CN112668206A - 一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法 - Google Patents
一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法 Download PDFInfo
- Publication number
- CN112668206A CN112668206A CN202110072558.0A CN202110072558A CN112668206A CN 112668206 A CN112668206 A CN 112668206A CN 202110072558 A CN202110072558 A CN 202110072558A CN 112668206 A CN112668206 A CN 112668206A
- Authority
- CN
- China
- Prior art keywords
- data
- formula
- corrosion
- value
- model
- 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
Images
Landscapes
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明公开了一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法,所述包括采集酸性气田输气管道的腐蚀影响因素数据和腐蚀速率监测数据,将采集到的进行异常数据值筛选和缺失值补充;建立考虑多因素的腐蚀预测模型,并利用多元回归分析确定模型参数,将得到的模型进行可靠性检验。本发明基于酸性气田实际生产工况数据,综合考虑了腐蚀主要因素对腐蚀速率的影响,建立了腐蚀预测模型。避免了大量室内实验研究造成的人力物力的耗费,以及小样本引起的模型精度差的问题,对于酸性气田更有针对性地开展防腐工作具有重要意义,为气田降低安全风险以及减少经济损失提供指导。
Description
技术领域
本发明涉及酸性气田腐蚀防护领域,具体是涉及一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法。
背景技术
过去几十年,加拿大、俄罗斯、美国、中国等许多国家相继发现了大量含有H2S或/和CO2的油气藏,并将这类油气田统称为酸性油气田。在国内,大多数气田都含有H2S或/和CO2,酸性油气的开采将成为未来油气开发的主要战场。
酸性气田常采用气液混输工艺对从单井到集气站的采出气进行集输。气液混输工艺是指不经过分离处理而直接通过一个管道升压将井口采出气输送到集气站进行处理的一种集输工艺。由于采出气中含有大量地层水,同时伴有较高的H2S和CO2,具有极强的腐蚀性,流经集气管线后往往对管线内壁造成严重的腐蚀,此外,管道内气体流速对管道腐蚀有较大影响,流速过大破坏缓蚀剂膜,且气体在管道流动过程中常挟带泥沙,对输气管道造成磨损,加剧管道内腐蚀,由此可见,影响酸性气田管道腐蚀的因素众多。
因此,对于管道防腐蚀工程而言,科学合理地预测酸性气田集输管道的内腐蚀速率具有重要的意义。
目前,有关CO2单独作用对腐蚀速率影响的模型较多,Shell公司的De Waard95模型将腐蚀环境温度、介质流速、pH等影响因素融入模型,NorsokM506预测模型考虑了温度、CO2分压、流速。Intetech基于De Waard模型针对油井和油管线开发的,考虑了温度和H2S分压对腐蚀的影响。有关CO2和H2S共同作用对腐蚀速率预测的模型较少。
本发明基于酸性气田实际生产工况,通过对酸性气田腐蚀因素检测数据和腐蚀速率监测数据的整理分析,综合考虑了温度、H2S分压、CO2分压、流速、Cl-浓度的对腐蚀速率的影响,利用多元回归计算,有针对性地实现酸性气田腐蚀速率的准确预测。
发明内容
本发明所要解决的问题在于针对上述现有方法中的不足,本发明的目的是提供一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法,,该发明通过对酸性气田相关历史原料气组分数据、气田水数据、气井生产日报表及管线腐蚀速率监测数据等数据资料进行数据分析与数据挖掘的方式,来提供一种便捷、精准,又能实现实时腐蚀预测的方法。
本发明采用以下技术方案,一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法,其特征在于,包含以下步骤:
其中,所采集的n个时刻下的n组数据中(i=1,2,…,n;n>5)为ti时间下检测的温度数据值、为ti时间下检测的CO2分压、为ti时间下检测的H2S分压、为ti时间下的流速值、为ti时间下检测的Cl-浓度值,为与同时间下监测的腐蚀速率值;
