CN113919109A - 一种高含硫集输管道腐蚀敏感参数评价方法 - Google Patents

一种高含硫集输管道腐蚀敏感参数评价方法 Download PDF

Info

Publication number
CN113919109A
CN113919109A CN202111537440.7A CN202111537440A CN113919109A CN 113919109 A CN113919109 A CN 113919109A CN 202111537440 A CN202111537440 A CN 202111537440A CN 113919109 A CN113919109 A CN 113919109A
Authority
CN
China
Prior art keywords
corrosion
sulfur
content
mass
flow rate
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.)
Pending
Application number
CN202111537440.7A
Other languages
English (en)
Inventor
赵帅
廖柯熹
何国玺
杨娜
陈迪
覃敏
叶男
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Petroleum University
Original Assignee
Southwest Petroleum University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Petroleum University filed Critical Southwest Petroleum University
Priority to CN202111537440.7A priority Critical patent/CN113919109A/zh
Publication of CN113919109A publication Critical patent/CN113919109A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/10—Analysis or design of chemical reactions, syntheses or processes
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Geometry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Analytical Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Mathematical Physics (AREA)
  • Fluid Mechanics (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)

Abstract

本发明公开了一种高含硫集输管道腐蚀敏感参数评价方法，属于高含硫集输管道腐蚀评价分析领域。其特征在于：收集高含硫集输管道的设计数据、介质组分以及运行数据的基础参数，采用质量方程、动量平衡方程以及能量平衡方程求出高含硫集输管道中各参数的沿线分布规律；利用多因子方差分析液体流速、气体流速、持液率、温度、硫化氢分压、二氧化碳分压、压力对腐蚀速率的敏感参数，筛选腐蚀主控因素，运用FP树频集算法，建立腐蚀速率与敏感参数之间的关联规则，绘制高含硫集输管道腐蚀敏感参数图版，将主控因素的值代入图版中，判断高含硫集输管道的腐蚀等级。该方法简化了图版建立的过程，节约成本、省时省力，推广性强，实用性高。

