CN114062236A - 一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型 - Google Patents
一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型 Download PDFInfo
- Publication number
- CN114062236A CN114062236A CN202111336861.3A CN202111336861A CN114062236A CN 114062236 A CN114062236 A CN 114062236A CN 202111336861 A CN202111336861 A CN 202111336861A CN 114062236 A CN114062236 A CN 114062236A
- Authority
- CN
- China
- Prior art keywords
- factors
- corrosion rate
- model
- local corrosion
- corrosion
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental & Geological Engineering (AREA)
- Environmental Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明公开了一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型,考虑了CO2分压、H2S分压交互腐蚀效应,能计算包括流速、Cl‑浓度、CO2分压、H2S分压、pH值和温度在内的油气管道局部腐蚀速率;并采用数学方法优化设计,模型能够在任意因素缺失下使用;一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型经过检验,具有较高的预测精度,为油气管道局部腐蚀预测提供了数学计算方法,对油气管道完整性管理工作的开展具有重要意义。
Description
技术领域
本发明涉及一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型,涉及到油气管道腐蚀预测领域。
背景技术
随着油气资源的不断开发,油气管道输送越来越多。但随着管道服役时间的不断增长,其内腐蚀失效风险增加,若引发泄漏,不仅带来严重的经济损失,更会造成大面积污染。因此有必要对油气管道内腐蚀行为和腐蚀预测进行研究,以期降低腐蚀失效风险。
油气管道内腐蚀程度主要与管内输送介质、运行工况等因素相关,包括温度、压力、流速、腐蚀性介质等。不幸的是,管道内多含H2S、CO2、以及Cl-。多因素协同下,腐蚀机理复杂多变。众多学者也研究了流速对CO2腐蚀的影响,但考虑的因素相对简单。目前尚未有CO2、H2S在四种其他因素共同作用下的协同腐蚀行为研究。
由于不同腐蚀环境腐蚀行为不同,且各个因素之间存在相互作用,导致腐蚀预测十分困难。众多学者采用数理统计与概率分析方法建立腐蚀预测模型。朱建军采用多元线性回归方法建立了考虑CO2和温度的双因素腐蚀预测模型。廖柯熹基于9组正交实验数据,修正了CO2、H2S共存体系上,考虑温度和流速变化的腐蚀预测模型。随着人工智能深入推进,基于数据驱动的机器学习算法在管道腐蚀预测领域得到了广泛应用。魏晨亮采用基于支持向量机(SVM)和关联(Apriori)算法挖掘海底管道内检测数据,得到管道内腐蚀类型预测模型,可预测和识别海底管道沿线腐蚀的分布规律和尺寸特征。
由于油气管道发生腐蚀失效事故大多由于局部腐蚀引起,目前尚未有成熟的局部腐蚀速率预测模型,因此本发明基于高温高压反应釜实验多工况参数,建立了一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型,针对性的解决油气管道腐蚀预测问题,为油气管道完整性保驾华航。
发明内容
本发明针对目前已有的腐蚀预测模型的不足,提出了改进,建立了一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型,可实现多种腐蚀环境的精准预测。
一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型,在基础理论的基础上,主要通过三步建立:
第一步:建立包含油气管道常见的腐蚀环境六因素腐蚀速率计算函数模型,
式中:k为影响因子,fx(x)为x因素的影响函数,C为常数项,a~f为各因素的系数项;
第二步:结合油气管道腐蚀环境,存在六因素不同时出现的情况。在某因素不存在时,该项函数可自动归零计算其他的因素腐蚀速率值,
第三步:通过高温高压反应釜实验,三维显微镜表征局部腐蚀速率数据,确定不同工况下局部腐蚀速率。采用线回归算法,确定局部腐蚀速率预测模型计算模型中常数项,
腐蚀环境均存在温度和pH参数,但流速、CO2气体和H2S气体以及Cl-不一定存在,因此针对以上四种参数,建立的函数模型在数学上进行优化,一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型,在某因素不存在时,该项函数可自动归零计算其他的因素腐蚀速率值.建立的函数形式如下:
附图说明
图1为一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型中六因素线性计算误差
具体实施方式
一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型,在基础理论的基础上,主要通过三步建立:
第一步:建立包含油气管道常见的腐蚀环境六因素腐蚀速率计算函数模型,
式中:k为影响因子,fx(x)为x因素的影响函数,C为常数项,a~f为各因素的系数项;
第二步:结合油气管道腐蚀环境,存在六因素不同时出现的情况。在某因素不存在时,该项函数可自动归零计算其他的因素腐蚀速率值,
第三步:通过高温高压反应釜实验数据,确定不同工况下局部腐蚀速率。采用线回归算法,确定局部腐蚀速率预测模型计算模型中常数项。
一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型如下:
腐蚀环境均存在温度和pH参数,但流速、CO2气体和H2S气体以及Cl-不一定存在,因此针对以上四种参数,建立的函数模型在数学上进行优化,一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型,在某因素不存在时,该项函数可自动归零计算其他的因素腐蚀速率值.建立的函数形式如下:
高温高压反应釜实验数据如见表1。
表1局部腐蚀速率
采用高温高压反应釜数据进行模型验证,一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型中六因素的线性拟合误差见图1。腐蚀预测误差最大值为16.87%,最小值为1.54%,平均预测误差10%。
Claims (3)
1.一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型,其特征在于:
第一步:建立包含油气管道常见的腐蚀环境六因素腐蚀速率计算函数模型,
式中:k为影响因子,fx(x)为x因素的影响函数,C为常数项,a~f为各因素的系数项;
第二步:结合油气管道腐蚀环境,存在六因素不同时出现的情况,在某因素不存在时,该项函数可自动归零计算其他的因素腐蚀速率值,
第三步:通过高温高压反应釜实验,三维显微镜表征局部腐蚀速率数据,确定不同工况下局部腐蚀速率,采用线回归算法,确定局部腐蚀速率预测模型计算模型中常数项,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111336861.3A CN114062236B (zh) | 2021-11-12 | 2021-11-12 | 一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111336861.3A CN114062236B (zh) | 2021-11-12 | 2021-11-12 | 一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114062236A true CN114062236A (zh) | 2022-02-18 |
CN114062236B CN114062236B (zh) | 2022-08-09 |
Family
