CN117648817A - 一种工艺管道腐蚀数据获取方法、电子设备及存储介质 - Google Patents
一种工艺管道腐蚀数据获取方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117648817A CN117648817A CN202311659408.5A CN202311659408A CN117648817A CN 117648817 A CN117648817 A CN 117648817A CN 202311659408 A CN202311659408 A CN 202311659408A CN 117648817 A CN117648817 A CN 117648817A
- Authority
- CN
- China
- Prior art keywords
- corrosion
- pipeline
- max
- detected
- process pipeline
- 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
- 230000007797 corrosion Effects 0.000 title claims abstract description 156
- 238000005260 corrosion Methods 0.000 title claims abstract description 156
- 238000000034 method Methods 0.000 title claims abstract description 123
- 230000008569 process Effects 0.000 title claims abstract description 83
- 238000001514 detection method Methods 0.000 claims abstract description 51
- 239000000463 material Substances 0.000 claims abstract description 27
- 238000005070 sampling Methods 0.000 claims abstract description 22
- 238000005315 distribution function Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 abstract description 5
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 5
- 239000012530 fluid Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000007788 liquid Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- 229910000589 SAE 304 stainless steel Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Landscapes
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明提供了一种工艺管道腐蚀数据获取方法，包括：根据待检测的工艺管道的材质和运行环境，确定所述待检测的工艺管道的腐蚀类型，如果为均匀腐蚀，对待检测的工艺管道进行抽样检测，获取对应的腐蚀减薄量数据，并基于广义极值分布模型获取待评估的工艺管道的均匀腐蚀极大值；如果为局部腐蚀，对待检测的工艺管道进行密集检测，获取对应的腐蚀减薄量数据，并基于广义极值分布模型获取待评估的工艺管道的局部腐蚀极大值；基于均匀腐蚀极大值和局部腐蚀极大值获取待评估的工艺管道的腐蚀数据。本发明通过对抽取管道检测数据的综合利用，达到同材质、同工况下工艺管道的全面评估，能有效减少检测成本的投入，为隐患识别提供支撑。
Description
技术领域
本发明涉及石化领域，特别是涉及一种工艺管道腐蚀数据获取方法、电子设备及存储介质。
背景技术
近年来，由于管道服役时间的延长，其面临的腐蚀失效问题愈加严峻。石油化工装置中，腐蚀泄漏问题通常发生在工艺管道，从泄漏问题的发生形式看，泄漏问题大多由点蚀引起，少数腐蚀泄漏是由于管道均匀减薄发展而来。均匀腐蚀较易检测与察觉，检测结果多以正太分布表现；点蚀及其他类型的局部腐蚀，其发生位置和发展趋势均有很大的随机性，通常开展的抽样检测无法全面实现管道腐蚀程度的真实判断。因此，需要研究样本中的部分特征值，而最具有实际意义的是研究样本极大值和极小值。常见的极值分布有Gumbel极大值分布和Weibull极小值分布，对于腐蚀分布规律的研究，通过腐蚀实验已取得一定的成果，例如，316钢缝隙腐蚀最大深度、石油储罐底板最大点蚀深度等符合Gumbel分布；高温纯水敏化304钢的破裂寿命、MgCl2中304钢的SCC破裂寿命等符合Weibull分布。