步骤二:对腐蚀速率和腐蚀因素数据进行预处理,包括数据筛选和数据补充;
利用箱型图对数据进行筛选识别异常值,满足异常值筛选条件,见式(1)式(2),则作为异常值剔除;
异常值<QL-1.5IQR (1)
异常值>QU+1.5IQR (2)
其中,统计学中把所有数值由小到大排列并分成四等份,数据排序后处于25%位置上的数据值QL称为下四分位数,表示全部数据值中有四分之一的数据值比它小;处在75%位置上的数据值QU称为上四分位数,表示有四分之一的数据值比它大;IQR是四分位数间距,是QU与QL之差;
异常值剔除后作为缺失值处理,并利用拉格朗日插值法对缺失值进行补充,见式(3):
式中:a、b、c为某个腐蚀因素或腐蚀速率数据中的连续3个点的数据;
ta为a数据点所对应的检测时间,tb为b数据点所对应的检测时间,tc为c数据点所对应的检测时间;
t为ta~tc间某缺失数值所对应的检测时间;
d为插值计算得t时刻对应的数值;
步骤三:建立考虑多因素的腐蚀预测模型;
综合考虑温度、H2S分压、CO2分压、流速、Cl-浓度的对腐蚀速率的影响,建立含未知参数的腐蚀预测模型,见式(3):
步骤四:变量转换;
将式(4)中的变量做如下转换:
Y=lnVcorr (5)
X2=t (7)
X5=lnυ (10)
X6=lnCl- (11)
由此可以看出,Y与X1、X2、X3、X4、X5、X6有线性关系,因此得到了多元线性回归模型的一般形式(12)为:
Y=β0+β1X1+…+β6X6+ε (12)
式中β0,β1,…,β6是回归系数,ε是不可观测的随机误差;
步骤五:多元线性回归分析确定参数;
将中的代入式(5)得到yi,将代入式(6)、式(7)得到xi1、xi2,将代入式(8)得到xi3,将代入式(9)得到xi4,将代入式(10)得到xi5,将代入式(11)得到xi6,再将得到的(y1,x11,x12,x13,x14,x15,x16),(y2,x21,x22,x23,x24,x25,x26),……,(yn,xn1,xn2,xn3,xn4,xn5,xn6)分别代入式(12),则得到(13):
通过拟合求解得到回归系数,从而求得关于腐蚀速率的多元线性回归方程(14):
因此,可以得到yi的模型估计值
步骤六:模型的检验;
步骤五完成后,还需进一步对该样本回归函数进行统计检验,以判定估计的可靠程度,包括拟合优度检验(可决系数R2检验)、方程总体线性的显著性检验(F检验)、模型方差估计等方面;
①拟合优度检验(可决系数R2检验),其公式(16)表示为:
②方程显著性检验(F检验),其公式(17)表示为:
自由度为6且显著水平α为0.05的情况下,如R2>0.95,则认为多元线性方程拟合优度较高,具备合理性;查找F检验临界值表,如果F>Fα(6,n-7),则拒绝原假设,判定Y与X1,X2,……,X6之间的回归效果显著,即认为原方程总体上的线性关系显著;与F对应的概率小于p时,回归模型成立;
步骤七:如回归得到的模型全部满足步骤六的检验条件,则取全部满足条件的腐蚀预测模型作为最终的腐蚀预测模型;如不满足步骤六的检验条件,则扩大样本数据量,重复步骤二、步骤三、步骤四、步骤五、步骤六,直至满足步骤六的检验条件为止。
进一步的,所述的可决系数R2取值范围在0.95-0.99。
进一步的,所述的p取值范围在0-0.05。
附图说明
图1是一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法的流程图。
具体实施方式
下面结合附图和实施例对本发明进行详细说明,实施例在以本发明技术方案为前提下进行实施,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
如图1所示为一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法的流程图。
1.一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法,其特征在于,包含以下步骤:
步骤一:收集酸性气田地面集输系统集气站站内输气管线及站间输气管线的管材管径数据、原料气组分数据、气田水数据、气井生产日报表及管线腐蚀速率监测数据,整理得到n个时刻下的n组数据:t1时刻t2时刻……,tn时刻n大于5;
其中,所采集的n个时刻下的n组数据中(i=1,2,…,n;n>5)为ti时间下检测的温度数据值、为ti时间下检测的CO2分压、为ti时间下检测的H2S分压、为ti时间下的流速值、为ti时间下检测的Cl-浓度值,为与同时间下监测的腐蚀速率值;
步骤二:对腐蚀速率和腐蚀因素数据进行预处理,包括数据筛选和数据补充;
利用箱型图对数据进行筛选识别异常值,满足异常值筛选条件,见式(1)式(2),则作为异常值剔除;