Description

一种高含硫集输管道腐蚀敏感参数评价方法
技术领域
本发明涉及高含硫集输管道腐蚀评价分析领域，具体涉及一种高含硫集输管道腐蚀敏感参数评价方法。
背景技术
高含硫集输管道具有“高硫化氢、高二氧化碳、高水、高氯离子、高矿化度、低pH值”的“五高一低”强腐蚀性特点，内腐蚀环境十分苛刻。由于外输伴生气是未处理的湿气，随着输送运行温度、压力的降低变化，在管道低洼段和爬坡段凝析形成积液，硫化氢和二氧化碳溶解于管道积液，形成硫化氢/二氧化碳/水共存下的电化学腐蚀环境，随着服役时间的延长，管线腐蚀问题日益严重。某高含硫集输管道于2011年6月投产，但在2019年8月开始集中爆发穿孔，在46天内连续穿孔18次。
目前，许多专家通过高温高压动态反应釜进行正交实验，考虑了温度、硫化氢含量、二氧化碳含量等腐蚀敏感因素对腐蚀速率的影响，但需要大量的实验数据才能确定影响腐蚀的主控因素。通过对管道完整性数据关联规则挖掘流程进行研究，对经典关联规则挖掘算法（Apriori算法）中频繁项集生成效率进行优化，结合中国石油某管道开展完整性管理积累的外检测与内检测数据进行了关联规则挖掘；在传统Apriori算法的基础上改进算法中数据库的扫描次数，筛选出有用候选集。传统的Apriori关联规则算法存在耗时长，无效规则多，不适用于高含硫伴生气管道腐蚀因素的关联规则分析。
因此，发明一种方便和快捷评价现场高含硫集输管道腐蚀的方法十分必要。
发明内容
本发明的目的在于提供一种高含硫集输管道腐蚀敏感参数评价方法，以判断高含硫集输管道的腐蚀指标，提前进行管道防护措施，延长管道使用寿命。
本发明是一种高含硫集输管道腐蚀敏感参数评价方法，所述的方法具体过程包括以下步骤：
步骤1：收集高含硫集输管道的设计数据、介质组分以及运行数据的基础参数，设计数据包括管材、管长、管径、壁厚；介质组分包括二氧化碳含量、硫化氢含量、氮气含量、甲烷含量、乙烷含量、丙烷含量；运行数据包括质量流量、出入口压力、出入口温度；
步骤2：基于步骤1中收集到的基础参数，采用质量方程、动量平衡方程以及能量平衡方程求出高含硫集输管道中腐蚀速率、液体流速、气体流速、持液率、温度、硫化氢分压、二氧化碳分压、压力的沿线分布规律，并分别绘制腐蚀速率、液体流速、气体流速、持液率、温度、硫化氢分压、二氧化碳分压、压力的沿线分布图；
质量方程：对于以U i 速度运动的质量场m i ，质量方程为：
Figure DEST_PATH_IMAGE002
（1）
式中：∂ t 表示时间上的微分，∂ z 表示空间分异，ψ ji 表示第j个和第i个质量场之间的质量转移速率，即分散、液滴沉积和夹带以及相变，G i 表示任何质量源；
动量平衡方程：对于表示为miUi的动量场，动量平衡方程为：
Figure DEST_PATH_IMAGE004
（2）
式中：∂ t 表示时间上的微分，∂ t 表示空间分异，g表示重力加速度，φ表示相对于重力矢量的管道角度，p i 表示压力，G i U i 表示对应于质量源/汇G i 的动量贡献，F i ji 表示第i和第j质量场之间的摩擦力，F w 表示壁面摩擦力；ψ ji 表示与第j和第i质量场之间的质量传递相对应的动量贡献；在上面的等式中，ψ + ji 表示质量场i到j的净贡献，而ψ - ji 表示质量场j到i的净贡献；
能量平衡方程：质量场m i 的能量平衡方程为：
Figure DEST_PATH_IMAGE006
（3）
式中：Ei表示场能，Hi表示场焓，S表示焓源/汇，Q表示通过管壁的热通量，Tij表示场间的能量传递；
步骤3：基于步骤2中计算得到的腐蚀速率，利用多因子方差分析液体流速、气体流速、持液率、温度、硫化氢分压、二氧化碳分压、压力对腐蚀速率的敏感参数，并统计概率P值，筛选腐蚀主控因素；
在多相流的计算中第i个液体流速的第j次腐蚀速率为v i j ，则存在如公式（4）的关系，
Figure DEST_PATH_IMAGE008
（4）
式中m为腐蚀因素个数；μ i 为第i个水平影响变量的均值；α ni j 为影响第n个输入信号第i个水平、第j次腐蚀速率的主效应，ε i j为误差，分别对s个水平进行假设检验，判断其主效应是否为0，如公式（5），
Figure DEST_PATH_IMAGE010
（5）
式中H n0为敏感参数；
对其余腐蚀因素进行分析时，采用与液体流速分析相同的方法，将公式（4）中液体流速相关的参数换为相应的腐蚀因素；
步骤4：基于步骤3中分析得到的腐蚀主控因素的敏感参数，运用FP树频集算法，建立腐蚀速率与腐蚀主控因素的敏感参数之间的关联规则；
步骤5：基于步骤4确定的关联规则，绘制腐蚀主控因素的高含硫集输管道腐蚀敏感参数图版，从步骤2中的沿线分布图中读取高含硫集输管道具体位置处的主控因素的值后，将其代入图版中，判断高含硫集输管道的腐蚀等级。