当前，关于腐蚀分布模型的研究已经较为成熟，腐蚀深度统计模型多采用广义极值分布模型，但基于分布模型进一步地腐蚀评估研究较为薄弱，且针对石化装置中工艺管道腐蚀减薄极值评估方面的研究则更少；此外，工艺管道数量庞大且交错复杂，全面检测所有管道腐蚀情况耗资巨大且难以实现。
发明内容
针对上述技术问题，本发明采用的技术方案为：
本发明实施例提供一种工艺管道腐蚀数据获取方法，用于对同材质、同工况条件下的n个工艺管道的腐蚀剩余寿命进行预测，所述n个工艺管道包括1个待检测的工艺管道和n-1个待评估的工艺管道，所述方法包括如下步骤：
S100，根据所述待检测的工艺管道的材质和运行环境，确定所述待检测的工艺管道的腐蚀类型，如果为均匀腐蚀，执行S200，如果为局部腐蚀，执行S400。
S200，对所述待检测的工艺管道进行抽样检测，获取对应的腐蚀减薄量数据XEc＝{XEc1，XEc2，……，XEcj，……，XEcm}，XEcj为根据第j个抽样管道截面得到的腐蚀减薄量数据，j的取值为1到m，m为抽样管道截面的数量；XEcj＝{XE1 cj，XE2 cj，……，XEr cj，……，XEh cj}，XEr cj为第j个抽样管道截面上的第r个检测点对应的腐蚀深度，r的取值为1到h，h为每个抽样管道截面上的检测点的数量。
S300，基于XEc、待检测的工艺管道的管长Lc、管径dc、投入运行时间Tc和广义极值分布模型获取第i个待评估的工艺管道的均匀腐蚀极大值XEmax i。
S400，对所述待检测的工艺管道上的局部腐蚀区域内的q个检测区域进行检测，获取对应的腐蚀减薄量数据XPc＝{XPc1，XPc2，……，XPcs，……，XPcq}，XPcs为根据局部腐蚀区域中的第s个检测区域得到的最大腐蚀深度，s的取值为1到q，q为检测区域的数量；XPcs＝max{XP1 cs，XP2 cs，……，XPt cs，……，XPe cs}，XPt cj为第s个检测区域上的第t个检测点对应的腐蚀深度，t的取值为1到e，e为每个检测区域上的检测点的数量。
S500，基于XPc、Lc、dc、Tc和广义极值分布模型获取第i个待评估的工艺管道的均匀腐蚀极大值XPmax i。
S600，基于D0i、Ti、XEmax i和/或XPcs，获取第i个待评估的工艺管道的腐蚀数据，包括：腐蚀深度极大值Mi、最小剩余壁厚Dmin i、最大腐蚀速率Vmax i和剩余寿命TRi；D0i为第i个待评估的工艺管道的初始壁厚，Ti为第i个待评估的工艺管道的投入运行时间，i的取值为1到n-1。
本发明实施例还提供一种非瞬时性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或至少一段程序，其所述至少一条指令或所述至少一段程序由处理器加载并执行以实现前述方法。
本发明实施例还提供一种电子设备，包括处理器和前述的非瞬时性计算机可读存储介质。
本发明至少具有以下有益效果：
本发明实施例提供的工艺管道腐蚀数据获取方法，首先，根据工艺管道腐蚀机理确认腐蚀类型，通过超声波测厚仪进行腐蚀检测，若为均匀腐蚀则对工艺管道各部位选点抽测进行定点测厚；若为局部腐蚀则对局部腐蚀区域进行密集点测。接着，通过腐蚀检测获取工艺管道减薄量数据集，采用广义极值分布模型拟合减薄量数据，从而进行腐蚀极大值评估。最后，根据极大值评估结果计算工艺管道剩余壁厚、腐蚀速率及剩余寿命。本发明通过对抽取管道检测数据的综合利用，达到同材质、同工况下工艺管道的全面评估，能有效减少检测成本的投入，为隐患识别提供支撑。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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为本发明实施例提供的工艺管道腐蚀数据获取方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种工艺管道腐蚀数据获取方法，用于对同材质、同工况条件下的n个工艺管道的腐蚀剩余寿命进行预测，所述n个工艺管道包括1个待检测的工艺管道和n-1个待评估的工艺管道。
在本发明实施例中，工艺管道为石油化工行业中的工艺管道。
在本发明实施例中，待检测的工艺管道可为投入运行时间为所有管道的投入运行时间的中位数的管道，以避免极端值对结果精度的影响。
进一步地，如图1所示，本发明实施例提供的方法可包括如下步骤：
S100，根据所述待检测的工艺管道的材质和运行环境，确定所述待检测的工艺管道的腐蚀类型，如果为均匀腐蚀，执行S200，如果为局部腐蚀，执行S400。
管道的运行环境可为管道的操作条件，可包括以下几个方面：
温度：管道所处的温度范围，包括工作温度和环境温度。温度可以对管道材料的性能和腐蚀速率产生影响。
压力：管道内的压力情况，包括工作压力、最大压力和最小压力等。压力会对管道的强度和稳定性产生影响。
流体介质：管道中输送的流体介质，包括液体、气体、混合物等。不同介质的元素含量不同，硫含量、氯含量、氧含量、硅含量、硝酸根离子含量、硝酸根离子、碱性离子含量等均会对管道腐蚀产生影响。
