CN110298540B - 一种油气田地面管道内腐蚀风险评价方法 - Google Patents
一种油气田地面管道内腐蚀风险评价方法 Download PDFInfo
- Publication number
- CN110298540B CN110298540B CN201910430422.5A CN201910430422A CN110298540B CN 110298540 B CN110298540 B CN 110298540B CN 201910430422 A CN201910430422 A CN 201910430422A CN 110298540 B CN110298540 B CN 110298540B
- Authority
- CN
- China
- Prior art keywords
- pipeline
- corrosion
- content
- risk
- medium
- 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.)
- Active
Links
- 230000007797 corrosion Effects 0.000 title claims abstract description 103
- 238000005260 corrosion Methods 0.000 title claims abstract description 103
- 238000011156 evaluation Methods 0.000 title claims abstract description 27
- 239000002609 medium Substances 0.000 claims description 46
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 claims description 43
- 229910000037 hydrogen sulfide Inorganic materials 0.000 claims description 43
- 239000007789 gas Substances 0.000 claims description 26
- 239000003921 oil Substances 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000010779 crude oil Substances 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 6
- 239000012530 fluid Substances 0.000 claims description 5
- 238000012502 risk assessment Methods 0.000 claims description 5
- 239000002689 soil Substances 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 230000002378 acidificating effect Effects 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 239000003345 natural gas Substances 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 239000006163 transport media Substances 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 4
- 239000002253 acid Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012954 risk control Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001988 toxicity Effects 0.000 description 2
- 231100000419 toxicity Toxicity 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Educational Administration (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
- Pipeline Systems (AREA)
Abstract
本发明公开了一种油气田地面管道内腐蚀风险评价方法,可以对管道的内腐蚀风险进行分级评价,识别油田高风险管道,实时掌控高风险管道的运行状态。通过将腐蚀速率的预测值作为风险发生的可能性,同时将输送介质、穿越环境、H2S含量和人口数量等作为风险发生的后果严重性,使管道的腐蚀风险评价完整地囊括了失效发生的概率和失效发生的严重性,有效地提高了管道腐蚀风险评价的准确性和可靠性。