所述的一种高含硫集输管道腐蚀敏感参数评价方法，腐蚀因素考虑了液体流速、气体流速、持液率、温度、硫化氢分压、二氧化碳分压和压力七种因素，高含硫集输管道中具体位置的腐蚀因素的值从沿线分布图中读取。
本发明由于采用以上的技术方案，具有以下特点：
（1）针对不同特定工况的高含硫集输管道均可建立相应的腐蚀敏感参数评价图版，为预防管道腐蚀提供重要依据。
（2）基于现场检测数据，验证了关联规则的正确性，简化了图版建立的过程。
（3）该方法无需进行实际测试，节约成本、省时省力，推广性强，实用性高。
附图说明
图1是一种高含硫集输管道腐蚀敏感参数评价方法的流程图；
图2是实施例1某高含硫集输管道的腐蚀速率沿线分布规律；
图3是实施例1某高含硫集输管道的液体流速沿线分布规律；
图4是实施例1某高含硫集输管道的气体流速沿线分布规律；
图5是实施例1某高含硫集输管道的持液率沿线分布规律；
图6是实施例1某高含硫集输管道的温度沿线分布规律；
图7是实施例1某高含硫集输管道的压力沿线分布规律；
图8是实施例1某高含硫集输管道的硫化氢分压沿线分布规律；
图9是实施例1某高含硫集输管道的二氧化碳分压沿线分布规律；
图10是实施例1某高含硫集输管道腐蚀敏感参数图版；
图11是实施例2某高含硫集输管道的腐蚀速率沿线分布规律；
图12是实施例2某高含硫集输管道的液体流速沿线分布规律；
图13是实施例2某高含硫集输管道的气体流速沿线分布规律；
图14是实施例2某高含硫集输管道的持液率沿线分布规律；
图15是实施例2某高含硫集输管道的温度沿线分布规律；
图16是实施例2某高含硫集输管道的压力沿线分布规律；
图17是实施例2某高含硫集输管道的硫化氢分压沿线分布规律；
图18是实施例2某高含硫集输管道的二氧化碳分压沿线分布规律；
图19是实施例2某高含硫集输管道腐蚀敏感参数图版。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
一种高含硫集输管道腐蚀敏感参数评价方法，其步骤如图1所示。
实施例1
步骤1：收集高含硫集输管道的设计数据、介质组分以及运行数据的基础参数，设计数据包括管材、管长、管径、壁厚；介质组分包括二氧化碳含量、硫化氢含量、氮气含量、甲烷含量、乙烷含量、丙烷含量；运行数据包括质量流量、出入口压力、出入口温度，该高含硫集输管道于2011年6月投产，材质为L245N无缝钢管，全长8km，管径为168mm，壁厚为6mm，组分数据为二氧化碳含量11mol%，硫化氢含量67421ppm，氮气含量15mol%，甲烷含量56 mol%，乙烷含量11mol%，丙烷含量5 mol%，其他含量2mol%。管道的质量流量为0.1774kg/s，入口压力为1MPa，出口压力为0.5MPa，入口温度为49℃，出口温度为39℃。
步骤2：基于步骤1中收集到的基础参数，采用质量方程、动量平衡方程以及能量平衡方程求出高含硫集输管道中腐蚀速率、液体流速、气体流速、持液率、温度、硫化氢分压、二氧化碳分压、压力的沿线分布规律，并分别绘制腐蚀速率、液体流速、气体流速、持液率、温度、硫化氢分压、二氧化碳分压、压力的沿线分布图，如图2-9所示；
质量方程：对于以U i 速度运动的质量场m i ，质量方程为：
Figure 152548DEST_PATH_IMAGE002
（1）
式中：∂ t 表示时间上的微分，∂ z 表示空间分异，ψ ji 表示第j个和第i个质量场之间的质量转移速率，即分散、液滴沉积和夹带以及相变，G i 表示任何质量源；
动量平衡方程：对于表示为miUi的动量场，动量平衡方程为：
Figure 216319DEST_PATH_IMAGE004
（2）
式中：∂ t 表示时间上的微分，∂ t 表示空间分异，g表示重力加速度，φ表示相对于重力矢量的管道角度，p i 表示压力，G i U i 表示对应于质量源/汇G i 的动量贡献，F i ji 表示第i和第j质量场之间的摩擦力，F w 表示壁面摩擦力；ψ ji 表示与第j和第i质量场之间的质量传递相对应的动量贡献；在上面的等式中，ψ + ji 表示质量场i到j的净贡献，而ψ - ji 表示质量场j到i的净贡献；
能量平衡方程：质量场m i 的能量平衡方程为：
Figure 211957DEST_PATH_IMAGE011
（3）
式中：Ei表示场能，Hi表示场焓，S表示焓源/汇，Q表示通过管壁的热通量，Tij表示场间的能量传递；
步骤3：基于步骤2中计算得到的腐蚀速率，利用多因子方差分析液体流速、气体流速、持液率、温度、硫化氢分压、二氧化碳分压、压力对腐蚀速率的敏感参数，并统计概率P值，筛选腐蚀主控因素，多因子方差分析结果如表1所示；