pH值：介质的pH值表示其酸碱性，酸性介质会对某些管道材料产生腐蚀，而碱性介质对另一些材料具有腐蚀性。不同的材料对不同pH值的介质具有不同的腐蚀性能。
浓度：介质中的溶质浓度也会对管道材料的腐蚀产生影响。一般来说，高浓度的溶质会加速腐蚀反应的进行。
流速：流经管道的流体速度，通常以流速或者流量来表示。流速会对管道内壁的磨损、腐蚀和压力损失产生影响。
湿度：管道所处环境的湿度条件。湿度可以对管道表面的腐蚀速率和腐蚀机制产生影响。
应力状态：管道在使用过程中会受到各种应力作用，如拉应力、压应力、弯曲应力等。不同的应力状态会对腐蚀行为产生影响。
操作周期：管道的使用频率和工作时间。操作周期会对管道的疲劳寿命和腐蚀速率产生影响。
本领域技术人员知晓的是，任何根据待检测的工艺管道的运行环境，通过腐蚀机理确定所述待检测的工艺管道的腐蚀类型的方法均属于本发明的保护范围。
均匀腐蚀是指在整个表面均匀发生的腐蚀，导致材料表面的厚度减少。这种腐蚀形式通常是由于腐蚀介质与材料表面发生化学反应，导致材料被逐渐溶解。
局部腐蚀是指在材料表面或局部区域发生的腐蚀，导致材料表面形成局部凹坑、穿孔、腐蚀坑等。局部腐蚀通常是由于材料的表面有不均匀的化学成分分布、缺陷或应力集中等原因导致的。
S200，对所述待检测的工艺管道进行抽样检测，获取对应的腐蚀减薄量数据XEc＝{XEc1，XEc2，……，XEcj，……，XEcm}，XEcj为根据第j个抽样管道截面得到的腐蚀减薄量数据，j的取值为1到m，m为抽样管道截面的数量；XEcj＝{XE1 cj，XE2 cj，……，XEr cj，……，XEh cj}，XEr cj为第j个抽样管道截面上的第r个检测点对应的腐蚀深度，r的取值为1到h，h为每个抽样管道截面上的检测点的数量。
在本发明实施例中，若管道腐蚀类型为均匀腐蚀，采用超声波测厚仪对管道各部位选点抽测进行定点测厚。选取的抽样管道截面为管道上的环形外周面，相邻两个抽样管道截面之间的间隔△L相同，例如，可为20cm。每个抽样管道截面上的检测点包括沿对应管道截面的周向方向均匀设置的8个检测点，即包括管道截面的正上方、正下方、正左方、正右方、左上方、左下方、右上方、右下方八个方向的检测点。
可以知晓的是， 表示向下取整，△L为相邻两个管道截面之间的间隔。
S300，基于XEc、待检测的工艺管道的管长Lc、管径dc、投入运行时间Tc和广义极值分布模型获取第i个待评估的工艺管道的均匀腐蚀极大值XEmax i。
在本发明实施例中，待检测的工艺管道的管长、管径、投入运行时间可基于管道设计材料获取得到。管长和管径的单位为cm，投入运行时间的单位为年。
在本发明实施例中，采用广义极值分布模型拟合腐蚀数据，广义极值分布函数的累积概率分布函数为μ为位置参数，σ为尺度参数，ξ为形状参数，GEV(x)为最大腐蚀深度不超过x的概率。exp{}为以自然数e为底的指数函数。
进一步地，S300可具体包括：
S301，基于如下广义极值分布函数对XEc进行拟合，得到对应的极值分布函数和参数：
其中，μ为位置参数，σ为尺度参数，ξ为形状参数；exp{}为以自然常数e为底的指数函数。
本领域技术人员知晓的是，任何采用广义极值分布函数对数据XEc1，XEc2，……，XEcj，……，XEcm进行拟合，得到对应的极值分布函数和参数的方法均属于本发明的保护范围。
S302，基于Lc、dc、m和h获取极值系数KE＝(h×m)/(π×dc×Lc)。
S303，基于方程获取XEmax i。
可知的是，方程中的位置参数、尺度参数和形状参数为S301中得到的参数，为已知值。通过求解方程/>可得到XEmax i。本领域技术人员知晓的是，任何对方程/>进行求解的方法均属于本发明的保护范围。
S400，对所述待检测的工艺管道上的局部腐蚀区域内的q个检测区域进行检测，获取对应的腐蚀减薄量数据XPc＝{XPc1，XPc2，……，XPcs，……，XPcq}，XPcs为根据局部腐蚀区域中的第s个检测区域得到的最大腐蚀深度，s的取值为1到q，q为检测区域的数量；XPcs＝max{XP1 cs，XP2 cs，……，XPt cs，……，XPe cs}，XPt cj为第s个检测区域上的第t个检测点对应的腐蚀深度，t的取值为1到e，e为每个检测区域上的检测点的数量。Max{}表示取最大值。
在本发明实施例中，若管道腐蚀类型为局部腐蚀，采用超声波测厚仪对局部腐蚀严重区域进行q次密集点测，q的取值可基于实际情况进行设置，一般大于100次。
在本发明实施例中，每次检测的检测区域可为正方形区域，例如，正方形区域的边长可基于实际需要进行设置，例如可为3cm×3cm的区域。检测区域上的检测点的数量e可基于实际情况进行设置。一般为几十次。
在本发明实施例中，检测区域的选择可基于如下原则进行选取：
(1)关键部位：选择管道中的关键部位进行测量，包括弯头、支架、焊缝、连接处、异径管等。这些部位通常承受着较大的压力和应力，并且容易受到腐蚀、磨损等损坏。
(2)腐蚀易发区域：根据管道的工作环境和介质，确定腐蚀易发的区域进行测量。这些区域通常是管道内部流体会引起腐蚀的位置，如液体静置区、液体流动区的弯头和转弯处。
