CN114201840A - 管段应力腐蚀开裂风险识别方法、装置、设备及介质 - Google Patents
管段应力腐蚀开裂风险识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114201840A CN114201840A CN202010910816.3A CN202010910816A CN114201840A CN 114201840 A CN114201840 A CN 114201840A CN 202010910816 A CN202010910816 A CN 202010910816A CN 114201840 A CN114201840 A CN 114201840A
- Authority
- CN
- China
- Prior art keywords
- data
- pipe section
- stress
- corrosion cracking
- subdata
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- 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)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本公开公开了一种管段开裂风险识别方法、装置、设备及可读存储介质,涉及管道维护领域。该方法包括:获取目标管段的管段数据,管段数据中包括应力因素数据、材料因素数据、环境腐蚀因素数据和时间因素数据中的至少两种;确定管段数据中每种因素数据对应的开裂概率;对开裂概率进行累乘,得到目标管段的开裂风险程度;根据开裂风险程度生成目标管段的维护决策项。通过对至少两种管段数据进行获取,并确定每种管段数据对应的开裂概率,从而确定整体目标管段的开裂风险,针对3PE涂层管道应力腐蚀开裂风险提供了较好的识别途径,提高了目标管段开裂识别的适应性和识别准确率,降低了管道应用过程中的开裂风险程度,提高了风险预识别能力。
Description
技术领域
本公开实施例涉及管道维护领域,特别涉及一种管段应力腐蚀开裂风险识别方法、装置、设备及介质。
背景技术
应力腐蚀开裂是材料在应力和腐蚀环境的共同作用下发生的开裂问题,由于其具有发展缓慢,不易发现和检测的特点,一旦发生往往造成突发性和灾难性的事故。
当前投入使用的长距离、高压力、大口径和高钢级管线逐渐增多,埋地长输管道的应力腐蚀开裂风险逐渐提高,已成为威胁管道安全运行的显著因素。相关技术中,针对采用沥青和缠带等涂层铺设时间早管道的应力腐蚀开裂形成有指导性标准如:NACE SP0204等。
然而,埋地管道应力腐蚀开裂标准或管理措施中没有针对三层结构的聚乙烯(3PE)涂层管道应力腐蚀开裂风险识别方面的解决方案。
发明内容
本公开实施例提供了一种管段应力腐蚀开裂风险识别方法、装置、设备及可读存储介质,能够提供管段应力腐蚀开裂风险识别的高效解决方案。所述技术方案如下:
一方面,提供了一种管段应力腐蚀开裂风险识别方法,应用于计算机设备中,所述方法包括:
从数据库中读取目标管段的管段数据,所述管段数据中包括应力因素数据、材料因素数据、环境腐蚀因素数据和时间因素数据;
确定所述管段数据中每种因素数据对应的应力腐蚀开裂概率,其中所述应力因素数据对应第一应力腐蚀开裂概率,所述材料因素数据对应第二应力腐蚀开裂概率,所述环境腐蚀因素数据对应第三应力腐蚀开裂概率,以及所述时间因素数据对应第四应力腐蚀开裂概率;
对所述应力腐蚀开裂概率进行累乘,得到所述目标管段的应力腐蚀开裂风险程度;
根据所述应力腐蚀开裂风险程度生成所述目标管段的维护决策项。
在一个可选的实施例中,所述管段数据中包括所述应力因素数据,所述应力因素数据中包括至少两个应力子数据;
所述确定所述管段数据中每种因素数据对应的应力腐蚀开裂概率,包括:
对所述至少两个应力子数据的赋值进行加权求和,得到所述应力因素数据对应的所述第一应力腐蚀开裂概率。
在一个可选的实施例中,所述至少两个应力子数据中包括距离子数据、运行压力子数据、波动范围子数据、波动频率子数据、地形子数据、残余应力密度子数据中的至少一种;
所述距离子数据表示所述目标管段距离上游压缩机站的距离;
所述运行压力子数据表示所述目标管段的平均运行压力;
所述波动范围子数据表示所述目标管段在历史时长内压力最大值与最小值比值的平均值;
所述波动频率子数据表示所述目标管段在所述历史时长内压力波动大于预设波动的次数均值;
所述地形子数据表示所述目标管段铺设位置的地形起伏情况;
所述残余应力密度子数据表示所述目标管段表面伤痕的密度。
在一个可选的实施例中,所述管段数据中包括所述材料因素数据,所述材料因素数据中包括至少两个材料子数据;
所述确定所述管段数据中每种因素数据对应的应力腐蚀开裂概率,包括:
对所述至少两个材料子数据的赋值进行加权求和,得到所述材料因素数据对应的所述第二应力腐蚀开裂概率。
在一个可选的实施例中,所述至少两个材料子数据中包括屈服强度子数据、焊接方式子数据、异常密度子数据中的至少一种;
所述屈服强度子数据表示所述目标管段采用钢材的屈服强度;
所述焊接方式子数据表示所述目标管段中的管节的焊接方式;
所述异常密度子数据表示所述目标管段内检测数据中环焊缝异常的密度。
在一个可选的实施例中,所述管段数据中包括所述环境腐蚀因素数据,所述环境腐蚀因素数据中包括至少两个腐蚀子数据;
所述确定所述管段数据中每种因素数据对应的应力腐蚀开裂概率,包括:
对所述至少两个腐蚀子数据的赋值进行加权求和,得到所述环境腐蚀因素数据对应的所述第三应力腐蚀开裂概率。
