5为本发明硫化氢腐蚀环境下材料腐蚀评定的试验路线图;
图6为本发明800ppmH2S溶液中试件硬度变化的折线统计图;
图7为本发明1300ppmH2S溶液中试件硬度变化的折线统计图;
图8为本发明1700ppmH2S溶液中试件硬度变化的折线统计图;
图9为本发明腐蚀溶液浓度与腐蚀时间对金属腐蚀的影响的折线统计图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-9,本发明提供一种技术方案:一种硫化氢腐蚀智能运维与健康管理方法,包括如下步骤:
S1、氢化硫腐蚀机理状态分析:进行实验室内硫化氢腐蚀、氢脆分析和工程环境下硫化氢腐蚀分析,所述硫化氢腐蚀分析是用湿硫化氢对油井管腐蚀实验,所述氢脆分析是在硫化氢环境下油井管氢脆实验,所述工程环境下硫化氢腐蚀分析包括含裂纹、缺陷管材组织和结构的力学行为以及拉应力工况下应力强度因子计算;
S2、装置管道寿命预测:基于扩展有限元的硫化氢腐蚀环境下的强度分析和流体在诊断对象内流动的流场分析,对硫化氢腐蚀环境下疲劳寿命预测;
S3、建立硫化氢腐蚀预测模型:基于最大蚀坑深度的管柱腐蚀损伤模型、高强度油套管钢硫化氢腐蚀寿命评估模型、腐蚀动力学和等效缺陷尺寸理论的腐蚀疲劳裂纹萌生寿命模型建立硫化氢腐蚀预测模型,预测模型通过腐蚀数据计算分析,判断腐蚀状态及腐蚀进程,对管道装置的腐蚀情况进行评价;
S4、建立装置管道及智能运维与健康管理系统:基于硫化氢腐蚀预测模型和数据库建立装置管道及智能运维与健康管理系统,系统通过腐蚀数据计算分析,判断腐蚀状态及腐蚀进程,对管道装置的腐蚀情况进行评价,形成可靠的检维方案,提供安全状态技术评价、咨询。
腐蚀机理研究:
井下管柱腐蚀的本质和特点:本质为湿天然气中含有腐蚀性气体H2S、CO2,水蒸气冷凝形成液态水的电解质溶剂,形成电化学腐蚀,其特点是局部腐蚀(如接近接箍的油管外壁和接箍外壁及端部的腐蚀),研究井下管柱局部腐蚀发生的条件及位置,对于预测腐蚀和采取措施具有重要指导意义。
地面集输气管道腐蚀特点:集输介质为原料气湿气(H2S、CO2、Cl-、H2O典型的腐蚀环境),内腐蚀影响因素多(化学腐蚀、电化学腐蚀、微生物腐蚀等腐蚀环境),过程复杂,内腐蚀明显,且缺乏有效的管道内腐蚀检测评价技术,预测困难。
抗硫高强度钢H2S腐蚀实验研究:
(1)硬度试验研究:
在NACETM0284-2003中规定,观察材料的氢致裂纹需要在H2S溶液中浸泡96h,对腐蚀疲劳的研究中,腐蚀程度对材料寿命的影响是一个非常关键的问题,若对试件的腐蚀达到了氢致裂纹的程度,则试件在疲劳过程中会非常容易发生疲劳断裂,因此,我们在对利用硬度试验对腐蚀程度的评定中,为了避免这种氢致裂纹的出现,选取的最大浸泡时间为96h,并同时选取了24h,48h,72h,共4个时间等级研究浸泡时间对材料腐蚀程度的影响。
结论:试件经过H2S不同时间的腐蚀后,试件的硬度会随着打磨深度的增加呈现先上升后下降的趋势,从上述变化可知,H2S溶液确实对试件产生了分层的影响,试件的分层与假设基本一致,即金属与H2S溶液之间的阳极反应,在金属表面产生了一层H2S腐蚀层,同时阴极反应发生了析氢反应,析出的氢原子在硫离子的毒化作用下聚积在金属表面,进入金属内部导致了金属的氢脆,在金属内部产生一层氢脆影响层,而H2S腐蚀层与氢脆影响层的总和就是H2S对金属产生的腐蚀渗透层。
(2)腐蚀溶液浓度与腐蚀时间对金属腐蚀的影响:
结论:腐蚀溶液浓度与腐蚀时间分别对金属的腐蚀造成了不同的影响。
在对材料腐蚀渗透层、H2S腐蚀层、氢脆影响层的研究中,H2S溶液的浓度对分层的影响不明显,浸泡的时间对分层的影响比较显著,材料的腐蚀渗透层厚度与H2S腐蚀层厚度会随浸泡时间的增加而增加,在浸泡的初始阶段,这两个厚度增加较明显,随着浸泡时间的增加(特别是48h以后),两者的厚度增加开始减缓,材料的氢脆影响层会随浸泡时间的增加出现先上升后下降的趋势,材料在经过48h浸泡后会产生最大的氢脆影响层。
在对材料硬度升高值的研究中,腐蚀溶液浓度与浸泡时间对硬度升高值的影响不显著,只要金属材料受到H2S溶液的影响并有氢脆现象出现,材料的硬度升高值会稳定在一个常数值附近,试验中采用的L80钢而言,这个硬度升高值为15~25HV0.2左右。
综合逐层硬度法试验中的结果与腐蚀溶液浓度与腐蚀时间对金属腐蚀的影响,H2S的浸泡对试件造成了两部分的影响,一是对试件的腐蚀作用,二是对试件的氢脆作用,当浸泡试件较短时如24h浸泡,H2S溶液对试件的腐蚀程度不够,H2S腐蚀层的厚度较小,随着浸泡时间的增加如96h,H2S溶液对试件的腐蚀程度增加,导致了试件表面硬度的下降,同时在浸泡的过程中,H2S溶液对试件具有氢脆作用,经过短时间浸泡,试件主要表现为氢脆现象(24h浸泡后试件表面硬度升高),经过长时间浸泡后,试件的表面主要表现为H2S对试件的腐蚀作用(硬度下降),而在试件的内部则主要以氢脆的作用为主(内部硬度有升高现象)。