在多相流的计算中第i个液体流速的第j次腐蚀速率为v i j ，则存在如公式（4）的关系，
Figure 943152DEST_PATH_IMAGE008
（4）
式中m为腐蚀因素个数；μ i 为第i个水平影响变量的均值；α ni j 为影响第n个输入信号第i个水平、第j次腐蚀速率的主效应，ε i j为误差，分别对s个水平进行假设检验，判断其主效应是否为0，如公式（5），
Figure 733254DEST_PATH_IMAGE010
（5）
式中H n0为敏感参数；
对其余腐蚀因素进行分析时，采用与液体流速分析相同的方法，将公式（4）中液体流速相关的参数换为相应的腐蚀因素；
表1 多因子方差分析结果
Figure 346638DEST_PATH_IMAGE013
注：**表示此因素对实验结果在0.01 水平上有显著影响。
在显著性水平α=0.01下，液体流速、气体流速、持液率、温度、硫化氢分压、二氧化碳分压和压力的统计定值F均大于临界值F 0.01 ，其概率P全部小于临界值，影响因素有效性筛选结果表明，除液体流速、气体流速、持液率和压力外的各因素对油气集输管道腐蚀速率具有十分显著的影响，筛选出硫化氢分压、二氧化碳分压和温度三种腐蚀因素作为图版建立的基础参数。
步骤4：基于步骤3中分析得到的腐蚀主控因素的敏感参数，运用FP树频集算法，建立腐蚀速率与腐蚀主控因素的敏感参数之间的关联规则；
温度在40～50℃、二氧化碳分压与硫化氢分压比<1.2时为极严重腐蚀；温度在40～50℃、二氧化碳分压与硫化氢分压比在1.2～1.5和温度在30～40℃、二氧化碳分压与硫化氢分压比＜1.0时为严重腐蚀；温度在30～40℃、二氧化碳分压与硫化氢分压比在1.0～1.5时为中度腐蚀；
步骤5：基于步骤4确定的关联规则，绘制横坐标为二氧化碳分压与硫化氢分压的比值、纵坐标为温度的的高含硫集输管道腐蚀敏感参数图版，如图10，从图6、8、9中读取该高含硫管道同一位置处的二氧化碳分压、硫化氢分压、温度的值后，将二氧化碳分压与硫化氢分压比值和温度代入图版中，判断高含硫集输管道在该位置的腐蚀等级。
所述的一种高含硫集输管道腐蚀敏感参数评价方法中，腐蚀因素考虑了液体流速、气体流速、持液率、温度、硫化氢分压、二氧化碳分压和压力七种因素，高含硫集输管道中具体位置的腐蚀因素的值从沿线分布图中读取，温度和压力分别指高含硫集输管道中具体位置的温度和压力。
实施例2
步骤1：收集高含硫集输管道的设计数据、介质组分以及运行数据的基础参数，设计数据包括管材、管长、管径、壁厚；介质组分包括二氧化碳含量、硫化氢含量、氮气含量、甲烷含量、乙烷含量、丙烷含量；运行数据包括质量流量、出入口压力、出入口温度，该高含硫集输管道于2011年6月投产，材质为L245N无缝钢管，全长4km，管径为114mm，壁厚为4mm，组分数据为二氧化碳含量10mol%，硫化氢含量105405ppm，氮气含量8 mol%，甲烷含量52mol%，乙烷含量14 mol%，丙烷含量8mol%，其他含量8 mol%。管道的质量流量为0.25 kg/s，入口压力为0.6MPa，出口压力为0.3MPa，入口温度为46℃，出口温度为39℃。
步骤2：基于步骤1中收集到的基础参数，采用质量方程、动量平衡方程以及能量平衡方程求出高含硫集输管道中腐蚀速率、液体流速、气体流速、持液率、温度、硫化氢分压、二氧化碳分压、压力的沿线分布规律，如图11-18所述；
步骤3：基于步骤2中计算得到的腐蚀速率，利用多因子方差分析液体流速、气体流速、持液率、温度、硫化氢分压、二氧化碳分压、压力对腐蚀速率的敏感参数，并统计概率P值，筛选腐蚀主控因素；
多因子方差分析结果如表2所示；
表2 多因子方差分析结果
Figure 880387DEST_PATH_IMAGE015
注：**表示此因素对实验结果在0.01 水平上有显著影响。
在显著性水平α=0.01下，液体流速、气体流速、持液率、温度、硫化氢分压、二氧化碳分压和压力的统计定值F均大于临界值F 0.01 ，其概率P全部小于临界值，故影响因素有效性筛选结果表明，除气体流速、温度、压力、硫化氢分压和二氧化碳分压外的各因素对油气集输管道腐蚀速率具有十分显著的影响，筛选出液体流速和持液率两种腐蚀因素作为图版建立的基础参数。
步骤4：基于步骤3中分析得到的腐蚀主控因素的敏感参数，运用FP树频集算法，建立腐蚀速率与腐蚀主控因素的敏感参数之间的关联规则；
液体流速在0.180~0.185m/s、持液率在0.060~0.065时为极严重腐蚀；液体流速在0.180~0.185 m/s、持液率在0.055~0.060和液体流速在0.185~0.190 m/s、持液率在0.055~0.065时为严重腐蚀；