异常值<QL-1.5IQR (1)
异常值>QU+1.5IQR (2)
其中,统计学中把所有数值由小到大排列并分成四等份,数据排序后处于25%位置上的数据值QL称为下四分位数,表示全部数据值中有四分之一的数据值比它小;处在75%位置上的数据值QU称为上四分位数,表示有四分之一的数据值比它大;IQR是四分位数间距,是QU与QL之差;
异常值剔除后作为缺失值处理,并利用拉格朗日插值法对缺失值进行补充,见式(3):
式中:a、b、c为某个腐蚀因素或腐蚀速率数据中的连续3个点的数据;
ta为a数据点所对应的检测时间,tb为b数据点所对应的检测时间,tc为c数据点所对应的检测时间;
t为ta~tc间某缺失数值所对应的检测时间;
d为插值计算得t时刻对应的数值;
步骤三:建立考虑多因素的腐蚀预测模型;
综合考虑温度、H2S分压、CO2分压、流速、Cl-浓度的对腐蚀速率的影响,建立含未知参数的腐蚀预测模型,见式(3):
步骤四:变量转换;
将式(4)中的变量做如下转换:
Y=lnVcorr (5)
X2=t (7)
X5=lnυ (10)
X6=lnCl- (11)
由此可以看出,Y与X1、X2、X3、X4、X5、X6有线性关系,因此得到了多元线性回归模型的一般形式(12)为:
Y=β0+β1X1+…+β6X6+ε (12)
式中β0,β1,…,β6是回归系数,ε是不可观测的随机误差;
步骤五:多元线性回归分析确定参数;
将中的代入式(5)得到yi,将代入式(6)式(7)得到xi1、xi2,将代入式(8)得到xi3,将代入式(9)得到xi4,将代入式(10)得到xi5,将代入式(11)得到xi6,再将得到的(y1,x11,x12,x13,x14,x15,x16),(y2,x21,x22,x23,x24,x25,x26),……,(yn,xn1,xn2,xn3,xn4,xn5,xn6)分别代入式(12),则得到(13):
通过拟合求解得到回归系数,从而求得关于腐蚀速率的多元线性回归方程(14):
因此,可以得到yi的模型估计值
步骤六:模型的检验;
步骤五完成后,还需进一步对该样本回归函数进行统计检验,以判定估计的可靠程度,包括拟合优度检验(可决系数R2检验)、方程总体线性的显著性检验(F检验)、模型方差估计等方面;
①拟合优度检验(可决系数R2检验),其公式(16)表示为:
②方程显著性检验(F检验),其公式(17)表示为:
自由度为6且显著水平α为0.05的情况下,如R2>0.95,则认为多元线性方程拟合优度较高,具备合理性;查找F检验临界值表,如果F>Fα(6,n-7),则拒绝原假设,判定Y与X1,X2,……,X6之间的回归效果显著,即认为原方程总体上的线性关系显著;与F对应的概率小于p时,回归模型成立;
步骤七:如回归得到的模型全部满足步骤六的检验条件,则取全部满足条件的腐蚀预测模型作为最终的腐蚀预测模型;如不满足步骤六的检验条件,则扩大样本数据量,重复步骤二、步骤三、步骤四、步骤五、步骤六,直至满足步骤六的检验条件为止。
进一步的,所述的可决系数R2取值范围在0.95-0.99。
进一步的,所述的p取值范围在0-0.05。
实施例
一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法,包括以下步骤:
已知某酸性气田集气站B天然气输送工艺采用加热、节流、保温、分离的湿气输送集输工艺,天然气经采气树节流阀、二级节流阀,进入加热炉,在加热炉入口集输管道上设有腐蚀挂片和电阻探针用于监测腐蚀速率,并每月检测原料气组分和气田水数据,该集输管道材质为L360QS,管径为DN100。
步骤一:收集酸性气田B地面集输系统集气站站内输气管线及站间输气管线的管材管径数据、原料气组分数据、气田水数据、气井生产日报表及管线腐蚀速率监测数据,整理得到10个时刻下的10组数据:2017年1月(56.71,8.93,0.42852,0.22712,1027.34,0.00060),2017年2月(56.71,9.75,0.43294,0.22129,442.34,0.00061),……,2019年10月(42.72,5.51,0.93370,0.23574,71.760,0.00160),如表1所示;
表1酸性气田管道腐蚀因素及腐蚀速率数据表
步骤二:对腐蚀速率和腐蚀因素数据进行预处理包括数据筛选和数据补充;
利用箱型图对数据进行筛选识别异常值,2017年1月Cl-浓度值满足异常值筛选条件,见式(1)式(2),则作为异常值剔除;
异常值剔除后作为缺失值处理,并利用拉格朗日插值法对缺失值进行补充,见式(3),补充后的2017年1月Cl-浓度值为416.39mg/L;
异常数据剔除并补充,无异常数据大小不变,得到预处理后的10个时刻下的10组数据,如下表2所示:
表2预处理后的数据表
步骤三:建立考虑多因素的腐蚀预测模型;