(3)磨损区域：选择容易受到磨损的区域进行测量。这些区域通常是因为管道内流体的物理冲击、磨擦、颗粒物等造成的，如液体流动区的突变、转弯处等。
(4)压力变化区域：选择管道中压力变化较大的区域进行测量。这些区域通常是由于管道的设计、工艺要求等原因造成的，如过渡区、分支管道等。
(5)重要设备附近：选择靠近重要设备的区域进行测量。这些区域通常是因为设备的振动等因素对管道的影响较大。
S500，基于XPc、Lc、dc、Tc和广义极值分布模型获取第i个待评估的工艺管道的均匀腐蚀极大值XPmax i。
进一步地，S500可具体包括：
S501，基于如下广义极值分布函数对XPc进行拟合，得到对应的极值分布函数和参数：
其中，μ为位置参数，υ为尺度参数，ξ为形状参数；exp{}为以自然常数e为底的指数函数。
S502，基于Lc、dc、q和w获取极值系数KP＝(w×w)×q/(π×dc×Lc)；w为检测区域的边长。
S503，基于方程获取XPmax i。
可知的是，方程中的位置参数、尺度参数和形状参数为S301中得到的参数，为已知值。通过求解方程/>可得到XPmax i。本领域技术人员知晓的是，任何对方程/>进行求解的方法均属于本发明的保护范围。
S600，基于D0i、Ti、XEmax i和/或XPcs，获取第i个待评估的工艺管道的腐蚀数据，包括：腐蚀深度极大值Mi、最小剩余壁厚Dmin i、最大腐蚀速率Vmax i和剩余寿命TRi；D0i为第i个待评估的工艺管道的初始壁厚，Ti为第i个待评估的工艺管道的投入运行时间，i的取值为1到n-1。
待评估的工艺管道的初始壁厚和投入运行时间可基于管道设计材料获取得到。投入运行时间的单位为年，初始壁厚的单位可为mm。
由于材料的表面状态、成分和环境条件等因素的差异，均匀腐蚀和局部腐蚀可以同时发生在同一材料上。在某些情况下，均匀腐蚀可能在整个材料表面发生，同时局部腐蚀可能在某些区域或特定位置出现。这种共存情况可能会对材料的性能和耐久性产生不利影响。因此，在材料选择和设计中需要考虑和预防这种共存腐蚀的可能性。因此，如果所述待检测的工艺管道的腐蚀类型仅为均匀腐蚀，则Mi＝XEmax i，如果所述待检测的工艺管道的腐蚀类型仅为局部腐蚀，则Mi＝XPmax i，如果所述待检测的工艺管道的腐蚀类型包括均匀腐蚀和局部腐蚀，则Mi＝max(XEmax i，XPmax i)。
进一步地，，最小剩余壁厚Dmin i＝D0i-Mi，最大腐蚀速率Vmax i＝Mi/Ti，以及剩余寿命TRi＝Dmin i/Vmax i。
进一步地，通过本发明实施例获取的腐蚀数据，在实际应用场景中，可以对工艺管道制定相应的决策和建议。例如，对于存在严重腐蚀的管道，可以建议进行修复或更换；对于存在小缺陷的管道，可以建议定期监测和维护。具体决策和建议可基于相应部门或者专家得到。
根据本发明的实施例，本发明还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
示例性实施例中，电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上实施例所述的方法。
示例性实施例中，可读存储介质可以是存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行根据以上实施例所述的方法。
示例性实施例中，计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现根据以上实施例所述的方法。
电子设备旨在表示各种形式的用户终端，各种形式的数字计算机，诸如，台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
在一个示意性实施例中，电子设备可包括计算单元，其可以根据存储在只读存储器(ROM)中的计算机程序或者从存储单元加载到随机访问存储器(RAM)中的计算机程序，来执行各种适当的动作和处理。在RAM中，还可存储设备操作所需的各种程序和数据。计算单元以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
进一步地，电子设备中的多个部件连接至I/O接口，包括：输入单元，例如键盘、鼠标等；输出单元，例如各种类型的显示器、扬声器等；存储单元，例如磁盘、光盘等；以及通信单元，例如网卡、调制解调器、无线通信收发机等。通信单元允许设备通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元执行上文所描述的各个方法和处理，例如服务容量调控方法。例如，在一些实施例中，服务容量调控方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元。在一些实施例中，计算机程序的部分或者全部可以经由ROM和/或通信单元而被载入和/或安装到设备上。当计算机程序加载到RAM并由计算单元执行时，可以执行上文描述的服务容量调控方法的一个或多个步骤。备选地，在其他实施例中，计算单元可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行服务容量调控方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (9)