ID=80275491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111336861.3A Active CN114062236B (zh) | 2021-11-12 | 2021-11-12 | 一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114062236B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115879267A (zh) * | 2022-10-13 | 2023-03-31 | 新疆敦华绿碳技术股份有限公司 | 一种管道腐蚀缺陷预测方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807540A (zh) * | 2018-08-06 | 2020-02-18 | 中国石油天然气股份有限公司 | 天然气管道内腐蚀速率的预测方法 |
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 |
CN112214940A (zh) * | 2020-09-30 | 2021-01-12 | 西南石油大学 | 一种湿天然气管道内腐蚀高风险段识别方法 |
CN112668206A (zh) * | 2021-01-20 | 2021-04-16 | 西南石油大学 | 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 |
CN113268883A (zh) * | 2021-06-03 | 2021-08-17 | 西安建筑科技大学 | 一种基于pca-abc-svm模型的海底原油管道腐蚀速率预测方法 |
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 |
-
2021
- 2021-11-12 CN CN202111336861.3A patent/CN114062236B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807540A (zh) * | 2018-08-06 | 2020-02-18 | 中国石油天然气股份有限公司 | 天然气管道内腐蚀速率的预测方法 |
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 |
CN112214940A (zh) * | 2020-09-30 | 2021-01-12 | 西南石油大学 | 一种湿天然气管道内腐蚀高风险段识别方法 |
CN112668206A (zh) * | 2021-01-20 | 2021-04-16 | 西南石油大学 | 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 |
CN113268883A (zh) * | 2021-06-03 | 2021-08-17 | 西安建筑科技大学 | 一种基于pca-abc-svm模型的海底原油管道腐蚀速率预测方法 |
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 (2)
Title |
---|
赵帅 等: "CO2/H2S共存条件下集输管道选材的新方法及应用", 《科学技术与工程》 * |
陈迪 等: "基于 EWM-GRA 的腐蚀主控因素分析与腐蚀模型建立", 《表面技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115879267A (zh) * | 2022-10-13 | 2023-03-31 | 新疆敦华绿碳技术股份有限公司 | 一种管道腐蚀缺陷预测方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114062236B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Soroush et al. | ANFIS modeling for prediction of CO2 solubility in potassium and sodium based amino acid Salt solutions | |
CN109344436B (zh) | 一种大型复杂天然气管网系统在线仿真方法 | |
US20180365555A1 (en) | Artificial intelligence based algorithm for predicting pipeline leak and corrosion detection | |
US9317635B2 (en) | Processes and systems for predicting corrosion | |
CN114062236B (zh) | 一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型 | |
CN113343498A (zh) | 一种含h2s/co2环境管道钢腐蚀速率计算方法 | |
Zemenkova et al. | Estimation of emissions during monitoring of pipelines in the dynamic mode of operation | |
CN111664823B (zh) | 基于介质热传导系数差异的均压电极垢层厚度检测方法 | |
CN112115623A (zh) | 一种泄漏工况下输气管道阀室压降速率计算方法 | |
Cao et al. | Stress distribution of the power section cup of pipeline inspection gauges by finite element method | |
CN112069688A (zh) | 一种天然气长输管道内腐蚀模拟分析方法 | |
Jacobson et al. | Pipeline corrosion issues related to carbon capture, transportation, and storage | |
CN115099129B (zh) | 一种基于输入特征误差修正的天然气井产量预测方法 | |
Mesbah et al. | Effective modeling methods to accurately predict the miscibility of CO2 in ionic liquids | |
CN109307158B (zh) | 一种确定管道线路泄漏的方法和装置 | |
US11591936B2 (en) | Systems and methods for proactive operation of process facilities based on historical operations data | |
CN112129707B (zh) | 油田集输管道内采出液ph值的计算方法 | |
CN113033070B (zh) | 一种lng接收站码头管道泄露监测评估方法 | |
Vicent | Improve Atmospheric Columng Overhead Corrosion Mitigation Through Cloud-Based, Continuous Salt Point Corrosion Monitoring | |
Fedorov et al. | Application of Gradient Boosting and Digital Simulation for Burner Optimization | |
Hlunguane | Dynamic Reliability Approach Development for a Complex System | |
CN117910230A (zh) | 一种复杂油气环境下管道腐蚀速率的预测方法 | |
Song et al. | Concept of Using Physics-Based Models for Real Time Corrosion Monitoring | |
Qu et al. | Corrosion Risk Prediction Based on Offshore Pipeline Service Database and Machine Learning Algorithms | |
Galatro et al. | Framework for the Prediction and Assessment of Corrosion Damages in Amine Systems Using Plant Data, Process Simulation and Data Analysis |
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 |