油气管道腐蚀检测与剩余寿命评价.DOC

长庆油田油气管道腐蚀检测与剩余寿命评价 刘旋1 徐辉2 任钊震3 西安石油大学石油工程学院 中国石油长庆油田分公司第一输油处 中国石油长庆油田分公司第二输油处 摘要：埋地油气管道发生腐蚀将会导致油气管道的穿孔、泄漏甚至破裂，造成巨大的财产生命损失，有必要对存在腐蚀缺陷的油气管道进行检测并对其剩余寿命的预测。以长庆油田油气管道为研究对象，分析其管道的腐蚀特征及防护措施，并结合各检测技术的优缺点，采用CIPS与DCVG联合检测方法对管道腐蚀进行检测较为理想。同时在针对目前对管道剩余寿命预测方法的研究基础上，提出采用灰色理论预测和人工神经网络相组合的方法来预测油气管道的剩余寿命。 关键词：油气管道腐蚀、管道腐蚀检测、剩余寿命的预测 基金项目：西安石油大学全日制硕士研究生创新基金资助 创新基金项目编号：2014cx130106 引言 长庆油田地处于我国第二大盆地——鄂尔多斯盆地，已探明拥有石油资源量128.5亿吨，天然气资源量15万亿立方米。随着靖安—成阳输油管道的建设，揭开了长庆油田原油长输管道的序幕，在随后的几年，靖安—惠安堡、 西峰—成阳、铁边城—西峰、姬塬—惠安堡等输油干线陆续建成，截止到2010年，已经建成输油干线近1700 km．建成油田内部集输管道10728 km。然而其油气管道绝大多数都是由金属管道及设备构成且埋地铺设。管道与各种不同的周围介质接触，导致油气管道发生腐蚀。具有腐蚀缺陷的管道一旦发生穿孔、泄露，将会造成重大的财产损失和人身安全事故。虽然长庆油田针对其所处地理环境对管道进行了防腐技术处理，但腐蚀仍然存在，据报道， 2015年，长庆油田各采油作业厂在45天内7次原油泄漏d减薄到最小允许壁厚dmin时，管道达到其最终使用寿命，使用寿命与当前时间之差值Tr即为其剩余寿命。要预测腐蚀管道的剩余寿命，需要确定腐蚀管道的厚度、最大剩余厚度和平均腐蚀速率。 式中：vi 为时刻i的腐蚀速率；δi 为vi 对应的腐蚀量。 式中：va 为平均腐蚀速率；δmax 为最大允许腐蚀深度。 4.2 预测方法 4.2.1 最小允许壁厚确定 根据美国ASME锅炉压力容器 N-480《管道腐蚀减薄验收准则》进行评定。该准则规定对腐蚀管道评定的范围必须满足以下条件： 0.3t≤ tp≤ 0.875t式中[2]，t为正常时管道的壁厚，即原设计时无腐蚀的壁厚；tp为评定寿命时的最大腐蚀坑深度剩余壁厚，即最小允许壁厚。 4.2.2 腐蚀速率的确定 灰色理论预测方法和人工神经网络预测相结合，使用灰色方法求解总体需要的计算量较少，在少量样本情况下也能达到较高的精度；使用神经网络计算的精度高，而且误差相对可以控制；结合此两种方法的优点，综合分析、优劣互补。其预测模型流程图如图1所示： 图1灰色神经网络预测模型的流程 收集油气管道相关的检测历史数据，从而确定灰建模的原始数据序列，并对原始数据进行累加生成处理，其中需要判定原始序列是否满足灰色预测建模的要求，如不满足则需要对原始数据序列进行对数变换、指数变换等数学变换； 根据灰色建模的步骤建立GM(1，1)模型[3]； 通过建立的GM(1，1)模型得到原始数据预测值； 使用后验差检验法判别模型优劣，根据计算的后验差检验比值c和小误差概率P判断精度检验等级，GM(1，1)模型精度表如表1所示； 如果精度检验不合格，利用人工神经网络预测模型对灰色预测模型预测值残差进行预测，从而对灰色预测模型进行残差修正处理； 如精度检验满足要求，得到的预测结果值，用于神经网络模型的建立； 将GM（1，1）模型得到的预测值作为传统的神经网络的输入样本，其真实值作为神经网络的目标样本，采用一定的网络结构进行学习训练，调整其连接权值直到达到网络训练目标要求，就可以得到调整后的连接权值，再用GM（1，1）模型预测得到的值作为网络的输入进行仿真； 神经网络的输出值即为管道的腐蚀速率。 表1 GM(1，1)模型精度表 精度等级 相对误差 均方差比值C 小误差概率P 好（一级） ＜0.01 ＜0.35 ＞0.95 良好（二级） ＜0.05 ＜0.50 ＞0.85 合格（三级） ＜0.10 ＜0.65 ＞0.70 勉强（四级） ＜0.20 ＜0.80 ＞0.60 不合格 ＞0.20 ≥0.80 ≤0.60 2006 0.7283 2007 0.6842 2008 0.6151 2009 0.5476 2010 0.4098 2011 0.4123 2012 0.4014 4.3.1通过 GM(1，1)模型得到原始数据预测值 以表2中提供