1.一种工艺管道腐蚀数据获取方法，其特征在于，用于对同材质、同工况条件下的n个工艺管道的腐蚀剩余寿命进行预测，所述n个工艺管道包括1个待检测的工艺管道和n-1个待评估的工艺管道，所述方法包括如下步骤：
S100，根据所述待检测的工艺管道的材质和运行环境，确定所述待检测的工艺管道的腐蚀类型，如果为均匀腐蚀，执行S200，如果为局部腐蚀，执行S400；
S200，对所述待检测的工艺管道进行抽样检测，获取对应的腐蚀减薄量数据XEc＝{XEc1，XEc2，……，XEcj，……，XEcm}，XEcj为根据第j个抽样检测管道截面得到的腐蚀减薄量数据，j的取值为1到m，m为抽样管道截面的数量；XEcj＝{XE1 cj，XE2 cj，……，XEr cj，……，XEh cj}，XEr cj为第j个抽样管道截面上的第r个检测点对应的腐蚀深度，r的取值为1到h，h为每个抽样管道截面上的检测点的数量；
S300，基于XEc、待检测的工艺管道的管长Lc、管径dc、投入运行时间Tc和广义极值分布模型获取第i个待评估的工艺管道的均匀腐蚀极大值XEmax i；
S400，对所述待检测的工艺管道上的局部腐蚀区域内的q个检测区域进行检测，获取对应的腐蚀减薄量数据XPc＝{XPc1，XPc2，……，XPcs，……，XPcq}，XPcs为根据局部腐蚀区域中的第s个检测区域得到的最大腐蚀深度，s的取值为1到q，q为检测区域的数量；XPcs＝max{XP1 cs，XP2 cs，……，XPt cs，……，XPe cs}，XPt cj为第s个检测区域上的第t个检测点对应的腐蚀深度，t的取值为1到e，e为每个检测区域上的检测点的数量；
S500，基于XPc、Lc、dc、Tc和广义极值分布模型获取第i个待评估的工艺管道的均匀腐蚀极大值XPmax i；
S600，基于D0i、Ti、XEmax i和/或XPcs，获取第i个待评估的工艺管道的腐蚀数据，包括：腐蚀深度极大值Mi、最小剩余壁厚Dmin i、最大腐蚀速率Vmax i和剩余寿命TRi；D0i为第i个待评估的工艺管道的初始壁厚，Ti为第i个待评估的工艺管道的投入运行时间，i的取值为1到n-1。
2.根据权利要求1所述的方法，其特征在于，S300具体包括：
S301，基于如下广义极值分布函数对XEc进行拟合，得到对应的极值分布函数和参数：
其中，μ为位置参数，σ为尺度参数，ξ为形状参数；exp{}为以自然常数e为底的指数函数；
S302，基于Lc、dc、m和h获取极值系数KE＝(h×m)/(π×dc×Lc)；
S303，基于方程获取XEmax i。
3.根据权利要求1所述的方法，其特征在于，S500具体包括：
S501，基于如下广义极值分布函数对XPc进行拟合，得到对应的极值分布函数和参数：
其中，μ为位置参数，σ为尺度参数，ξ为形状参数；exp{}为以自然常数e为底的指数函数；
S502，基于Lc、dc、q和w获取极值系数KP＝(w×w)×q/(π×dc×Lc)；w为检测区域的边长；
S503，基于方程获取XPmax i。
4.根据权利要求1所述的方法，其特征在于，在S200中，相邻两个抽样管道截面之间的间隔相同，每个抽样管道截面上的检测点包括沿对应管道截面的周向方向均匀设置的8个检测点。
5.根据权利要求1所述的方法，其特征在于，在S400中，检测区域为正方形区域。
6.根据权利要求1所述的方法，其特征在于，在S600中，如果所述待检测的工艺管道的腐蚀类型仅为均匀腐蚀，则Mi＝XEmax i，如果所述待检测的工艺管道的腐蚀类型仅为局部腐蚀，则Mi＝XPmax i，如果所述待检测的工艺管道的腐蚀类型包括均匀腐蚀和局部腐蚀，则Mi＝max(XEmax i，XPmax i)；Dmin i＝D0i-Mi，Vmax i＝Mi/Ti，TRi＝Dmin i/Vmax i。
7.根据权利要求1所述的方法，其特征在于，所述腐蚀深度通过超声波测厚仪获取得到。
8.一种非瞬时性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或至少一段程序，其特征在于，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-7中任意一项的所述方法。
9.一种电子设备，其特征在于，包括处理器和权利要求8中所述的非瞬时性计算机可读存储介质。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311659408.5A CN117648817B (zh) | 2023-12-05 | 2023-12-05 | 一种工艺管道腐蚀数据获取方法、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311659408.5A CN117648817B (zh) | 2023-12-05 | 2023-12-05 | 一种工艺管道腐蚀数据获取方法、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117648817A true CN117648817A (zh) | 2024-03-05 |