步骤5：基于步骤4确定的关联规则，绘制横坐标为持液率、纵坐标为液体流速的高含硫集输管道腐蚀敏感参数图版，如图19，从图12、14中读取该高含硫管道同一位置处的持液率、液体流速的值后，将持液率和液体流速代入图版中，判断高含硫集输管道在该位置的腐蚀等级。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种高含硫集输管道腐蚀敏感参数评价方法，其特征在于，包括如下步骤：
步骤1：收集高含硫集输管道的设计数据、介质组分以及运行数据的基础参数；
步骤2：基于步骤1中收集到的基础参数，采用质量方程、动量平衡方程以及能量平衡方程求出高含硫集输管道中腐蚀速率、液体流速、气体流速、持液率、温度、硫化氢分压、二氧化碳分压、压力的沿线分布规律，并分别绘制腐蚀速率、液体流速、气体流速、持液率、温度、硫化氢分压、二氧化碳分压、压力的沿线分布图；
步骤3：基于步骤2中计算得到的腐蚀速率，利用多因子方差分析液体流速、气体流速、持液率、温度、硫化氢分压、二氧化碳分压、压力对腐蚀速率的敏感参数，并统计概率P值，筛选腐蚀主控因素；
步骤4：基于步骤3中分析得到的腐蚀主控因素的敏感参数，运用FP树频集算法，建立腐蚀速率与腐蚀主控因素的敏感参数之间的关联规则；
步骤5：基于步骤4确定的关联规则，绘制腐蚀主控因素的高含硫集输管道腐蚀敏感参数图版，从步骤2中的沿线分布图中读取高含硫集输管道具体位置处的主控因素的值后，将其代入图版中，判断高含硫集输管道的腐蚀等级。
2.根据权利要求1所述的一种高含硫集输管道腐蚀敏感参数评价方法，其特征在于，步骤1中所述的设计数据包括管材、管长、管径、壁厚；介质组分包括二氧化碳含量、硫化氢含量、氮气含量、甲烷含量、乙烷含量、丙烷含量；运行数据包括质量流量、出入口压力、出入口温度。
3.根据权利要求1所述的一种高含硫集输管道腐蚀敏感参数评价方法，其特征在于，步骤2中所述的质量方程为，以U i 速度运动的质量场m i 的质量方程为：
Figure 174557DEST_PATH_IMAGE002
（1）
式中：∂ t 表示时间上的微分，∂ z 表示空间分异，ψ ji 表示第j个和第i个质量场之间的质量转移速率，即分散、液滴沉积和夹带以及相变，G i 表示任何质量源；
动量平衡方程为，对于表示为miUi的动量场的动量平衡方程为：
Figure 216331DEST_PATH_IMAGE004
（2）
式中：∂ t 表示时间上的微分，∂ t 表示空间分异，g表示重力加速度，φ表示相对于重力矢量的管道角度，p i 表示压力，G i U i 表示对应于质量源/汇G i 的动量贡献，F i ji 表示第i和第j质量场之间的摩擦力，F w 表示壁面摩擦力；ψ ji 表示与第j和第i质量场之间的质量传递相对应的动量贡献；在上面的等式中，ψ + ji 表示质量场i到j的净贡献，而ψ - ji 表示质量场j到i的净贡献；
能量平衡方程为，质量场m i 的能量平衡方程为：
Figure 589544DEST_PATH_IMAGE006
（3）
式中：Ei表示场能，Hi表示场焓，S表示焓源/汇，Q表示通过管壁的热通量，Tij表示场间的能量传递。
4.根据权利要求1所述的一种高含硫集输管道腐蚀敏感参数评价方法，其特征在于，步骤3中利用多因子方差分析液体流速，在多相流的计算中第i个液体流速的第j次腐蚀速率为v i j ，存在如公式（4）的关系，
Figure 578228DEST_PATH_IMAGE008
（4）
式中m为腐蚀因素个数；μ i 为第i个水平影响变量的均值；α ni j 为影响第n个输入信号第i个水平、第j次腐蚀速率的主效应，ε i j为误差；
分别对s个水平进行假设检验，判断其主效应是否为0，如公式（5），
Figure 986076DEST_PATH_IMAGE010
（5）
式中H n0为敏感参数；
对其余腐蚀因素进行多因子方差分析时，采用与液体流速分析相同的方法，将公式（4）中液体流速相关的参数换为相应的腐蚀因素。
CN202111537440.7A 2021-12-16 2021-12-16 一种高含硫集输管道腐蚀敏感参数评价方法 Pending CN113919109A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111537440.7A CN113919109A (zh) 2021-12-16 2021-12-16 一种高含硫集输管道腐蚀敏感参数评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111537440.7A CN113919109A (zh) 2021-12-16 2021-12-16 一种高含硫集输管道腐蚀敏感参数评价方法