Description
【技术领域】
本发明属于石油管安全风险评价技术领域,涉及一种油气田地面管道内腐蚀风险评价方法。
【背景技术】
腐蚀不仅影响了管道的正常生产和运营,而且造成能源浪费和经济损失,同时由于油气介质具有易燃、易爆和易扩散的特性,还将造成环境污染和安全事故。由于管道腐蚀不能提前预判,导致抢维修及污染治理费用大幅上升,对油气田安全生产、开发效益、生态环保和企业形象造成严重的影响。而对在役管道或新建管道进行腐蚀风险预测,可实现对高风险管道的提前识别和重点关注,可以指导现场制定针对性的风险控制措施,同时也可以更大限度地减少经济损失和资源浪费,变管道腐蚀“事后处理”为“事前防护”。
目前油气田最棘手的腐蚀问题是内腐蚀导致的管道穿孔泄漏,而针对内腐蚀风险评价如今并没有***全面、可靠经济的方法,存在的主要问题有:
(1)根据内壁腐蚀损失对管道剩余强度的影响来评价其安全风险大小,需要大量的内检测或开挖检测等数据;
(2)内腐蚀直接评估法认为最易积液的部位腐蚀风险越大,但不适用于含水原油管道(含水率>5%);
(3)肯特评分法综合考虑了内外腐蚀、第三方破坏、设计、误操作等方面,由于是专家打分的方法使其可靠性不高;
(4)依照腐蚀速率的大小对管道风险分级的方法综合考虑了各种腐蚀性离子对管道的作用,较好地反映了管道内腐蚀环境的实际状况,但未考虑到泄漏安全环境破坏风险。
因此,如何准确表征内腐蚀风险的大小和程度,能在油气管道服役中做到有效且准确的预测评价,并兼顾失效后果的大小,显得尤为重要。
【发明内容】
本发明为解决油气田地面管道内腐蚀风险评价结果的可靠性,提出一种油气田地面管道内腐蚀风险评价方法,即通过腐蚀速率预测值作为风险发生的可能性,管道泄漏引发的环境破坏和生命安全采用量值表征作为风险发生的后果,两者的乘积再根据矩阵表查取风险等级。本发明主要用于油气田地面管道内腐蚀风险大小的评价,综合考虑了各种内腐蚀环境对管道的作用以及油气泄漏后引发的环境安全破坏。
为达到上述目的,本发明采用以下技术方案予以实现:
一种油气田地面管道内腐蚀风险评价方法,包括以下步骤:
步骤1:油气田区块划分
a.高含H2S区块,为管道介质中H2S含量≥5000mg/m3且CO2含量<3.0mol%的区块;
b.高含CO2区块,管道介质中CO2含量≥3.0mol%且H2S含量<5000mg/m3的区块;
c.低酸性区块,管道介质中H2S含量<5000mg/m3且CO2含量<3.0mol%的区块;
d.高酸性区块,管道介质中H2S含量≥5000mg/m3且CO2含量≥3.0mol%的区块;
步骤2:腐蚀速率预测
收集各区块管道中的腐蚀影响因素,包括流体介质的因素和运行工况的因素,以及与其相对应的现场检测的腐蚀速率v;根据收集的各区块管道的腐蚀影响因素进行腐蚀速率预测,建立不同区块的管道腐蚀速率预测模型;
步骤3:泄漏后果分级
对管道失效后的环境破坏风险和生命安全风险进行量值表征,分别对介质的影响、硫化氢的影响和人口数量的影响取系数,得到失效后果Ψ为:
Ψ=ξ介质·ξ硫化氢·ξ人口数 (1)
其中,ξ介质为管道中介质影响系数,ξ介质为管道介质影响系数,ξ介质为管道中硫化氢影响系数,ξ介质为管道周围居民的人口数量影响系数;
当原油管道穿越沙土环境时,ξ介质为1,沙土环境为戈壁或沙漠;当原油管道穿越敏感环境时,ξ介质为1.5,敏感环境为水域或树林;当原油管道穿越农田或牧场环境时,ξ介质为2;天然气管道的ξ介质为1;
当管道中硫化氢含量≤500mg/m3时,ξ硫化氢为1;当管道中硫化氢含量在500~5000mg/m3之间时,ξ硫化氢为1.5;当管道中硫化氢含量≥5000mg/m3时,ξ硫化氢为2;
当人口数量≤15户时,ξ人口数为1;当人口数量在15~100户之间时,ξ人口数为1.5;当人口数量≥100户时,ξ人口数为2;
步骤4:腐蚀风险评价
腐蚀风险度R根据公式(2)进行评价:
腐蚀风险度R=可能性L×严重性S (2)
腐蚀风险发生的可能性L根据管道腐蚀速率v得到,根据标准NACE RP0775-2005《油、气田生产中腐蚀挂片的准备、安装、分析以及试验数据的解释》:
当v<0.0254mm/a时,为1级;
当0.0254mm/a≤v<0.125mm/a时,为2级;
当0.125mm/a≤v<0.254mm/a时,为3级;
当v>0.254mm/a时,为4级;
失效后果的严重性S根据输送介质、H2S含量以及人口数量得到:
当Ψ≤1.5时,为1级;
当1.5<Ψ≤3时,为2级;
当3<Ψ≤4.5时,为3级;
当4.5<Ψ≤6时,为4级;
当Ψ=8ψ=8时,为5级。
本发明进一步的改进在于:
步骤2中,流体介质的因素包括H2S含量、CO2含量以及Cl-含量;运行工况的因素包括温度、压力以及流速。
步骤2中,腐蚀速率预测方法具体如下:
预测算法包括输入层、隐含层和输出层,各层间通过权值相连接;