基于腐蚀动力学和等效缺陷尺寸理论的腐蚀疲劳裂纹萌生寿命模型:基于腐蚀动力学和等效初始缺陷尺寸理论,分别针对高低峰值应力的不同腐蚀疲劳裂纹萌生机制,确定了裂纹萌生的临界尺寸,建立高低峰值应力下的腐蚀疲劳裂纹萌生寿命模型,其表达式为:
根据模型表达式所绘制的曲线与实验数据点吻合度较高,但低峰值应力下的模型,由于未考虑应力对腐蚀动力学的影响仍有一定偏差。
适用于H2S/CO2环空环境中油管钢的腐蚀寿命评估的模型:
式中,CW为L80油套管服役时的腐蚀速率,其影响因素有拉应力S、含水率W、温度K、H2S分压PH2S、CO2分压Pco2、Cl-浓度CCl-、……,CW可以表示为这些因素的函数:
而S、W、K、PH2S、Pco2、Ccl-也是时间t的函数,通过对H2S/CO2环空环境的追踪检测,可以得到不同服役时间t内各影响因素的变化函数:
代入后,CW则可变为:
Cw=G(t)
据此即可得到△L与时间t的关系式,然后根据厚度失效判据和强度失效判据,可求得油套管的服役寿命,此数值模型旨在提供一种腐蚀寿命评估方法,即综合考虑了环境介质随工况变化、应力水平随服役时间的变化对L80钢腐蚀行为规律的影响,以及SCC的发生临界条件等多方面因素对其寿命的影响,较以往其它寿命评估模型更加符合工程实际。
均匀腐蚀(Uniform corrosion)或全面腐蚀(General corrosion)模型:采用非线性腐蚀率模型。
局部腐蚀模型:主要集中在点腐蚀方面,评定点蚀引起的破坏应考虑(1)单位面积的蚀坑数;(2)蚀坑的直径;(3)蚀坑的深度等,其模型架构目前处于研发阶段,还没有形成完整的局部腐蚀模型。
采用有限元分析软件建立缺陷管段有限元模型,模型中缺陷位置应远离边界以避免边界效应影响,基于此腐蚀模型,建立了不同形貌参数下腐蚀总体积和最大蚀坑深度的数据库,经数值分析得到了腐蚀总体积和最大蚀坑深度之间的相关关系,将上述数学关系应用于本技术开发的管道内壁腐蚀监测系统,可以进一步求解得到管道的最大蚀坑深度,从最大蚀坑深度的管道内壁腐蚀状态评价方法可以对管道内腐蚀状态做出更精确的评估,为运维提供更为详尽的依据。
智能运维与健康管理大数据平台是可与在线监测系统集成使用的智能故障诊断专家系统,在线监测系统使用的是美国NI公司虚拟仪器LabVIEW编程平台进行软件开发,系统基于网络结构,各级人员可以通过网络随时随地了解设备的运行情况;系统采用Oracle数据库进行支持,可以存储设备的年、月、日和故障数据库,便于进行检测和分析,本系统可以实时监测运行状况,并对运行状态进行评价和报警,最大的特点是采用人工智能和云计算技术为系统内核,具备强大的运行数据数据分析和复杂处理能力、故障诊断功能,以及人工智能特性。
数据采集包括原始数据和腐蚀缺陷数据采集。
1、原始数据包括腐蚀缺陷构件的原始尺寸形状,操作运行参数(设计压力、工况压力等),以及材料的材质参数(最小屈服极限、流变应力、焊缝系数等);
2、腐蚀缺陷数据采集,(1)根据所采用的强度评价方法确定预测所需的缺陷数据,确定检测项目,(2)选定检测部位和检测方式;
3、检测结果分析,根据检测得到的原始数据,进行原始数据处理,得出进行进一步评价所需的缺陷尺寸数据及相关参数。
使用状态和剩余寿命预测:根据现场检测和样品分析结果,评价结构的腐蚀程度和当前的使用状态,并和以往检测到的历史数据进行对比分析,找出腐蚀缺陷尺寸的发展规律(建立缺陷尺寸生长模型)和发展速度(腐蚀速率),然后根据管线的原始数据及当前缺陷数据以及分析出的结果采用相应的强度评价准则进行剩余寿命预测。
预测结论应用:根据剩余寿命预测结论,指导管线装置的检测周期、修复、更换、运行等措施策略制定,定制开发客户OSSE-ID智能运维应用软件。
本发明智能运维与健康管理技术,能对H2S腐蚀破坏进行准确诊断,提供直接可靠的运维依据,提高在线监测预判实用性,大大降低恶性事故发生频率,保障装置、管道安全平稳运行。
预防重大事故发生,防患于未然是安全生产的根本保证,智能运维与健康管理能够提供有效的状态检测与故障诊断手段,准确判断装置、管道运行状态和使用寿命,可以保证人员生命、财产安全和运行安全,为科学管理、高含硫气井、场站工艺装置、输气管线提供科学决策依据,为油气井管柱系统与输气管线装置安全运行提供技术保障,达到风险可控。
提高经济效益,智能运维与健康管理能够更准确、及时地发现故障,作出先期干预,中断隐患发展,推动设备维修制度变革,提高维修精度和速度,降低维修费用,充分发挥装置、管道效能,获得最佳经济效益。