| CN117648817B CN117648817B (zh) | 2024-06-14 |
Family
ID=90049191
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311659408.5A Active CN117648817B (zh) | 2023-12-05 | 2023-12-05 | 一种工艺管道腐蚀数据获取方法、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117648817B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08178172A (ja) * | 1994-12-27 | 1996-07-12 | Toshiba Corp | 機器及び配管装置類のエロージョン・コロージョンによる減肉計算及び評価法 |
| JP2001280599A (ja) * | 2000-03-31 | 2001-10-10 | Hitachi Ltd | 発電プラント配管の寿命予測方法 |
| US20010032064A1 (en) * | 2000-03-31 | 2001-10-18 | Kenji Araki | Method of offering wall-thickness thinning prediction information, and computer-readable recording medium storing wall-thickness thinning prediction program, and method of planning piping work plan |
| CN113640199A (zh) * | 2021-07-15 | 2021-11-12 | 中国特种设备检测研究院 | 化工设备腐蚀监测方法 |
| CN115712984A (zh) * | 2022-10-21 | 2023-02-24 | 苏州热工研究院有限公司 | 一种锅炉受热面管剩余寿命的评估方法 |
-
2023
- 2023-12-05 CN CN202311659408.5A patent/CN117648817B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08178172A (ja) * | 1994-12-27 | 1996-07-12 | Toshiba Corp | 機器及び配管装置類のエロージョン・コロージョンによる減肉計算及び評価法 |
| JP2001280599A (ja) * | 2000-03-31 | 2001-10-10 | Hitachi Ltd | 発電プラント配管の寿命予測方法 |
| US20010032064A1 (en) * | 2000-03-31 | 2001-10-18 | Kenji Araki | Method of offering wall-thickness thinning prediction information, and computer-readable recording medium storing wall-thickness thinning prediction program, and method of planning piping work plan |
| CN113640199A (zh) * | 2021-07-15 | 2021-11-12 | 中国特种设备检测研究院 | 化工设备腐蚀监测方法 |
| CN115712984A (zh) * | 2022-10-21 | 2023-02-24 | 苏州热工研究院有限公司 | 一种锅炉受热面管剩余寿命的评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 陈良超等: "炼化装置腐蚀监控分析系统设计及应用", 《北京化工大学学报》, vol. 46, no. 6, 20 November 2019 (2019-11-20) * |
| 颜力;廖柯熹;蒙东英;王靖;曾润奇;王晓刚;: "管道最大腐蚀坑深的极值统计方法研究", 石油工程建设, no. 03, 17 June 2007 (2007-06-17) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117648817B (zh) | 2024-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shabarchin et al. | Internal corrosion hazard assessment of oil & gas pipelines using Bayesian belief network model | |