综合考虑温度、H2S分压、CO2分压、流速、Cl-浓度的对腐蚀速率的影响,建立含未知参数的腐蚀预测模型,见式(3):
步骤四:变量转换;
将式(4)中的变量做如下转换:
Y=lnVcorr (5)
X2=t (7)
X5=lnυ (10)
X6=lnCl- (11)
由此可以看出,Y与X1、X2、X3、X4、X5、X6有线性关系,因此得到了多元线性回归模型的一般形式(12)为:
Y=β0+β1X1+…+β6X6+ε (12)
式中β0,β1,…,β6是回归系数,ε是不可观测的随机误差;
步骤五:多元线性回归分析确定参数;
将(i=1,2,…,n)中的代入式(5)得到yi,将代入式(6)、式(7)得到xi1、xi2,将代入式(8)得到xi3,将代入式(9)得到xi4,将代入式(10)得到xi5,将代入式(11)得到xi6再将得到的(y1,x11,x12,x13,x14,x15,x16),(y2,x21,x22,x23,x24,x25,x26),……,(yn,xn1,xn2,xn3,xn4,xn5,xn6)分别代入式(12),则得到(13):
通过拟合求解得到回归系数,从而求得关于腐蚀速率的多元线性回归方程(14):
因此,可以得到yi的模型估计值
步骤六:模型的检验;
步骤五完成后,还需进一步对该样本回归函数进行统计检验,以判定估计的可靠程度,包括拟合优度检验(可决系数R2检验)、方程总体线性的显著性检验(F检验)、模型方差估计等方面;
①拟合优度检验(可决系数R2检验),计算式(16)得R2=0.9904;
②方程显著性检验(F检验),计算式(17)得F=82.5377;
通过上述检验计算,自由度为6且显著水平α为0.05的情况下,R2>0.95,则认为实施例中拟合回归的多元线性方程拟合优度较高,具备合理性;查找F检验临界值表,F0.95(6,3)=8.941,F>Fα(6,n-7),则拒绝原假设,判定Y与X1,X2,……,X6之间的回归效果显著,即认为原方程总体上的线性关系显著;与F对应的概率为0.0004小于p(p取值范围在0-0.05),回归模型成立;
步骤七:实例中回归得到的模型全部满足步骤六的检验条件,则取全部满足条件的腐蚀预测模型作为最终的腐蚀预测模型。
通过上述计算,实施例中的考虑多因素的酸性气田B腐蚀预测模型为:
预测模型计算数据与腐蚀速率监测数据对比分析,腐蚀速率预测误差小于12%,腐蚀速率预测可靠。
该方法在对酸性气田腐蚀预测模型的建立过程中,综合考虑了温度、H2S分压、CO2分压、流速、Cl-浓度的对腐蚀速率的影响,以此提出一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法。该方法基于酸性气田实际生产工况,通过对酸性气田腐蚀因素检测数据和腐蚀速率监测数据的多元回归计算,有针对性地实现酸性气田腐蚀速率的准确预测,对于酸性气田更有针对性地开展防腐工作具有重要意义,为气田降低安全风险以及减少经济损失提供指导。
Claims (3)
1.一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法,其特征在于,包含以下步骤:
步骤一:收集酸性气田地面集输系统集气站站内输气管线及站间输气管线的管材管径数据、原料气组分数据、气田水数据、气井生产日报表及管线腐蚀速率监测数据,整理得到n个时刻下的n组数据:t1时刻t2时刻……,tn时刻
其中,所采集的n个时刻下的n组数据中(i=1,2,…,n;n>5)为ti时间下检测的温度数据值、为ti时间下检测的CO2分压、为ti时间下检测的H2S分压、为ti时间下的流速值、为ti时间下检测的Cl-浓度值,为与同时间下监测的腐蚀速率值;
步骤二:对腐蚀速率和腐蚀因素数据进行预处理,包括数据筛选和数据补充;
利用箱型图对数据进行筛选识别异常值,满足异常值筛选条件,见式(1)式(2),则作为异常值剔除;
异常值<QL-1.5IQR (1)
异常值>QU+1.5IQR (2)
其中,统计学中把所有数值由小到大排列并分成四等份,数据排序后处于25%位置上的数据值QL称为下四分位数,表示全部数据值中有四分之一的数据值比它小;处在75%位置上的数据值QU称为上四分位数,表示有四分之一的数据值比它大;IQR是四分位数间距,是QU与QL之差;
异常值剔除后作为缺失值处理,并利用拉格朗日插值法对缺失值进行补充,见式(3):
式中:a、b、c为某个腐蚀因素或腐蚀速率数据中的连续3个点的数据;
ta为a数据点所对应的检测时间,tb为b数据点所对应的检测时间,tc为c数据点所对应的检测时间;
t为ta~tc间某缺失数值所对应的检测时间;
d为插值计算得t时刻对应的数值;
步骤三:建立考虑多因素的腐蚀预测模型;
综合考虑温度、H2S分压、CO2分压、流速、Cl-浓度的对腐蚀速率的影响,建立含未知参数的腐蚀预测模型,见式(3):