预知维修方式是一种动态维修制度,是一种较为理想的维修模式,是维修制度变革的目标,装置、管道故障诊断技术发展状况决定着预知维修实现程度,智能运维与健康管理的研究、推广和应用,创新设备使用维护管理制度,是生产企业提高设备综合管理水平、提高本质安全的重要标志。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (8)
1.油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法,其特征在于:包括如下步骤:
S1、氢化硫腐蚀机理状态分析:进行实验室内硫化氢腐蚀、氢脆分析和工程环境下硫化氢腐蚀分析,所述硫化氢腐蚀分析是用湿硫化氢对油井管腐蚀实验,所述氢脆分析是在硫化氢环境下油井管氢脆实验,所述工程环境下硫化氢腐蚀分析包括含裂纹、缺陷管材组织和结构的力学行为以及拉应力工况下应力强度因子计算;
S2、装置管道寿命预测:基于扩展有限元的硫化氢腐蚀环境下的强度分析和流体在诊断对象内流动的流场分析,对硫化氢腐蚀环境下疲劳寿命预测;
S3、建立硫化氢腐蚀预测模型:基于最大蚀坑深度的管柱腐蚀损伤模型、高强度油套管钢硫化氢腐蚀寿命评估模型、腐蚀动力学和等效缺陷尺寸理论的腐蚀疲劳裂纹萌生寿命模型建立硫化氢腐蚀预测模型,预测模型通过腐蚀数据计算分析,判断腐蚀状态及腐蚀进程,对管道装置的腐蚀情况进行评价;
S4、建立装置管道及智能运维与健康管理系统:基于硫化氢腐蚀预测模型和数据库建立装置管道及智能运维与健康管理系统,系统通过腐蚀数据计算分析,判断腐蚀状态及腐蚀进程,对管道装置的腐蚀情况进行评价,形成可靠的检维方案,提供安全状态技术评价、咨询。
2.根据权利要求1所述的油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法,其特征在于:所述步骤S1中需要收集已有的腐蚀数据、新产生的腐蚀数据,建立腐蚀数据库。
3.根据权利要求1所述的油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法,其特征在于:所述步骤S1中通过湿H2S对油井管腐蚀实验确定H2S浓度、浸泡时间与腐蚀渗透层厚度、H2S腐蚀层厚度和氢脆影响层厚度关系,并确定材料硬度与腐蚀溶液浓度、腐蚀时间及打磨深度之间函数关系的力学模型。
4.根据权利要求1所述的油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法,其特征在于:所述步骤S1中通过H2S环境下油井管氢脆实验确定氢损伤程度与环境温度、H2S分压、腐蚀介质中Cl–浓度、PH值和慢应变拉伸速度的关系,氢致强度衰减、氢致塑性损伤两方面对油井管柱氢损伤,以及氢蚀速率与温度、压力、H2S分压、流动速度间关系模型。
5.根据权利要求1所述的油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法,其特征在于:所述步骤S3中高强度油套管钢H2S腐蚀寿命评估模型是基于环境介质随开采工况的演变、应力随服役时间的变化对高强度钢腐蚀行为规律的影响以及SCC的发生临界条件的油管腐蚀寿命预测模型产生的。
6.根据权利要求1所述的油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法,其特征在于:所述步骤S3中基于腐蚀动力学和等效缺陷尺寸理论的腐蚀疲劳裂纹萌生寿命模型主要针对高、低峰值应力的腐蚀疲劳裂纹萌生机制,确定裂纹萌生的临界尺寸和高低峰值应力下的腐蚀疲劳裂纹萌生寿命模型。
7.根据权利要求1所述的油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法,其特征在于:所述步骤S4中的装置管道及智能运维与健康管理系统包括数据导入模块、数据存储模块、数据处理模块、数据挖掘模块和数据可视化模块。
8.根据权利要求7所述的油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法,其特征在于:所述数据导入模块进行数据准备,所述数据存储模块进行存储管理,所述数据处理模块进行计算处理,所述数据挖掘模块进行数据分析,所述数据可视化模块进行知识展现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910076070.8A CN109815595B (zh) | 2019-01-26 | 2019-01-26 | 油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910076070.8A CN109815595B (zh) | 2019-01-26 | 2019-01-26 | 油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109815595A true CN109815595A (zh) | 2019-05-28 |