| JP6949060B2 (ja) | パイプライン、圧力容器及び配管系の水素誘起割れ（ｈｉｃ）の迅速な予測ならびにそれに関する処置をとるためのシステムと方法 | |
| Provan et al. | Part I: Development of a Markov description of pitting corrosion | |
| US7546224B2 (en) | Method for assessing the integrity of a structure | |
| US11377945B2 (en) | Method for automated crack detection and analysis using ultrasound images | |
| CN104063588A (zh) | 基于多源数据融合的管道腐蚀缺陷尺寸的预测系统及方法 | |
| Shaik et al. | Remaining useful life prediction of a piping system using artificial neural networks: A case study | |
| EP2361382A2 (en) | Estimating worst case corrosion in a pipepline | |
| WO2020241888A1 (ja) | 保温材下腐食発生予測モデルおよびプラント保全支援装置 | |
| Khan et al. | Real-time monitoring and management of offshore process system integrity | |
| Huang et al. | Distribution-free EWMA schemes for simultaneous monitoring of time between events and event magnitude | |
| Shafeek et al. | Corrosion monitoring in pipelines with a computerized system | |
| CN117648817B (zh) | 一种工艺管道腐蚀数据获取方法、电子设备及存储介质 | |
| JP7161872B2 (ja) | プラント診断システム | |
| Memon et al. | Neural network based corrosion modeling of Stainless Steel 316L elbow using electric field mapping data | |
| US20220057200A1 (en) | Monitoring device, monitoring system, monitoring method, and program | |
| US20210056406A1 (en) | Localized metal loss estimation across piping structure | |
| AU2021101888A4 (en) | System and method for corrosion prediction in oil and gas pipeline | |
| WO2013090374A1 (en) | Method for quantifying corrosion at a pressure containing boundary | |
| TWI824613B (zh) | 管理系統、管理方法及管理程式 | |
| CN116384732A (zh) | 场站管道风险智能评估方法、系统、存储介质及计算设备 | |
| Stubelj et al. | Pipeline predictive analitics trough on-line remote corrosion monitoring | |
| Tan | Statistical methods for the analysis of corrosion data for integrity assessments | |
| Alfon et al. | Pipeline material reliability analysis regarding to probability of failure using corrosion degradation model | |
| Kim et al. | A fuzzy inference based reliability method for underground gas pipelines in the presence of corrosion defects |
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 |