Publications (1)

Publication Number Publication Date
CN113919109A true CN113919109A (zh) 2022-01-11

Family

ID=79248931

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111537440.7A Pending CN113919109A (zh) 2021-12-16 2021-12-16 一种高含硫集输管道腐蚀敏感参数评价方法

Country Status (1)

Country Link
CN (1) CN113919109A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010122075A (ja) * 2008-11-19 2010-06-03 Mitsubishi Heavy Ind Ltd 腐食速度推定方法
CN106706508A (zh) * 2017-01-25 2017-05-24 北京航空航天大学 一种基于ahp分析的金属材料海水腐蚀敏感度评价方法
CN108119761A (zh) * 2017-12-14 2018-06-05 中国石油天然气股份有限公司 一种气液两相流下天然气管道腐蚀程度预测方法
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
CN113063725A (zh) * 2021-03-25 2021-07-02 西南石油大学 一种管道内腐蚀主控因素快速识别方法
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010122075A (ja) * 2008-11-19 2010-06-03 Mitsubishi Heavy Ind Ltd 腐食速度推定方法
CN106706508A (zh) * 2017-01-25 2017-05-24 北京航空航天大学 一种基于ahp分析的金属材料海水腐蚀敏感度评价方法
CN108119761A (zh) * 2017-12-14 2018-06-05 中国石油天然气股份有限公司 一种气液两相流下天然气管道腐蚀程度预测方法
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
CN113063725A (zh) * 2021-03-25 2021-07-02 西南石油大学 一种管道内腐蚀主控因素快速识别方法
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

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
SHUAI ZHAO 等: "Study on corrosion mechanism of the weld seam of submarine pipeline’s spool", 《E3S WEB OF CONFERENCES》 *
朱忠锋: "蓬莱油田油套管腐蚀机理研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 *
范峥 等: "基于小波神经网络预测多相动态管道腐蚀速率", 《化工进展》 *
陈迪 等: "基于EWM-GRA 的腐蚀主控因素", 《表面技术》 *

Similar Documents

Publication Publication Date Title
Beggs Gas production operations
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
CN110298540B (zh) 一种油气田地面管道内腐蚀风险评价方法
CN110020399A (zh) 一种管道内腐蚀评价位置的确定方法
Vandrangi et al. Determination and analysis of leak estimation parameters in two-phase flow pipelines using OLGA multiphase software
CN113343498A (zh) 一种含h2s/co2环境管道钢腐蚀速率计算方法
McLaury et al. How operating and environmental conditions affect erosion
CN113919109A (zh) 一种高含硫集输管道腐蚀敏感参数评价方法
Gu et al. Predictive study of flow-accelerated corrosion characteristic parameters based on the neural network
CN109816133A (zh) 一种管道内腐蚀预测方法
Hilgefort Big data analysis using Bayesian network modeling: a case study with WG-ICDA of a gas storage field
Devyaterikova et al. Types of corrosion damage of tubing in the oilfield
Valizadeh et al. Leak detection in transportation pipelines using feature extraction and KNN classification
Guan et al. Internal corrosion direct assessment using Bayesian networks modeling with limited data: A case study
Li et al. [Retracted] Prediction of Chemical Corrosion Rate and Remaining Life of Buried Oil and Gas Pipelines in Changqing Gas Field
Guan et al. Application of probabilistic model in pipeline direct assessment
CN115705512A (zh) 一种管内腐蚀因素识别与剩余寿命预测方法及系统
Quinn Alarm Forecasting in Natural Gas Pipelines
Dia et al. Unsupervised Neural Network for Data-Driven Corrosion Detection of a Mining Pipeline
Hassan et al. Reliable models for determining the pressure-volume-temperature PVT properties using artificial intelligence technique
Zhao et al. Application of internal corrosion direct assessment in CO2 slug flow submarine pipelines
CN110486630A (zh) 天然气管道腐蚀缺陷典型特征提取方法
Strommen Seven years of unique experience from subsea, deepwater pipeline internal corrosion monitoring
Khankishiyev et al. Identification of Undesirable Events in Geothermal Fluid/Steam Production using Machine Learning
McCann et al. In-line inspection performance verification

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220111