在一个可选的实施例中,所述至少两个腐蚀子数据中包括剥离程度子数据、阴保电位子数据、腐蚀缺陷子数据、涂层破损子数据、季节变化子数据、透水情况子数据、细菌腐蚀子数据、补口失效子数据中的至少一种;
所述剥离程度子数据表示所述目标管段防腐层的剥离程度;
所述阴保电位子数据表示所述目标管段的阴极保护情况;
所述腐蚀缺陷子数据表示所述目标管段金属损失缺陷密度;
所述涂层破损子数据表示所述目标管段表面涂层破损的密度;
所述季节变化子数据表示所述目标管段的腐蚀的季节性变化情况;
所述透水情况子数据表示所述目标管段的埋设位置土壤的透水性;
所述细菌腐蚀子数据表示所述目标管段的硫酸盐还原菌腐蚀情况;
所述补口失效子数据表示所述目标管段的补口失效比例。
在一个可选的实施例中,所述管段数据中包括所述时间因素数据;
所述确定所述管段数据中每种因素数据对应的应力腐蚀开裂概率,包括:
确定所述时间因素数据对应的时长取值,所述时长取值对应所述目标管段投入应用的时长;
根据所述时长取值确定所述第四应力腐蚀开裂概率。
另一方面,提供了一种管段应力腐蚀开裂风险识别装置,所述装置包括:
获取模块,用于从数据库中读取目标管段的管段数据,所述管段数据中包括应力因素数据、材料因素数据、环境腐蚀因素数据和时间因素数据;
确定模块,用于确定所述管段数据中每种因素数据对应的应力腐蚀开裂概率,其中所述应力因素数据对应第应力腐蚀开裂概率,所述材料因素数据对应第二应力腐蚀开裂概率,所述环境腐蚀因素数据对应第三应力腐蚀开裂概率,以及所述时间因素数据对应第四应力腐蚀开裂概率;
所述确定模块,还用于对所述应力腐蚀开裂概率进行累乘,得到所述目标管段的应力腐蚀开裂风险程度;
生成模块,用于根据所述应力腐蚀开裂风险程度生成所述目标管段的维护决策项。
另一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述本公开实施例中任一所述的管段应力腐蚀开裂风险识别方法。
另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述本公开实施例中任一所述的管段应力腐蚀开裂风险识别方法。
另一方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述实施例中任一所述的管段应力腐蚀开裂风险识别方法。
本公开实施例提供的技术方案带来的有益效果至少包括:
通过对至少两种管段数据进行获取,并确定每种管段数据对应的应力腐蚀开裂概率,从而确定整体目标管段的开裂风险,针对3PE涂层管道应力腐蚀开裂风险提供了较好的识别途径,提高了目标管段开裂识别的适应性和识别准确率,降低了管道应用过程中的开裂风险程度,提高了风险预识别能力。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本公开一个示例性实施例提供的管段应力腐蚀开裂风险识别方法的流程图;
图2是本公开另一个示例性实施例提供的管段应力腐蚀开裂风险识别方法的流程图;
图3是本公开一个示例性实施例提供的管段应力腐蚀开裂风险识别结果的柱状图示意图;
图4是本公开一个示例性实施例提供的管段应力腐蚀开裂风险识别装置的结构框图;
图5是本公开一个示例性实施例提供的服务器的结构框图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚,下面将结合附图对本公开实施方式作进一步地详细描述。
应力腐蚀开裂是材料在应力和腐蚀环境的共同作用下发生的应力开裂,由于其具有发展缓慢,不易发现和检测的特点,一旦发生往往造成突发性和灾难性的事故。国内投入使用的长距离、高压力、大口径和高钢级管线逐渐增多,随着管道服役时间的增加,埋地长输管道的应力腐蚀开裂风险逐渐提高,已成为威胁管道安全运行的显著因素。
应力腐蚀开裂直接评价实施的关键步骤,在于依据一定的模型或方法,筛选和识别出目标管线的应力腐蚀高风险管段,并根据评价结果对识别方法进行修正和完善。
本公开实施例中,针对3PE防腐层的埋地长输管道的近中性pH应力腐蚀开裂风险,基于影响因素打分和概率计算方法,结合3PE埋地长输管道发生近中性pH应力腐蚀开裂的特点和主要影响因素,给出了一种3PE埋地长输管道近中性pH应力腐蚀开裂高风险管段识别方法,指导目标管道的近中性pH应力腐蚀开裂高风险位置识别。
图1是本公开一个示例性实施例提供的管段应力腐蚀开裂风险识别方法的流程图,以该方法应用于计算机设备(如:终端或服务器)中为例进行说明,如图1所示,该方法包括:
步骤101,从数据库中读取目标管段的管段数据,管段数据中包括应力因素数据、材料因素数据、环境腐蚀因素数据和时间因素数据。
可选地,管段数据为通过现场调查获得的数据。
可选地,目标管段为一段管道的整体管段;或,目标管段为对管道进行划分后的其中一段管道。示意性的,一段管道总长度为30km,则每1km作为一个管段,如:目标管段为管道的第3km至第4km之间的管道。
第一,应力因素数据中包括至少两个应力子数据,其中包括距离子数据(也即距离上游压缩机站的距离)、运行压力子数据(管段运行压力)、波动范围子数据(运行压力波动范围)、波动频率子数据(运行压力波动的频率)、地形子数据(管段铺设位置地形起伏情况)、残余应力密度子数据(管体凹陷、划伤和硌伤缺陷的密度)。
根据上述简要说明,对每个应力子数据进行介绍:
距离子数据:表示目标管段距离上游压缩机站的距离,可选地,目标管段的中心位置距离最近的上游压缩机站的距离,可选地,距离单位为千米(kilometer,km)。
运行压力子数据:是指目标管段的平均运行压力,首先计算目标管段在最近预设时长内(如:最近2年)运行压力的平均值,然后计算该平均值压力下管道的环向应力值,最后计算该环向应力值与管材屈服强度的比值,无量纲。
