高含水原油集输管道内腐蚀预测及监测方法

针对高含水原油集输管道内腐蚀穿孔事故日趋严重的工程实际问题,对高含水原油集输管道内腐蚀高风险点预测及内腐蚀缺陷监测方法进行了综合研究。基于原油集输管道管内介质的液滴携带机理,给出了该类管道内腐蚀高风险点的预测和判定方法;基于场指纹腐蚀监测原理,研究了代表腐蚀缺陷深度的指纹系数的空间分布规律,给出了其与管道壁厚减薄量的对应关系曲线,建立了高含水原油集输管道内腐蚀状况的评估模型。研究可为高含水原油集输管道科学管理及保障原油集输管道安全运营提供技术支撑。

高含水集输管道内腐蚀预测与检测技术及应用

高含水油气管道内腐蚀穿孔频发,严重影响生产和环境。因此,油气管道内腐蚀的预测与检测是亟待解决的问题。常规检测耗资大,且效果差,结合美国腐蚀工程师协会内腐蚀直接评价标准和流体数值仿真技术(CFD)预测管道内腐蚀模型并与现场管道高程数据相结合,实现对高含水油气管线积水与易发内腐蚀位置的预测,针对该位置开展管体腐蚀检测,该方法在现场得到成功应用。通过现场检测数据来验证和修正预测模型,为解决高含水油气管道内腐蚀提供一种方法。

基于PCA-IBAS-ELM的海底多相流管道内腐蚀速率预测

海底多相流管道运输介质中油、气、水共存,极易发生化学反应引发一系列腐蚀问题。为预测其腐蚀速率,对管内腐蚀机理及影响因素进行分析,提出基于主成分分析法(principal component analysis, PCA)和改进甲虫天牛须算法(improve beetle antennae search, IBAS)的极限学习机(extreme learning machine, ELM)预测模型。PCA筛选腐蚀因素,降低预测模型的输入指标维数,IBAS优化ELM的关键性能指标——输入权值及隐层阈值,提升预测精度。为检验模型效能,以中国海南东部某海底油气管道50组数据为例进行研究,并与其他两种模型对比分析。结果表明:温度、pH、流体流速和CO_(2)分压是影响该类型管道腐蚀的关键因素,PCA-IBAS-ELM预测结果与实际值拟合度更高,其均方根误差(root mean square error, RMSE)、平均绝对误差(mean absolute deviation, MAE)和平均绝对百分误差(mean absolute percentage error, MAPE)均小于比较模型。可见构建模型对于海底多相流管道内腐蚀速率预测具有优越性。

基于PCA-PSO-SVM模型的海底多相流管道内腐蚀速率预测

针对海底多相流管道内腐蚀速率的预测问题,首先对影响该种类型管道内腐蚀速率的相关因素进行了分析,对PCA算法、PSO算法和SVM算法分别进行了介绍,提出了可用于海底多相流管道内腐蚀速率预测的PCA-PSO-SVM组合模型,在此基础上使用PCA-PSO-SVM组合模型对44组海底多相流管道内腐蚀速率的影响因素和管道内腐蚀速率数据进行了学习训练,对10组数据进行了预测,并将该组合模型与PCA-GA-SVM模型、PCA-LS-SVM模型和PCA-CV-SVM模型3种预测模型的预测结果进行了对比,以验证所提方法的可靠性和可行性。结果表明:温度对海底多相流管道内腐蚀速率的影响相对较大,压力对其的影响相对较小;使用PCA-PSO-SVM组合模型对海底多相流管道内腐蚀速率预测的平均绝对误差仅为1.848%,模型训练时间仅为3.17 s,这两项数据均小于其他预测模型,表明针对海底多相流管道内腐蚀速率的预测问题,PCA-PSO-SVM组合模型具有可靠性和可行性。

直接评价法在油气集输管道内腐蚀评价中的应用

文章以某油田集输管道内腐蚀评价为例,说明了直接评价法能有效识别油气集输管道内腐蚀,而且还能对因受条件制约不能进行内检测的集输管道进行内腐蚀评价,同时还能在内腐蚀未发生之前进行内腐蚀预测并识别出管道内腐蚀的高风险段。