步骤四:变量转换;
将式(4)中的变量做如下转换:
Y=lnVcorr (5)
X2=t (7)
X5=lnυ (10)
X6=lnCl- (11)
由此可以看出,Y与X1、X2、X3、X4、X5、X6有线性关系,因此得到了多元线性回归模型的一般形式(12)为:
Y=β0+β1X1+…+β6X6+ε (12)
式中β0,β1,…,β6是回归系数,ε是不可观测的随机误差;
步骤五:多元线性回归分析确定参数;
将中的代入式(5)得到yi,将代入式(6)、式(7)得到xi1、xi2,将代入式(8)得到xi3,将代入式(9)得到xi4,将代入式(10)得到xi5,将代入式(11)得到xi6,再将得到的(y1,x11,x12,x13,x14,x15,x16),(y2,x21,x22,x23,x24,x25,x26),……,(yn,xn1,xn2,xn3,xn4,xn5,xn6)分别代入式(12),则得到(13):
通过拟合求解得到回归系数,从而求得关于腐蚀速率的多元线性回归方程(14):
因此,可以得到yi的模型估计值:
步骤六:模型的检验;
步骤五完成后,还需进一步对该样本回归函数进行统计检验,以判定估计的可靠程度,包括拟合优度检验(可决系数R2检验)、方程总体线性的显著性检验(F检验)、模型方差估计等方面;
①拟合优度检验(可决系数R2检验),其公式(16)表示为:
②方程显著性检验(F检验),其公式(17)表示为:
自由度为6且显著水平α为0.05的情况下,如R2>0.95,则认为多元线性方程拟合优度较高,具备合理性;查找F检验临界值表,如果F>Fα(6,n-7),则拒绝原假设,判定Y与X1,X2,……,X6之间的回归效果显著,即认为原方程总体上的线性关系显著;与F对应的概率小于p时,回归模型成立;
步骤七:如回归得到的模型全部满足步骤六的检验条件,则取全部满足条件的腐蚀预测模型作为最终的腐蚀预测模型;如不满足步骤六的检验条件,则扩大样本数据量,重复步骤二、步骤三、步骤四、步骤五、步骤六,直至满足步骤六的检验条件为止。
2.根据权利要求1所述的一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法,其特征在于:所述的可决系数R2取值范围在0.95-0.99。
3.根据权利要求1所述的一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法,其特征在于:所述的p取值范围在0-0.05。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110072558.0A CN112668206B (zh) | 2021-01-20 | 2021-01-20 | 一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110072558.0A CN112668206B (zh) | 2021-01-20 | 2021-01-20 | 一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112668206A true CN112668206A (zh) | 2021-04-16 |
CN112668206B CN112668206B (zh) | 2022-03-15 |
Family
ID=75415776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110072558.0A Active CN112668206B (zh) | 2021-01-20 | 2021-01-20 | 一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112668206B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343498A (zh) * | 2021-07-05 | 2021-09-03 | 西南石油大学 | 一种含h2s/co2环境管道钢腐蚀速率计算方法 |
CN113806964A (zh) * | 2021-09-30 | 2021-12-17 | 西南石油大学 | 一种考虑多因素耦合作用的腐蚀与结垢速率预测方法 |
CN114062236A (zh) * | 2021-11-12 | 2022-02-18 | 西南石油大学 | 一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型 |
CN114091320A (zh) * | 2021-09-24 | 2022-02-25 | 北京市煤气热力工程设计院有限公司 | 一种天然气管道腐蚀失效时间预测方法及装置 |