CN109815595B CN109815595B (zh) | 2023-07-25 |
Family
ID=66605384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910076070.8A Active CN109815595B (zh) | 2019-01-26 | 2019-01-26 | 油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109815595B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047106A (zh) * | 2019-12-23 | 2020-04-21 | 南智(重庆)能源技术有限公司 | 井口阀门寿命预测方法 |
CN111260207A (zh) * | 2020-01-14 | 2020-06-09 | 南智(重庆)能源技术有限公司 | 高含硫井下管柱及输气管线腐蚀智能诊断评估方法 |
CN112632755A (zh) * | 2020-12-03 | 2021-04-09 | 中煤科工集团重庆研究院有限公司 | 一种采煤区废弃油井硫化氢灾害危险性综合判识方法 |
CN114580133A (zh) * | 2020-12-01 | 2022-06-03 | 中国石油天然气股份有限公司 | 含硫天然气站场承压类静设备腐蚀及失效监测系统 |
CN114818516A (zh) * | 2022-06-27 | 2022-07-29 | 中国石油大学(华东) | 一种井筒腐蚀形态剖面智能预测方法及程序产品 |
CN115797877A (zh) * | 2023-02-13 | 2023-03-14 | 山东鸿德电力科技有限公司 | 一种电力传输设备的智能监控方法、系统及介质 |
US11725485B2 (en) | 2020-04-07 | 2023-08-15 | Halliburton Energy Services, Inc. | Concentric tubing strings and/or stacked control valves for multilateral well system control |
CN117497074A (zh) * | 2023-10-30 | 2024-02-02 | 南智(重庆)能源技术有限公司 | 特高含硫气田管柱管道系统腐蚀分析方法、装置及终端 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101071098A (zh) * | 2007-06-19 | 2007-11-14 | 广州市煤气公司 | 地下钢质燃气管网管道腐蚀预测系统 |
CN103455682A (zh) * | 2013-09-12 | 2013-12-18 | 西南石油大学 | 一种预测高温高压井腐蚀套管剩余寿命的方法 |
US20140005995A1 (en) * | 2012-06-29 | 2014-01-02 | Chevron U.S.A. Inc. | Processes and systems for predicting corrosion |
CN103676856A (zh) * | 2014-01-15 | 2014-03-26 | 中国石油化工股份有限公司 | 含硫天然气净化厂防腐蚀成套装置及管理系统 |
CN107063991A (zh) * | 2017-04-14 | 2017-08-18 | 中国石油天然气股份有限公司 | 一种输送管道内部腐蚀缺陷动态安全评定方法和装置 |
-
2019
- 2019-01-26 CN CN201910076070.8A patent/CN109815595B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101071098A (zh) * | 2007-06-19 | 2007-11-14 | 广州市煤气公司 | 地下钢质燃气管网管道腐蚀预测系统 |
US20140005995A1 (en) * | 2012-06-29 | 2014-01-02 | Chevron U.S.A. Inc. | Processes and systems for predicting corrosion |