波动范围子数据:表示目标管段在历史时长内压力最大值与最小值比值的平均值。可选地,表示目标管段在最近预设时长内(如:最近2年)的所有波动范围大于0.05的压力波动中,压力的最小值与最大值比值的平均值,无量纲,大于0小于1。
波动频率子数据:表示目标管段在历史时长内压力波动大于预设波动的次数均值。也即表示目标管段在最近预设时长内(如:最近2年)的运行压力波动范围大于0.05的波动次数的年平均值,单位为次/年。
地形子数据:表示目标管段铺设位置的地形起伏情况。通常通过管道高程图获得,其为描述性特征,无量纲。
残余应力密度子数据:表示目标管段表面伤痕的密度。也即目标管段表面可识别的凹陷、划伤和硌伤的密度,单位为个/km。
第二,材料因素数据中包括至少两个材料子数据,可选地,其中包括屈服强度子数据(材料屈服强度)、焊接方式子数据(管道焊接方式)、异常密度子数据(环焊缝异常密度)。
根据上述简要说明,对每个材料子数据进行介绍:
屈服强度子数据:表示目标管段采用钢材的屈服强度,单位为MPa。
焊接方式子数据:表示目标管段中的管节的焊接方式。也即目标管段的单个管节(通常12m左右)出厂时的焊接方式,分为直焊缝和螺旋焊缝焊接。
异常密度子数据:表示目标管段内检测数据中环焊缝异常的密度,单位为个/km。
第三,环境腐蚀因素数据中包括至少两个腐蚀子数据,其中包括剥离程度子数据(3PE剥离程度)、阴保电位子数据(阴保电位情况)、腐蚀缺陷子数据(外腐蚀缺陷密度)、涂层破损子数据(涂层破损点密度)、季节变化子数据(腐蚀环境季节变化情况)、透水情况子数据(管道铺设位置土壤的透水情况)、细菌腐蚀子数据(细菌腐蚀情况)、补口失效子数据(补口失效情况)。
根据上述简要说明,对每个腐蚀子数据进行介绍:
剥离程度子数据:表示目标管段防腐层的剥离程度。也即目标管段3PE防腐层的剥离程度,为描述性参数,无量纲。
阴保电位子数据:表示目标管段的阴极保护情况,为描述性参数,无量纲。
腐蚀缺陷子数据:表示目标管段金属损失缺陷密度。也即目标管段的检测数据中的外部金属损失缺陷密度,单位为个/km。
涂层破损子数据:表示目标管段表面涂层破损的密度,单位为个/km。
季节变化子数据:表示目标管段的腐蚀的季节性变化情况。也即目标管段的腐蚀环境的季节性变化情况,如干湿交替腐蚀等,为描述性参数,无量纲。
透水情况子数据:表示目标管段的埋设位置土壤的透水性,为描述性参数,无量纲。
细菌腐蚀子数据:表示目标管段的硫酸盐还原菌腐蚀情况,为描述性参数,无量纲。
补口失效子数据:表示目标管段的补口失效比例,无量纲。
第四,时间因素数据表示目标管段投入使用的时长,无量纲。
步骤102,确定管段数据中每种因素数据对应的应力腐蚀开裂概率。
在确定应力腐蚀开裂概率时,针对每种因素数据,通过对因素子数据(如:应力子数据、材料子数据、腐蚀子数据等)的赋值计算加权和,得到每种因素数据对应的应力腐蚀开裂概率;或,将因素数据(如:时间因素数据)的赋值作为该因素数据对应的应力腐蚀开裂概率;或,将因素数据对应的取值进行赋值转换,得到因素数据对应的开裂概括。
示意性的,应力因素数据对应的应力腐蚀开裂概率为每个应力子数据产生的概率之和,每个应力子数据设定相应的权重值,且权重值的总和小于等于1;根据目标管段的特征为每个应力子数据进行赋值,且赋值小于等于1。每个应力子数据产生的概率为权重值与赋值的乘积。
示意性的,材料因素数据对应的应力腐蚀开裂概率为每个材料子数据产生的概率之和,每个材料子数据设定相应的权重值,且权重值的总和小于等于1;根据目标管段的特征为每个材料子数据进行赋值,且赋值小于等于1。每个材料子数据产生的概率为权重值与赋值的乘积。
示意性的,腐蚀因素数据对应的应力腐蚀开裂概率为每个腐蚀子数据产生的概率之和,每个腐蚀子数据设定相应的权重值;根据目标管段的特征为每个腐蚀子数据进行赋值,且赋值小于等于1。每个腐蚀子数据产生的概率为权重值与赋值的乘积。
示意性的,时间因素数据对应的应力腐蚀开裂概率为目标管段的使用时长所对应的概率取值,也即,不同的使用时长对应不同的应力腐蚀开裂概率。
步骤103,对应力腐蚀开裂概率进行累乘,得到目标管段的开裂风险程度。
可选地,将管段数据中所包含的因素数据对应的应力腐蚀开裂概率进行累乘。
在一些实施例中,管段数据中包括应力因素数据、材料因素数据、环境腐蚀因素数据和时间因素数据,其中,应力因素数据对应第一应力腐蚀开裂概率,材料因素数据对应第二应力腐蚀开裂概率,环境腐蚀因素数据对应第三应力腐蚀开裂概率,以及时间因素数据对应第四应力腐蚀开裂概率,则将第一应力腐蚀开裂概率、第二应力腐蚀开裂概率、第三应力腐蚀开裂概率以及第四应力腐蚀开裂概率进行累乘,得到目标管段的应力腐蚀开裂风险程度,可选地,该应力腐蚀开裂风险程度以应力腐蚀开裂概率比值的形式进行示意。
步骤104,根据应力腐蚀开裂风险程度生成目标管段的维护决策项。
根据应力腐蚀开裂风险程度对目标管段进行不同的维护决策项。
示意性的,当应力腐蚀开裂风险程度低于0.03时,继续对目标管段进行使用,并每隔预设时长进行一次管段应力腐蚀开裂风险识别;当应力腐蚀开裂风险程度在0.03至0.05之间时,对目标管段进行进一步风险识别;当应力腐蚀开裂风险大于0.05时,对目标管段进行维护。
可选地,维护决策项为预先设置在计算机设备中,用于与开裂风险程度进行匹配的选项。
综上所述,本公开提供的管段应力腐蚀开裂风险识别方法,通过对至少两种管段数据进行获取,并确定每种管段数据对应的应力腐蚀开裂概率,从而确定整体目标管段的开裂风险,针对3PE涂层管道应力腐蚀开裂风险提供了较好的识别途径,提高了目标管段开裂识别的适应性和识别准确率,降低了管道应用过程中的开裂风险程度,提高了风险预识别能力。