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 |
CN115308113A (zh) * | 2022-07-01 | 2022-11-08 | 西南石油大学 | 基于多元非线性拟合的页岩气集输管道腐蚀速率预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005337838A (ja) * | 2004-05-26 | 2005-12-08 | Chugoku Electric Power Co Inc:The | 腐食劣化評価装置及び方法、コンピュータプログラム、記録媒体 |
CN102052076A (zh) * | 2009-10-30 | 2011-05-11 | 中国石油化工股份有限公司 | 一种对含有h2s/co2气田井筒流体成份监测系统及其分析方法 |
CN103870670A (zh) * | 2012-12-17 | 2014-06-18 | 中国石油天然气集团公司 | 一种油管腐蚀程度预测方法及装置 |
CN206161502U (zh) * | 2016-11-10 | 2017-05-10 | 广东电网有限责任公司电力科学研究院 | 一种低温腐蚀检测系统 |
CN111177947A (zh) * | 2020-01-12 | 2020-05-19 | 西南石油大学 | 一种考虑多因素的co2腐蚀预测图版建立方法 |
-
2021
- 2021-01-20 CN CN202110072558.0A patent/CN112668206B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005337838A (ja) * | 2004-05-26 | 2005-12-08 | Chugoku Electric Power Co Inc:The | 腐食劣化評価装置及び方法、コンピュータプログラム、記録媒体 |
CN102052076A (zh) * | 2009-10-30 | 2011-05-11 | 中国石油化工股份有限公司 | 一种对含有h2s/co2气田井筒流体成份监测系统及其分析方法 |
CN103870670A (zh) * | 2012-12-17 | 2014-06-18 | 中国石油天然气集团公司 | 一种油管腐蚀程度预测方法及装置 |
CN206161502U (zh) * | 2016-11-10 | 2017-05-10 | 广东电网有限责任公司电力科学研究院 | 一种低温腐蚀检测系统 |
CN111177947A (zh) * | 2020-01-12 | 2020-05-19 | 西南石油大学 | 一种考虑多因素的co2腐蚀预测图版建立方法 |
Non-Patent Citations (5)
Title |
---|
DEZHI ZENG等: "Role of polyacrylamide concentration on corrosion behavior of N80 steel in the HPAM/H2S/CO2 environment", 《WILEY ONLINE LIBRARY》 * |
张万: "苏里格气田井筒腐蚀规律及影响因素研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
张智等: "基于腐蚀时间效应的含H2S/CO2环境中的腐蚀速率预测模型", 《材料保护》 * |
李天雷等: "油田采出水缓蚀剂合成筛选研究", 《天然气与石油》 * |
熊钢等: "浅析酸性天然气集输管道失效特性", 《石油与天然气化工》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343498A (zh) * | 2021-07-05 | 2021-09-03 | 西南石油大学 | 一种含h2s/co2环境管道钢腐蚀速率计算方法 |
CN114091320A (zh) * | 2021-09-24 | 2022-02-25 | 北京市煤气热力工程设计院有限公司 | 一种天然气管道腐蚀失效时间预测方法及装置 |
CN113806964A (zh) * | 2021-09-30 | 2021-12-17 | 西南石油大学 | 一种考虑多因素耦合作用的腐蚀与结垢速率预测方法 |
CN114062236A (zh) * | 2021-11-12 | 2022-02-18 | 西南石油大学 | 一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型 |