CN103455682A (zh) * | 2013-09-12 | 2013-12-18 | 西南石油大学 | 一种预测高温高压井腐蚀套管剩余寿命的方法 |
CN103676856A (zh) * | 2014-01-15 | 2014-03-26 | 中国石油化工股份有限公司 | 含硫天然气净化厂防腐蚀成套装置及管理系统 |
CN107063991A (zh) * | 2017-04-14 | 2017-08-18 | 中国石油天然气股份有限公司 | 一种输送管道内部腐蚀缺陷动态安全评定方法和装置 |
Non-Patent Citations (4)
Title |
---|
张智等: "腐蚀缺陷套管的剩余强度研究", 《中国科技论文》 * |
杨静等: "气田集输管线腐蚀预测方法研究", 《石油与天然气化工》 * |
赵新伟等: "弥散型腐蚀损伤管道剩余寿命预测方法", 《石油学报》 * |
高启荣等: "含腐蚀缺陷管道剩余寿命预测方法研究", 《石油化工设备》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047106B (zh) * | 2019-12-23 | 2023-04-14 | 南智(重庆)能源技术有限公司 | 井口阀门寿命预测方法 |
CN111047106A (zh) * | 2019-12-23 | 2020-04-21 | 南智(重庆)能源技术有限公司 | 井口阀门寿命预测方法 |
CN111260207A (zh) * | 2020-01-14 | 2020-06-09 | 南智(重庆)能源技术有限公司 | 高含硫井下管柱及输气管线腐蚀智能诊断评估方法 |
US11725485B2 (en) | 2020-04-07 | 2023-08-15 | Halliburton Energy Services, Inc. | Concentric tubing strings and/or stacked control valves for multilateral well system control |
CN114580133A (zh) * | 2020-12-01 | 2022-06-03 | 中国石油天然气股份有限公司 | 含硫天然气站场承压类静设备腐蚀及失效监测系统 |
CN114580133B (zh) * | 2020-12-01 | 2024-05-28 | 中国石油天然气股份有限公司 | 含硫天然气站场承压类静设备腐蚀及失效监测系统 |
CN112632755A (zh) * | 2020-12-03 | 2021-04-09 | 中煤科工集团重庆研究院有限公司 | 一种采煤区废弃油井硫化氢灾害危险性综合判识方法 |
CN112632755B (zh) * | 2020-12-03 | 2024-04-30 | 中煤科工集团重庆研究院有限公司 | 一种采煤区废弃油井硫化氢灾害危险性综合判识方法 |
CN114818516B (zh) * | 2022-06-27 | 2022-09-20 | 中国石油大学(华东) | 一种井筒腐蚀形态剖面智能预测方法 |
CN114818516A (zh) * | 2022-06-27 | 2022-07-29 | 中国石油大学(华东) | 一种井筒腐蚀形态剖面智能预测方法及程序产品 |
CN115797877A (zh) * | 2023-02-13 | 2023-03-14 | 山东鸿德电力科技有限公司 | 一种电力传输设备的智能监控方法、系统及介质 |
CN115797877B (zh) * | 2023-02-13 | 2023-05-05 | 山东鸿德电力科技有限公司 | 一种电力传输设备的智能监控方法、系统及介质 |
CN117497074A (zh) * | 2023-10-30 | 2024-02-02 | 南智(重庆)能源技术有限公司 | 特高含硫气田管柱管道系统腐蚀分析方法、装置及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN109815595B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109815595A (zh) | 油气田井下管柱及井口输气管线硫化氢腐蚀大数据分析方法 | |
CN103455682B (zh) | 一种预测高温高压井腐蚀套管剩余寿命的方法 | |
EP2917127B1 (en) | Well integrity management using coupled engineering analysis | |