在一个可选的实施例中,管段数据中包括应力因素数据、材料因素数据、环境腐蚀因素数据和时间因素数据,图2是本公开另一个示例性实施例提供的管段应力腐蚀开裂风险识别方法的流程图,以该方法应用于服务器中为例进行说明,如图2所示,该方法包括:
步骤201,从数据库中读取目标管段的管段数据,所述管段数据中包括应力因素数据、材料因素数据、环境腐蚀因素数据和时间因素数据。
可选地,目标管段为一段管道的整体管段;或,目标管段为对管道进行划分后的其中一段管道。示意性的,一段管道总长度为30km,则每1km作为一个管段,如:目标管段为管道的第3km至第4km之间的管道。
步骤202,对至少两个应力子数据的赋值进行加权求和,得到应力因素数据对应的第一应力腐蚀开裂概率。
示意性的,应力子数据与概率计算的权重和赋值之间的关系请参考如下表一所示:
表一
步骤203,对至少两个材料子数据的赋值进行加权求和,得到材料因素数据对应的第二应力腐蚀开裂概率。
示意性的,材料子数据与概率计算的权重和赋值之间的关系请参考如下表二所示:
表二
步骤204,对至少两个腐蚀子数据的赋值进行加权求和,得到环境腐蚀因素数据对应的第三应力腐蚀开裂概率。
示意性的,腐蚀子数据与概率计算的权重和赋值之间的关系请参考如下表三所示:
表三
步骤205,确定时间因素数据对应的时长取值,时长取值对应目标管段投入应用的时长。
步骤206,根据述时长取值确定述第四应力腐蚀开裂概率。
示意性的,时间因素数据与第四应力腐蚀开裂概率之间的关系请参考如下表四所示:
表四
管段投入使用时间(年) | 概率 |
≥30 | 1 |
≥20且<30 | 0.8 |
≥10且<20 | 0.4 |
<10 | 0.1 |
步骤207,对第一应力腐蚀开裂概率、第二应力腐蚀开裂概率、第三应力腐蚀开裂概率和第四应力腐蚀开裂概率进行累乘,得到目标管段的应力腐蚀开裂风险程度。
可选地,由于多种应力腐蚀开裂概率之间为叠加实现的关系,故将第一应力腐蚀开裂概率、第二应力腐蚀开裂概率、第三应力腐蚀开裂概率和第四应力腐蚀开裂概率进行累乘,得到目标管段的应力腐蚀开裂风险程度。
步骤208,根据应力腐蚀开裂风险程度生成目标管段的维护决策项。
根据应力腐蚀开裂风险程度对目标管段进行不同的维护决策项。
示意性的,当开裂风险程度低于0.03时,继续对目标管段进行使用,并每隔预设时长进行一次管段应力腐蚀开裂风险识别;当开裂风险程度在0.03至0.05之间时,对目标管段进行进一步风险识别;当开裂风险大于0.05时,对目标管段进行维护。
通过基本资料收集,获得管道的站场分布、材质、焊接方式、服役年限,运行工艺参数和铺设位置地理环境的基本情况,按照上述管道特征基本一致的原则,自首站压缩机站开始沿上游站场至下游站场的方向,依次对管道进行划分,每个管段长度应根据具体情况确定,管段长度越小给出的评价结果越准确,但计算量越大,通常在100-1000m左右,为保证评价结果的准确性和差异性,管段长度应小于等于2km。
通过对管道的所有管段进行近中性pH应力腐蚀开裂发生概率的计算,然后根据计算所得的概率值进行排序,概率值最大的管段为所评价管道近中性pH应力腐蚀开裂发生的风险最高的管段。
同时采用该方法对所有管道进行评价计算,可以识别出所有评价管道中近中性pH应力腐蚀开裂的高风险管段。
综上所述,本公开提供的管段应力腐蚀开裂风险识别方法,通过对至少两种管段数据进行获取,并确定每种管段数据对应的应力腐蚀开裂概率,从而确定整体目标管段的开裂风险,针对3PE涂层管道应力腐蚀开裂风险提供了较好的识别途径,提高了目标管段开裂识别的适应性和识别准确率,降低了管道应用过程中的应力腐蚀开裂风险程度,提高了风险预识别能力。
示意性的,以实际应用场景为例进行举例说明,收集得到的管道数据如下所示:
1、站场分布情况:站间距为30km,首站有压缩机;
2、材质:X80螺旋焊缝管、管径1016mm、壁厚15.3mm;
3、投入使用时长:12年;
4、运行压力:首站8Mpa,47.85%管道运行压力;末站4Mpa 23.93%管道运行压力;近2年的各个位置的压力值可获取;
5、管道埋设环境地理情况:首站出站16公里为山地,16-24公里为丘陵,24-30公里为平原。
对管道进行管段划分,划分方式为:1km取一个管段,划分为30个管段。
收集、整理和分析所评价管道的应力腐蚀开裂相关数据和资料,主要包括近2年的管道运行压力曲线、管道防腐层和补口调查资料、内检测数据、外检测数据、管线所处位置的气候和降水情况、埋设位置的土壤透水情况以及细菌腐蚀调查资料等。
管道运行压力方面,在8km位置以后压力降至40%屈服强度以下,整段管道的压力波动范围和频率均为0.874和53次/年。
阴保电位在4km段存在欠保护,在18km段存在过保护。季节变化情况,全管段30km干湿交替情况一般。
示意性的,不同管段应力腐蚀影响因素的数据如下表五所示:
表五
可选地,根据本公开实施例中提供的管段应力腐蚀开裂风险识别方法,计算各个管段的应力腐蚀开裂风险概率,得到如下应力腐蚀开裂风险数据:
管段1对应开裂风险概率为0.06456;管段2对应开裂风险概率为0.04685;管段3对应开裂风险概率为0.0246;管段4对应开裂风险概率为0.04625;管段5对应开裂风险概率为0.03562;管段6对应开裂风险概率为0.03359;管段7对应开裂风险概率为0.01773;管段8对应开裂风险概率为0.03501;管段9对应开裂风险概率为0.02166;管段10对应开裂风险概率为0.01644;管段11对应开裂风险概率为0.01376;管段12对应开裂风险概率为0.01634;管段13对应开裂风险概率为0.01897;管段14对应开裂风险概率为0.01674;管段15对应开裂风险概率为0.0111;管段16对应开裂风险概率为0.01303;管段17对应开裂风险概率为0.00839;管段18对应开裂风险概率为0.00857;管段19对应开裂风险概率为0.01429;管段20对应开裂风险概率为0.00145;管段21对应开裂风险概率为0.00141;管段22对应开裂风险概率为0.0014;管段23对应开裂风险概率为0.00139;管段24对应开裂风险概率为0.00141;管段25对应开裂风险概率为0.00178;管段26对应开裂风险概率为0.0012;管段27对应开裂风险概率为0.00125;管段28对应开裂风险概率为0.00147;管段29对应开裂风险概率为0.00134;管段30对应开裂风险概率为0.01776。
示意性的,图3是本公开一个示例性实施例提供的管段应力腐蚀开裂风险识别结果的柱状图示意图;
如图3所示,柱状图300中对30km内各个管段的管段开裂风险进行了对应的示意。
图4是本公开一个示例性实施例提供的管段应力腐蚀开裂风险识别装置的结构框图,如图4所示,该装置包括:
获取模块410,用于从数据库中读取目标管段的管段数据,所述管段数据中包括应力因素数据、材料因素数据、环境腐蚀因素数据和时间因素数据;
确定模块420,用于确定所述管段数据中每种因素数据对应的应力腐蚀开裂概率,其中所述应力因素数据对应第一应力腐蚀开裂概率,所述材料因素数据对应第二应力腐蚀开裂概率,所述环境腐蚀因素数据对应第三应力腐蚀开裂概率,以及所述时间因素数据对应第四应力腐蚀开裂概率;
所述确定模块420,还用于对所述第一应力腐蚀开裂概率、所述第二应力腐蚀开裂概率、所述第三应力腐蚀开裂概率以及所述第四应力腐蚀开裂概率进行累乘,得到所述目标管段的应力腐蚀开裂风险程度;
生成模块430,用于根据所述应力腐蚀开裂风险程度生成所述目标管段的维护决策项。
在一个可选的实施例中,所述管段数据中包括所述应力因素数据,所述应力因素数据中包括至少两个应力子数据;
所述确定模块420,还用于对所述至少两个应力子数据的赋值进行加权求和,得到所述应力因素数据对应的所述第一应力腐蚀开裂概率。
在一个可选的实施例中,所述至少两个应力子数据中包括距离子数据、运行压力子数据、波动范围子数据、波动频率子数据、地形子数据、残余应力密度子数据;
所述距离子数据表示所述目标管段距离上游压缩机站的距离;
所述运行压力子数据表示所述目标管段的平均运行压力;
所述波动范围子数据表示所述目标管段在历史时长内压力最大值与最小值比值的平均值;
所述波动频率子数据表示所述目标管段在所述历史时长内压力波动大于预设波动的次数均值;
所述地形子数据表示所述目标管段铺设位置的地形起伏情况;
所述残余应力密度子数据表示所述目标管段表面伤痕的密度。
在一个可选的实施例中,所述管段数据中包括所述材料因素数据,所述材料因素数据中包括至少两个材料子数据;
所述确定模块420,还用于对所述至少两个材料子数据的赋值进行加权求和,得到所述材料因素数据对应的所述第二应力腐蚀开裂概率。
在一个可选的实施例中,所述至少两个材料子数据中包括屈服强度子数据、焊接方式子数据、异常密度子数据;
所述屈服强度子数据表示所述目标管段采用钢材的屈服强度;
所述焊接方式子数据表示所述目标管段中的管节的焊接方式;
所述异常密度子数据表示所述目标管段内检测数据中环焊缝异常的密度。
在一个可选的实施例中,所述管段数据中包括所述环境腐蚀因素数据,所述环境腐蚀因素数据中包括至少两个腐蚀子数据;
所述确定模块420,还用于对所述至少两个腐蚀子数据的赋值进行加权求和,得到所述环境腐蚀因素数据对应的所述第三应力腐蚀开裂概率。
在一个可选的实施例中,所述至少两个腐蚀子数据中包括剥离程度子数据、阴保电位子数据、腐蚀缺陷子数据、涂层破损子数据、季节变化子数据、透水情况子数据、细菌腐蚀子数据、补口失效子数据;
所述剥离程度子数据表示所述目标管段防腐层的剥离程度;
所述阴保电位子数据表示所述目标管段的阴极保护情况;
所述腐蚀缺陷子数据表示所述目标管段金属损失缺陷密度;
所述涂层破损子数据表示所述目标管段表面涂层破损的密度;
所述季节变化子数据表示所述目标管段的腐蚀的季节性变化情况;
所述透水情况子数据表示所述目标管段的埋设位置土壤的透水性;
所述细菌腐蚀子数据表示所述目标管段的硫酸盐还原菌腐蚀情况;
所述补口失效子数据表示所述目标管段的补口失效比例。
在一个可选的实施例中,所述管段数据中包括所述时间因素数据;
所述确定模块420,还用于确定所述时间因素数据对应的时长取值,所述时长取值对应所述目标管段投入应用的时长;根据所述时长取值确定所述第四应力腐蚀开裂概率。
综上所述,本公开提供的管段应力腐蚀开裂风险识别装置,通过对至少两种管段数据进行获取,并确定每种管段数据对应的应力腐蚀开裂概率,从而确定整体目标管段的开裂风险,针对3PE涂层管道应力腐蚀开裂风险提供了较好的识别途径,提高了目标管段开裂识别的适应性和识别准确率,降低了管道应用过程中的应力腐蚀开裂风险程度,提高了风险预识别能力。
图5示出了本申请一个示例性实施例提供的服务器的结构示意图。该服务器可以是图1示出的服务器。具体来讲:
服务器500包括中央处理单元(CPU,Central Processing Unit)501、包括随机存取存储器(RAM,Random Access Memory)502和只读存储器(ROM,Read Only Memory)503的系统存储器504,以及连接系统存储器504和中央处理单元501的系统总线505。服务器500还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统,InputOutput System)506,和用于存储操作系统513、应用程序514和其他程序模块515的大容量存储设备507。
基本输入/输出系统506包括有用于显示信息的显示器508和用于用户输入信息的诸如鼠标、键盘之类的输入设备509。其中显示器508和输入设备509都通过连接到系统总线505的输入输出控制器510连接到中央处理单元501。基本输入/输出系统506还可以包括输入输出控制器510以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器510还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备507通过连接到系统总线505的大容量存储控制器(未示出)连接到中央处理单元501。大容量存储设备507及其相关联的计算机可读介质为服务器500提供非易失性存储。也就是说,大容量存储设备507可以包括诸如硬盘或者紧凑型光盘只读存储器(CD-ROM,Compact Disc Read Only Memory)驱动器之类的计算机可读介质(未示出)。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读存储器(EPROM,Erasable Programmable Read Only Memory)、带电可擦可编程只读存储器(EEPROM,Electrically Erasable Programmable Read OnlyMemory)、闪存或其他固态存储其技术,CD-ROM、数字通用光盘(DVD,Digital VersatileDisc)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器504和大容量存储设备507可以统称为存储器。
根据本申请的各种实施例,服务器500还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器500可以通过连接在系统总线505上的网络接口单元511连接到网络512,或者说,也可以使用网络接口单元511来连接到其他类型的网络或远程计算机系统(未示出)。
上述存储器还包括一个或者一个以上的程序,一个或者一个以上程序存储于存储器中,被配置由CPU执行。
本公开的实施例还提供了一种计算机设备,该计算机设备包括处理器和存储器,该存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述各方法实施例提供的管段应力腐蚀开裂风险识别方法。
本公开的实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行,以实现上述各方法实施例提供的管段应力腐蚀开裂风险识别方法。
本公开的实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述实施例中任一所述的管段应力腐蚀开裂风险识别方法。
可选地,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、固态硬盘(SSD,Solid State Drives)或光盘等。其中,随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance RandomAccess Memory)和动态随机存取存储器(DRAM,Dynamic Random Access Memory)。上述本公开实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本公开的可选实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种管段应力腐蚀开裂风险识别方法,其特征在于,应用于计算机设备中,所述方法包括:
从数据库中读取目标管段的管段数据,所述管段数据中包括应力因素数据、材料因素数据、环境腐蚀因素数据和时间因素数据;
确定所述管段数据中每种因素数据对应的应力腐蚀开裂概率,其中所述应力因素数据对应第一应力腐蚀开裂概率,所述材料因素数据对应第二应力腐蚀开裂概率,所述环境腐蚀因素数据对应第三应力腐蚀开裂概率,以及所述时间因素数据对应第四应力腐蚀开裂概率;
对所述应力腐蚀开裂概率进行累乘,得到所述目标管段的应力腐蚀开裂风险程度;
根据所述应力腐蚀开裂风险程度生成所述目标管段的维护决策项。
2.根据权利要求1所述的方法,其特征在于,所述管段数据中包括所述应力因素数据,所述应力因素数据中包括至少两个应力子数据;
所述确定所述管段数据中每种因素数据对应的应力腐蚀开裂概率,包括:
对所述至少两个应力子数据的赋值进行加权求和,得到所述应力因素数据对应的所述第一应力腐蚀开裂概率。
3.根据权利要求2所述的方法,其特征在于,所述至少两个应力子数据中包括距离子数据、运行压力子数据、波动范围子数据、波动频率子数据、地形子数据、残余应力密度子数据;
所述距离子数据表示所述目标管段距离上游压缩机站的距离;
所述运行压力子数据表示所述目标管段的平均运行压力;
所述波动范围子数据表示所述目标管段在历史时长内压力最大值与最小值比值的平均值;
所述波动频率子数据表示所述目标管段在所述历史时长内压力波动大于预设波动的次数均值;
所述地形子数据表示所述目标管段铺设位置的地形起伏情况;
所述残余应力密度子数据表示所述目标管段表面伤痕的密度。
4.根据权利要求1所述的方法,其特征在于,所述管段数据中包括所述材料因素数据,所述材料因素数据中包括至少两个材料子数据;
所述确定所述管段数据中每种因素数据对应的应力腐蚀开裂概率,包括:
对所述至少两个材料子数据的赋值进行加权求和,得到所述材料因素数据对应的所述第二应力腐蚀开裂概率。
5.根据权利要求4所述的方法,其特征在于,所述至少两个材料子数据中包括屈服强度子数据、焊接方式子数据、异常密度子数据;
所述屈服强度子数据表示所述目标管段采用钢材的屈服强度;
所述焊接方式子数据表示所述目标管段中的管节的焊接方式;
所述异常密度子数据表示所述目标管段内检测数据中环焊缝异常的密度。
6.根据权利要求1所述的方法,其特征在于,所述管段数据中包括所述环境腐蚀因素数据,所述环境腐蚀因素数据中包括至少两个腐蚀子数据;
所述确定所述管段数据中每种因素数据对应的应力腐蚀开裂概率,包括:
对所述至少两个腐蚀子数据的赋值进行加权求和,得到所述环境腐蚀因素数据对应的所述第三应力腐蚀开裂概率。
7.根据权利要求6所述的方法,其特征在于,所述至少两个腐蚀子数据中包括剥离程度子数据、阴保电位子数据、腐蚀缺陷子数据、涂层破损子数据、季节变化子数据、透水情况子数据、细菌腐蚀子数据、补口失效子数据;
所述剥离程度子数据表示所述目标管段防腐层的剥离程度;
所述阴保电位子数据表示所述目标管段的阴极保护情况;
所述腐蚀缺陷子数据表示所述目标管段金属损失缺陷密度;
所述涂层破损子数据表示所述目标管段表面涂层破损的密度;
所述季节变化子数据表示所述目标管段的腐蚀的季节性变化情况;
所述透水情况子数据表示所述目标管段的埋设位置土壤的透水性;
所述细菌腐蚀子数据表示所述目标管段的硫酸盐还原菌腐蚀情况;
所述补口失效子数据表示所述目标管段的补口失效比例。
8.根据权利要求1所述的方法,其特征在于,所述管段数据中包括所述时间因素数据;
所述确定所述管段数据中每种因素数据对应的应力腐蚀开裂概率,包括:
确定所述时间因素数据对应的时长取值,所述时长取值对应所述目标管段投入应用的时长;
根据所述时长取值确定所述第四应力腐蚀开裂概率。
9.一种管段应力腐蚀开裂风险识别装置,其特征在于,所述装置包括:
获取模块,用于从数据库中读取目标管段的管段数据,所述管段数据中包括应力因素数据、材料因素数据、环境腐蚀因素数据和时间因素数据;
确定模块,用于确定所述管段数据中每种因素数据对应的应力腐蚀开裂概率,其中所述应力因素数据对应第一应力腐蚀开裂概率,所述材料因素数据对应第二应力腐蚀开裂概率,所述环境腐蚀因素数据对应第三应力腐蚀开裂概率,以及所述时间因素数据对应第四应力腐蚀开裂概率;
所述确定模块,还用于对所述应力腐蚀开裂概率进行累乘,得到所述目标管段的应力腐蚀开裂风险程度;
生成模块,用于根据所述应力腐蚀开裂风险程度生成所述目标管段的维护决策项。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至8任一所述的管段应力腐蚀开裂风险识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010910816.3A CN114201840B (zh) | 2020-09-02 | 2020-09-02 | 管段应力腐蚀开裂风险识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010910816.3A CN114201840B (zh) | 2020-09-02 | 2020-09-02 | 管段应力腐蚀开裂风险识别方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114201840A true CN114201840A (zh) | 2022-03-18 |
CN114201840B CN114201840B (zh) | 2022-11-04 |
Family
ID=80644443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010910816.3A Active CN114201840B (zh) | 2020-09-02 | 2020-09-02 | 管段应力腐蚀开裂风险识别方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114201840B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115183160A (zh) * | 2022-07-22 | 2022-10-14 | 广东力创信息技术有限公司 | 管道泄漏的误报降低方法及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663653A (zh) * | 2012-05-11 | 2012-09-12 | 河北省电力建设调整试验所 | 一种热力管系风险评估方法 |
CN109989067A (zh) * | 2017-12-29 | 2019-07-09 | 北京中盈安信技术服务股份有限公司 | 一种阴极保护系统管理方法及装置 |
CN110163454A (zh) * | 2018-02-07 | 2019-08-23 | 中石油昆仑燃气有限公司 | 一种城镇燃气管网泄漏风险评价方法及装置 |
-
2020
- 2020-09-02 CN CN202010910816.3A patent/CN114201840B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663653A (zh) * | 2012-05-11 | 2012-09-12 | 河北省电力建设调整试验所 | 一种热力管系风险评估方法 |
CN109989067A (zh) * | 2017-12-29 | 2019-07-09 | 北京中盈安信技术服务股份有限公司 | 一种阴极保护系统管理方法及装置 |
CN110163454A (zh) * | 2018-02-07 | 2019-08-23 | 中石油昆仑燃气有限公司 | 一种城镇燃气管网泄漏风险评价方法及装置 |
Non-Patent Citations (2)
Title |
---|
帅健等: "输油管道的风险评价", 《油气储运》 * |
王辉: "西部输油管线风险评估及安全评价", 《油气田地面工程》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115183160A (zh) * | 2022-07-22 | 2022-10-14 | 广东力创信息技术有限公司 | 管道泄漏的误报降低方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114201840B (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104063588B (zh) | 基于多源数据融合的管道腐蚀缺陷尺寸的预测方法 | |
CN102725576B (zh) | 维护管道的方法 | |
Xie et al. | Risk-based pipeline re-assessment optimization considering corrosion defects | |
CN112883538B (zh) | 一种埋地原油管道的腐蚀预测系统及方法 | |
Amaya-Gómez et al. | Integrity assessment of corroded pipelines using dynamic segmentation and clustering | |
CN110020399B (zh) | 一种管道内腐蚀评价位置的确定方法 | |
JP5423983B2 (ja) | 計算機システム及びリスク診断方法 | |
CN114201840B (zh) | 管段应力腐蚀开裂风险识别方法、装置、设备及介质 | |
CN113626970B (zh) | 公共管廊管道腐蚀剩余寿命评估方法及系统 | |
CN106932334A (zh) | 油气站场工艺管道腐蚀程度的预测方法 | |
Dudin et al. | Strategy for monitoring and ensuring safe operation of Russian gas transportation systems | |
CN113705609A (zh) | 一种油气管道风险判定模型的构建方法和装置 | |
CN116596302A (zh) | 基于动态分析的埋地钢制燃气管道检验周期确定方法、电子设备和存储介质 | |
CN115358102B (zh) | 引入内检测数据的地震作用下腐蚀管道失效概率分析方法 | |
Wright et al. | Evaluation of Corrosion Growth Prediction Methodologies Using Burst Pressure Comparisons From Repeated In-Line Inspections | |
Amaya-Gómez et al. | Spatial and temporal corrosion degradation modelling with a Lévy process based on ILI (in-line) inspections | |
Desjardins | Corrosion rate and severity results from in-line inspection data | |
KR102556371B1 (ko) | 지하 매설관의 파손 위험 분석 방법 및 장치 | |
CN112749858A (zh) | 存储器、储罐失效风险评估方法、装置和设备 | |
Yajima et al. | The application of macro modeling concept for the soil/coating external corrosion for ECDA process by using statistical tools | |
CN114992528B (zh) | 用于油气管道的数据处理方法和处理器 | |
CN115524392A (zh) | 地下工业管道完整性检测评价方法、系统、电子设备及存储介质 | |
Gu et al. | Probabilistic based corrosion assessment for pipeline integrity | |
Al-Amin et al. | A Robust Risk Assessment Model for Stress Corrosion Cracking | |
Opeyemi et al. | Reliability-Based Optimization of the Inspection Time Interval for Corroded Pipelines. |
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 |