CN114062236B (zh) * | 2021-11-12 | 2022-08-09 | 西南石油大学 | 一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型 |
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 |
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 |
CN115308113A (zh) * | 2022-07-01 | 2022-11-08 | 西南石油大学 | 基于多元非线性拟合的页岩气集输管道腐蚀速率预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112668206B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112668206B (zh) | 一种考虑多因素的酸性气田腐蚀预测模型及参数确定方法 | |
CN110132603B (zh) | 基于并集置信规则库和蚁群算法的船舶柴油机故障定位方法 | |
CN1520536A (zh) | 石油和天然气生产系统中检测和校正传感器故障的方法 | |
CN110298540B (zh) | 一种油气田地面管道内腐蚀风险评价方法 | |
CN111578150B (zh) | 一种油气输送管网安全在线实时监测与预警管理系统 | |
Thomann et al. | An efficient monitoring concept with control charts for on-line sensors | |
US20220405715A1 (en) | Inspection related systems and methods | |
CN107687986B (zh) | 一种评价沉积岩中总有机碳含量的方法 | |
CN113626970A (zh) | 公共管廊管道腐蚀剩余寿命评估方法及系统 | |
CN112780953B (zh) | 一种基于模式检测的独立计量区域管网漏损检测方法 | |
CN112329590B (zh) | 一种管道组件检测系统及检测方法 | |
CN111417970A (zh) | 利用实时数据的湿井预测 | |
Yang et al. | Fault diagnosis of electric submersible pump tubing string leakage | |
Dawod et al. | On efficient estimation strategies in monitoring of linear profiles | |
CN111242381A (zh) | 一种工业循环水系统关键指标的预测方法 | |
CN116467551A (zh) | 一种基于相关系数的供水管网漏损定位方法及系统 | |
CN113836813B (zh) | 一种基于数据分析的高炉风口漏水检测方法 | |
Hilgefort | Big data analysis using Bayesian network modeling: a case study with WG-ICDA of a gas storage field | |
Stubelj et al. | Pipeline predictive analitics trough on-line remote corrosion monitoring | |
CN108240960B (zh) | 一种预测在役长输油气管道内腐蚀程度的方法 | |
Oladeinde et al. | A mathematical model for predicting output in an oilfield in the Niger Delta Area of Nigeria | |
Du et al. | A critical change point detection method in threaded steel pipe connection processes using two stage sequential piecewise linear approach | |
CN117725514B (zh) | 一种溢流识别处理方法及溢流识别处理装置 | |
RU2753108C2 (ru) | Способ выявления растущих дефектов магистральных трубопроводов | |
CN117408502B (zh) | 应用于油气生产系统的数据流编排方法及系统 |
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 |