CA2586609A1 (en) | Generating a geometric database of coiled tubing for use in designing service of the coiled tubing | |
CN111648764B (zh) | 一种多层气藏井下分布式温度监测产出剖面解释评价方法 | |
CN107084899A (zh) | 一种输气管道腐蚀疲劳裂纹扩展趋势的分形维数表征方法 | |
WO2016123252A1 (en) | Fluid monitoring systems and methods | |
CN113432857B (zh) | 基于数字孪生的水下采油树系统剩余使用寿命预测方法及系统 | |
Igor et al. | Impact of long-term operation on the reliability and durability of transit gas pipelines | |
CN114417697A (zh) | 一种基于神经网络的tbm滚刀磨损实时预测方法及系统 | |
CN111157346A (zh) | 地下水封储油库水幕系统设计及修正的分析系统及方法 | |
Wang et al. | Reducing NPT Using a Novel Approach to Real-Time Drilling Data Analysis | |
RU2459136C2 (ru) | Способ мониторинга коррозии трубопровода и устройство для его осуществления | |
CN115929279B (zh) | 一种注采平衡下判断干扰强度的图版分析法 | |
Stubelj et al. | Pipeline predictive analitics trough on-line remote corrosion monitoring | |
Guan et al. | Application of probabilistic model in pipeline direct assessment | |
Onuoha et al. | Application Of Industry 4.0 Technologies For Effective Remote Monitoring Of Cathodic Protection System Of Oil And Gas Pipelines-A Systematic Review | |
Uruchurtu-Chavarin et al. | Artificial intelligence for the assessment on the corrosion conditions diagnosis of transmission line tower foundations | |
Rowlan et al. | Overview of beam pump operations | |
Jiang et al. | Research progress of sucker rod fracture detection and prediction model | |
Wang et al. | Leak detection method for bottom plate of oil tank based on oil/gas leak detection | |
Liao et al. | An effective internal corrosion rate prediction model for the wet natural gas gathering pipeline | |
CN105354615A (zh) | 防喷阀的可变成本实时预测维护与备件订购方法及系统 | |
RU2262634C1 (ru) | Способ выявления участков трубопровода, предрасположенных к коррозионному растрескиванию под напряжением | |
Tan et al. | An overview of recent progresses in acquiring, visualizing and interpreting pipeline corrosion monitoring data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |