利用人工神经网络预测原油对碳钢中CO腐蚀的影响.pdfVIP

能源科学进展 2008,Vol.4, No.1 利用人工神经网络预测原油对碳钢中CO 腐蚀的影响 2 编译：石红艳 王志彬（西南石油大学研究生院） 审校：刘廷元 摘要：过去几年，原油中的CO 的腐蚀作用备受关注。这是因为它在预测腐蚀率方面具有重要的作 2 用。但由于原油的复杂性和多变性，使得它的作用很难进行模拟，它们不仅影响着润湿性参数而且影响 着地层水体的腐蚀特性。本文的研究对人工神经网络（ANN）的实用性进行了评价。ANN用来预测原油中 的抗腐蚀剂，在以前有关原油保护研究中发现原油中各组分及元素有着不同的功能，这些组分为氮、 硫、胶质、沥青、酸以及镍和钒等。研究发现ANN是一种有效的工具，它的有效性是以大量的数据知识 经验为基础的。 1 引言 模拟原油中的CO 腐蚀剂的作用并不是一件容易的事。由于原油化学性质的复杂性，很难建立 2 一个机理模型来模拟它的流动行为。这个领域的主要工作都是建立在实验和大量数据基础之上的， 尽管大多数都是很难理解的。和几十年前相比，目前人类对烃类的理解已经上升了一大步，而且对 模拟该作用的适用性也有了更高的认识。 如今，大多数学者认为湿度和多变性是生产过程中原油腐蚀碳钢的两种主要方式，它们都是原 油化学特性所产生的。 即使没有进行具体的模拟实验和预测，人们发现了液相驱、影响CO2腐蚀的相关因素以及源于 不同条件下的不同原油对腐蚀所产生的作用不同，这些都使得我们对原油中CO2 的相关知识有了更 大地提高。 1991 年，Efird 强调测试和预测特殊原油腐蚀作用的重要性，他介绍了腐蚀速率破坏（CRB） 的概念，强调在原油生产过程中腐蚀速率和产水量会随着产水量的增加而增加，腐蚀速率的加快已 经成为一个日益严峻的问题。他发现不同原油中腐蚀速率（CR）和产水量（PWC）的关系一般分为 三大类，如图 1 所示。这表明在没有使用标准含水量预测的情况下，起始阶段的加速腐蚀不能用于 预测后续阶段的腐蚀速率。同时也表明不同原油的润湿性和腐蚀程度是不同的。 1993 年，Smart 提出另外一项重要工作，它涉及到一些石油性质的数据和润湿性参数。基于 1986 年 Anderson 在这方面的工作，Smart 预示润湿性将受到石油表面活性物质的强烈影响。这些 表面活性剂被认为是含有氧、氮、硫的极性化合物，例如石油中的重烃胶质和沥青。通常认为原油 中的极性物质和腐蚀产物（例如氧化铁、碳化铁和硫化铁）是影响润湿性的主要因素。 原油的极性可以这样描述：它本身的极性与胶质、沥青质等物质的极性和。这些极性组分的存 在能通过降低油和水的表面张力以及通过改变原油趋湿性从而改变润湿性对腐蚀的影响。 为了建立原油中的腐蚀模型，1993 年，de Waard 和 Lotz 提出一个经验公式来预测腐蚀速率。 1.710 log (V corr ) 5.8 =− + 0.67 log( pC O 2 ) 273 + t （1） 当含水量超过 30%、流速大于 1m/s 时将使用乘数法（Foil）。其中，临界流量和含水量来自于 Wicks、Fraser 和 Lotz 等的研究。当含水量不足时，假设钢只在油中润湿，这时，乘数为零。为 了在不同含水量情况下模型均能适用，2001 年对乘数法进行了改进，这些模型包括美国石油协会 （API）引力“油包水”乳浊液模型和油的润湿性对金属的影响模型，此时，乘数法可以表示为： α ⎛ α ⎞ F 0 .5 4 5 =+ 4 .3W U 1 + o il liq ⎜ ⎟