CN115308113A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN115308113A CN115308113A CN202210773667.XA CN202210773667A CN115308113A CN 115308113 A CN115308113 A CN 115308113A CN 202210773667 A CN202210773667 A CN 202210773667A CN 115308113 A CN115308113 A CN 115308113A
- Authority
- CN
- China
- Prior art keywords
- corrosion rate
- shale gas
- gas gathering
- rate prediction
- regression
- 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
Links
- 230000007797 corrosion Effects 0.000 title claims abstract description 126
- 238000005260 corrosion Methods 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000001419 dependent effect Effects 0.000 claims abstract description 10
- 238000002474 experimental method Methods 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 7
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- -1 K 1 Chemical compound 0.000 claims description 3
- 238000005530 etching Methods 0.000 claims description 3
- 230000004580 weight loss Effects 0.000 claims description 3
- 239000007789 gas Substances 0.000 description 32
- 238000012360 testing method Methods 0.000 description 12
- 238000009412 basement excavation Methods 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000000813 microbial effect Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000006056 electrooxidation reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 230000027756 respiratory electron transport chain Effects 0.000 description 2
- 238000002791 soaking Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000010946 mechanistic model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Databases & Information Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Probability & Statistics with Applications (AREA)
- Environmental Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明公开了一种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,包括如下步骤:模拟页岩气集输管道沿线温降,获取页岩气集输管道沿线的各腐蚀性介质参数变化情况;根据腐蚀速率与各腐蚀性介质参数的关系,以腐蚀速率作为因变量,各腐蚀性介质参数作为自变量,分别建立回归模型Y1和腐蚀速率预测模型A1;确定各腐蚀性介质参数与腐蚀速率的拟合关系,以回归模型Y1整体作为多元非线性回归的自变量,建立回归模型Y2,计算回归模型Y2的回归系数和随机误差;利用回归模型Y2的回归系数和随机误差,对A1进行修正,得到腐蚀速率预测模型A2;根据管道形态以及流型对A2进行修正,得到腐蚀速率预测模型A3,使用A3对页岩气集输管道的腐蚀速率进行预测。
Description
技术领域
本发明涉及管道腐蚀速率预测技术领域,特别是一种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。
背景技术
页岩气集输管道内腐蚀是导致在役管道老化、穿孔和泄露的重要原因之一。在页岩气的特殊开采方式下,压裂液中携带了大量细菌,如SRB,导致地面集输系统发生严重微生物电化学腐蚀。同时,页岩气集输环境中又含有CO2、Cl-等腐蚀性介质,加剧页岩气集输管道的电化学腐蚀,造成管道的堵塞,并使管道设施发生局部腐蚀,出现穿孔,引发安全事故和财产损失。因此,在内检测技术受限的情况下,通过形成一种页岩气集输管道腐蚀速率预测方法,对保障页岩气集输安全运行具有重要的研究与工程意义。
引起页岩气集输管道内腐蚀的原因比较复杂,最主要的两个因素为SRB和CO2,国内外学者对于CO2腐蚀速率预测模型的研究颇多,多用常规的数学建模方法。相较之下SRB腐蚀速率预测模型的研究很少,基本为机理模型,但关于同时考虑SRB、CO2和其他多个因素拟合的内腐蚀速率预测的相关内容较少见到。
发明内容
为解决现有技术中存在的缺少同时考虑SRB、CO2和其他多个因素拟合的内腐蚀速率预测方法的问题,本发明提供了一种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,同时考虑SRB、CO2和其他多个因素对管道的腐蚀影响,通过页岩气集输管道内腐蚀总概率函数计算模型,形成适用于页岩气集输管道的内腐蚀直接评价技术,以期充分预测集输管道腐蚀速率。
本发明采用的技术方案是:
一种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,包括如下步骤:
S1、模拟页岩气集输管道沿线温降,获取页岩气集输管道沿线的各腐蚀性介质参数变化情况,非模拟参数选用入口处定值;
S2、基于多元非线性回归方法,根据腐蚀速率与各腐蚀性介质参数的关系,以腐蚀速率作为因变量,各腐蚀性介质参数作为自变量,分别建立回归模型Y1和腐蚀速率预测模型A1;
S3、确定各腐蚀性介质参数与腐蚀速率的拟合关系,基于多元非线性回归方法,以回归模型Y1整体作为多元非线性回归的自变量,建立回归模型Y2,计算回归模型Y2的回归系数和随机误差;
S4、利用回归模型Y2的回归系数和随机误差,对腐蚀速率预测模型A1进行修正,得到腐蚀速率预测模型A2;
S5、根据管道形态以及流型对腐蚀速率预测模型A2进行修正,得到腐蚀速率预测模型A3,使用腐蚀速率预测模型A3对页岩气集输管道的腐蚀速率进行预测。
优选的,在步骤S1中,腐蚀性介质参数包含页岩气集输管道沿线的温度、CO2分压、Cl-浓度、HCO3 -浓度、SRB含量和流速。
优选的,在步骤S2中,令腐蚀速率为因变量Y,各腐蚀性介质参数为自变量xi,i为1~n,n为腐蚀性介质参数的种类个数,即xi表示第i个腐蚀性介质参数,根据腐蚀速率与各腐蚀性介质参数的关系,分别建立回归模型Y1见式(2)所示:
Y=fi(xi) (2)。
优选的,在步骤S2中,温度T与腐蚀速率Vcorr的关系如式(3)所示:
Vcorr=0.0023×T-0.019 (3)
Cl-浓度L与腐蚀速率Vcorr的关系如式(5)所示:
Vcorr=-0.1129×L2+0.0246×L+0.067 (5)
HCO3 -浓度H与腐蚀速率Vcorr的关系如式(6)所示:
Vcorr=1.6687×H+0.048 (6)
SRB含量N与腐蚀速率Vcorr的关系如式(7)所示:
Vcorr=0.0017×N0.3554 (7)
流速v与腐蚀速率Vcorr的关系如式(8)所示:
Vcorr=0.017×v-0.138 (8)
在式(4)中,A为根据腐蚀失重实验得到的系数。
优选的,在步骤S2中,腐蚀速率预测模型A1如式(9)所示:
优选的,在步骤S3中,令X1=f1(x1),X2=f2(x2),…,Xn=fn(xn),随机误差为ξ,则因变量Y与各自变量(X1,X2,…,Xn)的回归模型Y2如式(10)所示:
Y=K1X1+K2X2+…+KnXn+ξ (10)
在式(10)中,K1,K2,…,Kn为回归系数。
优选的,在步骤S4中,腐蚀速率预测模型A2如式(11)所示:
优选的,在步骤S5中,腐蚀速率预测模型A3如式(12)所示:
在式(12)中,B为管道形态以及流型修正系数。
本发明的有益效果是:
形成了一种页岩气集输管道的腐蚀速率预测模型,该模型考虑了温度、CO2分压、Cl-浓度、HCO3 -浓度、SRB含量和流速,且预测值与页岩气管道开挖点的实测腐蚀速率值吻合度达到70%,该预测管道内腐蚀速率的技术,可根据评估结果采取及时有效的措施,不受管道实际敷设状态影响且不用大量开挖,相比内检测工艺简单,节省费用,是控制管道内腐蚀有效方法且能降本增效的方法。
具体实施方式
下面结合实施例本发明进行详细说明。
实施例
本实施例提供一种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,其实施步骤如下:
步骤一:采集页岩气集输管道入口处各腐蚀性介质参数(温度、CO2分压、Cl-浓度、HCO3 -浓度、SRB含量、流速、Ca2+浓度、SO4 2-浓度、浸泡方式、pH、压力);
在静态环境下,对非生物腐蚀的主控因子进行筛选与评价:在未加SRB的条件下,使用Ca(NO3)2、NaCl、NaHCO3和Na2SO4按照设计的正交实验表(如表1所示),配置对应浓度的模拟水,半浸没和未浸入实验组的广口瓶中加入500mL模拟水,全浸没实验组的广口瓶中加入1L模拟水,通氮气除氧1h,按照设计的浸入方式将抛光打磨、清洗、称量后的L245N钢材试片悬挂与相应的广口瓶水样中(未浸入的试片距离水面1cm),封口,按照平行实验的实验条件进行7天的静态挂片实验。
表1正交实验因素水平表
实验期结束后,试样表面腐蚀产物按照ASTMG1《腐蚀试样的制备、清洗和评定》的步骤进行清洗,试片清洗干燥后称重。腐蚀速率参照标准SY/T 0026-1999《水腐蚀性测试方法》计算,通过腐蚀速率评价腐蚀性。腐蚀速率可通过下式(1)计算得出:
式(1)中,V为平均腐蚀速率,单位为mm/a,m0为试片初始质量,单位为g,m1为试片试验后质量,单位为g,S为试片的面积,单位为cm2,t为试片浸泡的时间,单位为h,ρ为试片的密度,单位为g/cm3。
步骤二:通过腐蚀正交实验,从多种腐蚀因素中,以极差分析和方差分析相结合的方式筛选出主要腐蚀影响因素,为温度、CO2分压、Cl-浓度、HCO3 -浓度、SRB含量、流速,试片的静态腐蚀速率如表2所示。
表2因素3水平的静态腐蚀挂片正交实验结果
步骤三:基于PIPESIM软件模拟管道沿线温降,并基于电子转移与传质过程的微生物腐蚀速率预测模型研究,获取页岩气集输管道沿线的温度、CO2分压、Cl-浓度、HCO3 -浓度、SRB含量、流速数据参数变化情况,非模拟参数可选用入口处定值;
基于电子转移与传质过程的微生物腐蚀速率预测模型研究,设因变量为Y,各自变量为xi,i为1~n,n为腐蚀性介质参数的种类个数,即xi表示第i个腐蚀性介质参数。基于多元非线性回归理论,首先根据因变量Y与各自变量xi的关系,分别建立回归模型,即:
Y=fi(xi) (2)
温度T与腐蚀速率Vcorr的关系如式(3)所示:
Vcorr=0.0023×T-0.019 (3)
在式(4)中,A为根据不同腐蚀失重实验得到的系数,结合实验数据,得到本次实验中A为0.043,即式(4)为:
Cl-浓度L与腐蚀速率Vcorr的关系如式(5)所示:
Vcorr=-0.1129×L2+0.0246×L+0.067 (5)
HCO3 -浓度H与腐蚀速率Vcorr的关系如式(6)所示:
Vcorr=1.6687×H+0.048 (6)
利用回归分析方法,建立了SRB含量与腐蚀速率之间的幂函数关系,因此结合实验数据,SRB含量N与腐蚀速率Vcorr的关系如式(7)所示:
Vcorr=0.0017×N0.3554 (7)
通过对试验数据的分析和统计,得出液体流速与腐蚀速率的幂函数关系,结合实验数据,得到流速v与腐蚀速率Vcorr的关系如式(8)所示:
Vcorr=0.017×v-0.138 (8)
集气站管道腐蚀速率模型形式如式(9)所示,记为模型A1:
式(9)中,Vcorr为腐蚀速率,单位为mm/a,T为温度,单位为℃,为CO2分压,单位为MPa,L为Cl-浓度,单位为mol/L,H为HCO3 -浓度,单位为mol/L,N为SRB含量,单位为个/mL,v为流速,单位为m/s。
使用腐蚀速率模型A1对威远区块开发页岩气的钻井平台之一204H4-204集气站管道开挖点进行预测,其预测结果如表3所示。
表3模型A1预测204H4-204集气站管道开挖点腐蚀速率及误差对比
由表3所示,模型A1计算出的最大误差为43.03%,平均误差为24.8%,整体误差偏小,但最大误差还是偏大,因此对模型A1作误差修正。
步骤四:基于腐蚀正交实验数据,确定以上六种单因素变量与腐蚀速率的拟合关系,再通过以六因素为变量的多组高温高压反应釜实验,基于多元非线性回归方法确定腐蚀速率预测模型中的常数项;
将式(2)中所建的模型整体作为多元非线性回归的变量,令X1=f1(x1),X2=f2(x2),…,Xn=fn(xn),随机误差为ξ,则因变量Y与各自变量(X1,X2,…,Xn)的非线性回归模型可表示为:
Y=K1X1+K2X2+…+KnXn+ξ (10)
在式(10)中,K1,K2,…,Kn为回归系数,这些回归系数由六组动态验证试验结果为基础,再利用SPSS软件回归分析。误差系数ξ由一组开挖点分析回归得到,数值为0.104。
步骤五:基于PIPESIM软件模拟管道沿程流态的变化,对通过实验拟合得到的腐蚀速率预测模型进行修正,从而得到更加准确的页岩气集输管道腐蚀速率预测模型;
修正后的腐蚀速率模型见下,记为模型A2:
再由现场数据验证模型A2对204H4-204集气站管道开挖点腐蚀速率的预测,结果如下表4所示。
表4模型A2预测204H4-204集气站管道开挖点腐蚀速率及误差对比
由表4所示,模型A2计算出的最大误差为28.883%,平均误差为13.143%,相比于模型A1计算的误差,均有所下降。
将第一批现场检测结果与A2模型计算的内腐蚀速率预测结果进行对比如表5所示。
表5实测腐蚀速率和预测腐蚀速率对比
由表5可知,平均误差为36.54%,误差偏大,需要对模型进行修正。从理论上分析,该模型未考虑管道形态以及流型对管道内腐蚀的影响。可以结合多相流模拟的结果,对模型进行修正。
根据管管道形态以及流型修正模型A2之后,得到腐蚀速率预测模型A3:
在式(12)中,B为管道形态以及流型修正系数,将第二批现场检测结果与A3模型计算的内腐蚀速率预测结果进行对比如表6所示。。
表6模型A3预测值与实际对比
模型修正后,第一批次与第二批次开挖点的腐蚀速率的预测误差均有所下降,平均误差为26.31%,内腐蚀速率预测模型的准确度控制在70%以上。
由表6可知,对于第二批次开挖点204H4-K3,有如下的特点:1)所检测管段的点蚀坑深最大为0.53mm(为原始壁厚的9.46%),10%≤最大蚀深<25%原始壁厚属于轻度腐蚀;2)所检测管段最大点蚀速率为0.106mm/a,最大点蚀速率<0.13为轻度腐蚀,与相应腐蚀点的腐蚀总概率低相吻合,预测腐蚀速率和实际腐蚀速率偏差不大于30%,故该预测模型能够用于该管道内腐蚀预测。
本实施例提出了一种页岩气集输管道内腐蚀速率模型,考虑了多种主要的不确定性腐蚀影响参数:温度、CO2分压、Cl-浓度、HCO3 -浓度、SRB含量和流速,通过该模型针对威远页岩气区块集输管线的内腐蚀速率进行预测,页岩气管道微生物腐蚀速率预测模型预测正确度达到70%。
以上所述实施例仅表达了本发明的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (8)
1.一种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,其特征在于,包括如下步骤:
S1、模拟页岩气集输管道沿线温降,获取页岩气集输管道沿线的各腐蚀性介质参数变化情况,非模拟参数选用入口处定值;
S2、基于多元非线性回归方法,根据腐蚀速率与各腐蚀性介质参数的关系,以腐蚀速率作为因变量,各腐蚀性介质参数作为自变量,分别建立回归模型Y1和腐蚀速率预测模型A1;
S3、确定各腐蚀性介质参数与腐蚀速率的拟合关系,基于多元非线性回归方法,以回归模型Y1整体作为多元非线性回归的自变量,建立回归模型Y2,计算回归模型Y2的回归系数和随机误差;
S4、利用回归模型Y2的回归系数和随机误差,对腐蚀速率预测模型A1进行修正,得到腐蚀速率预测模型A2;
S5、根据管道形态以及流型对腐蚀速率预测模型A2进行修正,得到腐蚀速率预测模型A3,使用腐蚀速率预测模型A3对页岩气集输管道的腐蚀速率进行预测。
2.根据权利要求1所述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,其特征在于,在步骤S1中,腐蚀性介质参数包含页岩气集输管道沿线的温度、CO2分压、Cl-浓度、HCO3 -浓度、SRB含量和流速。
3.根据权利要求2所述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,其特征在于,在步骤S2中,令腐蚀速率为因变量Y,各腐蚀性介质参数为自变量xi,i为1~n,n为腐蚀性介质参数的种类个数,即xi表示第i个腐蚀性介质参数,根据腐蚀速率与各腐蚀性介质参数的关系,分别建立回归模型Y1见式(2)所示:
Y=fi(xi) (2)。
4.根据权利要求3所述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,其特征在于,在步骤S2中,温度T与腐蚀速率Vcorr的关系如式(3)所示:
Vcorr=0.0023×T-0.019 (3)
Cl-浓度L与腐蚀速率Vcorr的关系如式(5)所示:
Vcorr=-0.1129×L2+0.0246×L+0.067 (5)
HCO3 -浓度H与腐蚀速率Vcorr的关系如式(6)所示:
Vcorr=1.6687×H+0.048 (6)
SRB含量N与腐蚀速率Vcorr的关系如式(7)所示:
Vcorr=0.0017×N0.3554 (7)
流速v与腐蚀速率Vcorr的关系如式(8)所示:
Vcorr=0.017×v-0.138 (8)
在式(4)中,A为根据腐蚀失重实验得到的系数。
6.根据权利要求5所述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,其特征在于,在步骤S3中,令X1=f1(x1),X2=f2(x2),…,Xn=fn(xn),随机误差为ξ,则因变量Y与各自变量(X1,X2,…,Xn)的回归模型Y2如式(10)所示:
Y=K1X1+K2X2+…+KnXn+ξ (10)
在式(10)中,K1,K2,…,Kn为回归系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210773667.XA CN115308113A (zh) | 2022-07-01 | 2022-07-01 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210773667.XA CN115308113A (zh) | 2022-07-01 | 2022-07-01 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115308113A true CN115308113A (zh) | 2022-11-08 |
Family
ID=83857165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210773667.XA Pending CN115308113A (zh) | 2022-07-01 | 2022-07-01 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115308113A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2497503A1 (en) * | 2004-02-20 | 2005-08-20 | 787937 Alberta Ltd. | Corrosion monitor |
CN101782499A (zh) * | 2009-01-21 | 2010-07-21 | 中国科学院金属研究所 | 一种预测金属材料大气腐蚀速率的方法 |
US20110067497A1 (en) * | 2009-09-18 | 2011-03-24 | Conocophillips Company | High precision ultrasonic corrosion rate monitoring |
CN102854124A (zh) * | 2012-07-27 | 2013-01-02 | 合肥通用机械研究院 | 可变入射角模拟测量流体对管道冲刷腐蚀速率的装置及方法 |
JP2017146243A (ja) * | 2016-02-18 | 2017-08-24 | 一般財団法人電力中央研究所 | 構造物の付着物検出装置及び鉄塔の腐食管理システム |
CN109284876A (zh) * | 2018-11-19 | 2019-01-29 | 福州大学 | 基于pca-rbf埋地管道腐蚀速率预测方法 |
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 |
CN113468757A (zh) * | 2021-07-16 | 2021-10-01 | 西南石油大学 | 一种基于模糊随机理论评估腐蚀天然气管道可靠性的方法 |
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 |
-
2022
- 2022-07-01 CN CN202210773667.XA patent/CN115308113A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2497503A1 (en) * | 2004-02-20 | 2005-08-20 | 787937 Alberta Ltd. | Corrosion monitor |
CN101782499A (zh) * | 2009-01-21 | 2010-07-21 | 中国科学院金属研究所 | 一种预测金属材料大气腐蚀速率的方法 |
US20110067497A1 (en) * | 2009-09-18 | 2011-03-24 | Conocophillips Company | High precision ultrasonic corrosion rate monitoring |
CN102854124A (zh) * | 2012-07-27 | 2013-01-02 | 合肥通用机械研究院 | 可变入射角模拟测量流体对管道冲刷腐蚀速率的装置及方法 |
JP2017146243A (ja) * | 2016-02-18 | 2017-08-24 | 一般財団法人電力中央研究所 | 構造物の付着物検出装置及び鉄塔の腐食管理システム |
CN109284876A (zh) * | 2018-11-19 | 2019-01-29 | 福州大学 | 基于pca-rbf埋地管道腐蚀速率预测方法 |
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 |
CN113468757A (zh) * | 2021-07-16 | 2021-10-01 | 西南石油大学 | 一种基于模糊随机理论评估腐蚀天然气管道可靠性的方法 |
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 |
Non-Patent Citations (9)
Title |
---|
HAN KAI: "Experimental and numerical study on the deformation mechanism of straight flanging by incremental sheet forming", 《INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES》, vol. 160, 30 September 2019 (2019-09-30), pages 75 - 89, XP085783647, DOI: 10.1016/j.ijmecsci.2019.06.024 * |
WANG KAI: "Numerical investigation of gas permeation and condensation behavior of flexible risers", <JOURNAL OF PETROLEUM SCIENCE AND ENGINEERING>, vol. 203, 18 June 2021 (2021-06-18), pages 1 - 12 * |
何莎 等: "在有微生物的水中L245钢腐蚀速率模型研究", 《石油化工腐蚀与防护》, vol. 38, no. 6, 25 December 2021 (2021-12-25), pages 1 - 6 * |
刘昕瑜: "20#钢湿气集输管道内腐蚀预测方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》, no. 11, 15 November 2017 (2017-11-15), pages 1 - 120 * |
易东;: "多相流海底管道内腐蚀模型研究", 石油化工腐蚀与防护, no. 04, 25 August 2020 (2020-08-25), pages 15 - 20 * |
李小龙;李学胜;刘志刚;迟国安;: "不同CO_2分压下油田产出液温度对N80钢油管腐蚀的影响", 材料保护, no. 10, 15 October 2013 (2013-10-15), pages 67 - 69 * |
樊文娟: "含水原油对管道内部腐蚀速率影响研究进展", 《内蒙古石油化工》, vol. 46, no. 9, 30 September 2020 (2020-09-30), pages 15 - 17 * |
陈艳: "基于FLUENT和神经网络预测海水弯管冲刷腐蚀的模型", 《腐蚀与防护》, vol. 40, no. 6, 15 June 2019 (2019-06-15), pages 436 - 440 * |
魏丹;叶东;: "含CO_2多相流相态的非均匀性对输油管冲刷腐蚀的影响", 科技导报, no. 16, 28 August 2009 (2009-08-28), pages 51 - 54 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kahyarian et al. | Modeling of uniform CO2 corrosion of mild steel in gas transportation systems: a review | |
CN104063588B (zh) | 基于多源数据融合的管道腐蚀缺陷尺寸的预测方法 | |
US8447529B2 (en) | Method and system for predicting corrosion rates using mechanistic models | |
Singh et al. | A methodology for risk-based inspection planning of oil and gas pipes based on fuzzy logic framework | |
CN110807540A (zh) | 天然气管道内腐蚀速率的预测方法 | |
CN109460631B (zh) | 一种海底混输管道腐蚀速率预测方法 | |
CN107063991A (zh) | 一种输送管道内部腐蚀缺陷动态安全评定方法和装置 | |
CN101915728A (zh) | 埋地金属给水管道剩余寿命预测的测试方法 | |
Papavinasam et al. | Review of models to predict internal pitting corrosion of oil and gas pipelines | |
Gunaltun et al. | Progress In The Prediction Of Top Of The Line Corrosion And Challenges To Predict Orrosion Rates Measured In Gas Pipelines | |
CN113806964B (zh) | 一种考虑多因素耦合作用的腐蚀与结垢速率预测方法 | |
CN115308113A (zh) | 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 | |
JPH09318586A (ja) | ステンレス鋼油井管の寿命予測方法 | |
CN111077224B (zh) | 一种在役管道腐蚀声发射信号发生器 | |
Ghalib | Impact of presence of CO2 in natural gas streams | |
Sonke et al. | Selection and Implementation of New “Green" Corrosion Inhibitors for Existing Offshore Gas Production | |
CN114492232B (zh) | 一种海底管道内腐蚀敏感因素分析方法 | |
Barton et al. | Improving CO2 corrosion rate predictions through the use of corrosion assessment and flow modelling-A field case study | |
Covino et al. | Corrosion: fundamentals, testing and protection | |
Singh et al. | Risk analysis of oil and gas pipelines subjected to CO2 corrosion | |
Papavinasam | Pitting corrosion | |
Melo et al. | A framework for the probabilistic integrity and risk assessment of unpiggable pipelines | |
Obaseki et al. | Corrosion Rate Prediction in Oil and Gas Pipelines Based on Multiphase Flow Modelling | |
CN117634102A (zh) | 一种超深井井下油管选材方法 | |
Wafa Nor el Houda et al. | Prediction of Corrosion Potential by Generalized Artificial Neural Networks Method |
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 |