其中,输入向量X=[x1,x2,x3,...,xn],xi表示第i组管道数据的输入;xi-l表示第i组管道数据的第l个腐蚀影响因素;输出向量Y=[y1,y2,y3,...,ym],yi表示第i个腐蚀速率的输出;oj表示隐含层阈值,ok表示输出层阈值;
步骤2-1:初始化算法
设置wij和wjk的初始连接权值,初始连接权值是在(-1,1)区间随机选取的非零值,同时给定计算精度值ε=105;wij表示输入层到隐含层的权值,wjk表示隐含层到输出层的权值;
步骤2-2:指定输入数据和输出数据,计算输出
当q=1,2,3,...,l时,设第q组数据输入xq=[x1q,x2q,x3q,...,xnq],期望输出dq=[d1q,d2q,d3q,...,dmq],则节点i在第q组数据输入时的实际输出yiq为:
式中,wij(t)是输入层到隐藏层经t次调整的权值;Ijq是在第q组样本输入时节点i的第j个输入;
步骤2-3:计算目标函数
设在第q组样本输入时网络的目标函数为Eq,则
式中,yq(t)是在第q组数据输入时经t次权值调整后算法的输出;k是输出层第k个节点;
步骤2-4:总目标函数J(t)
作为对计算过程的评价,若:
J(t)=≤ε (4)
结束,否则进行下一步;
步骤2-5:反向传播计算
具体方法如下:
设
设式中δiq是第q组数据输入时第i个节点的状态xiq对Eq的灵敏度;
由式(5)和式(6)可得:
当i=k时,即i为输出节点,由式(3-2)和式(3-6)得:
将式(7)代入式(6),则
当i≠k时,即i不是输出节点,此时式(3-7)为
其中:
式中,m1是节点i下一层的第j个节点;I*jq是第q组数据输入时节点m1的第j个输入;
当i=j时,yjq=I*jq时,将式(11)和式(12)代入式(6)中,则有:
与现有技术相比,本发明具有以下有益效果:
本发明可以对管道的内腐蚀风险进行分级评价,识别油田高风险管道,实时掌控高风险管道的运行状态。本发明预测腐蚀速率的方法准确找出了腐蚀速率与影响因素之间的隐藏关系,并合理预测不同环境条件下的管道腐蚀速率。同时将输送介质、穿越环境、H2S含量和人口数量等进行分类量化处理,使管道的腐蚀风险评价完整地囊括了失效发生的概率和失效发生的严重性,有效地提高了管道腐蚀风险评价的准确性和可靠性。
【附图说明】
图1为油气田地面管道内腐蚀风险评价流程图;
图2为本发明腐蚀速率预测的模型图。
【具体实施方式】
下面结合附图对本发明做进一步详细描述:
参见图1,本发明油气田地面管道内腐蚀风险评价方法,包括以下步骤:
(1)油气田区块划分
根据管道介质中H2S含量≥5000mg/m3且CO2含量<3.0mol%分为高含H2S区块、CO2含量≥3.0mol%且H2S含量<5000mg/m3分为高含CO2区块、H2S含量<5000mg/m3且CO2含量<3.0mol%分为低酸性区块、H2S含量≥5000mg/m3且CO2含量≥3.0mol%分为高酸性区块。
(2)腐蚀速率预测
收集各区块管道中常见的腐蚀影响因素,包括流体介质的因素(如H2S含量、CO2含量、Cl-含量等)和运行工况的因素(如温度、压力、流速等),以及与其相对应的腐蚀速率(来自现场腐蚀监测结果)。根据收集的各区块管道数据进行腐蚀速率预测,建立不同区块的管道腐蚀速率预测模型。
上述腐蚀速率预测步骤为:
如图2所示,腐蚀速率预测算法由输入层、隐含层和输出层组成,各层间通过权值相连接。其中,X=[x1,x2,x3,...,xn]是算法的输入向量,xi表示第i组管道数据的输入;xi-l表示第i组管道数据的第l个腐蚀影响因素;Y=[y1,y2,y3,...,ym]是算法的输出向量,yi表示第i个腐蚀速率的输出;oj表示隐含层阈值,ok表示输出层阈值;wij表示输入层到隐含层的权值,wjk表示隐含层到输出层的权值。
A)初始化算法。
设置wij和wjk的初始连接权值,初始连接权值是在(-1,1)区间随机选取的非零值,同时给定计算精度值ε=105(ε>0)。
B)指定输入数据和输出数据,计算算法的输出。
当q=1,2,3,...,l时,设第q组数据输入xq=[x1q,x2q,x3q,...,xnq],期望输出dq=[d1q,d2q,d3q,...,dmq],则节点i在第q组数据输入时的实际输出yiq为:
式中,wij(t)是输入层到隐藏层经t次调整的权值;Ijq是在第q组样本输入时节点i的第j个输入。
C)计算目标函数。
设在第q组样本输入时网络的目标函数为Eq,则
式中,yq(t)是在第q组数据输入时经t次权值调整后算法的输出;k是输出层第k个节点。
D)算法的总目标函数
作为对算法计算过程的评价,若
J(t)≤ε (4)
算法结束,否则进行下一步。
具体算法如下:
设
设式中δiq是第q组数据输入时第i个节点的状态xiq对Eq的灵敏度。
由式(5)和式(6)可得:
当i=k时,即i为输出节点,由式(3-2)和式(3-6)可得:
将式(7)代入式(6),则
当i≠k时,即i不是输出节点,此时式(3-7)为
其中:
式中,m1是节点i下一层的第j个节点;I*jq是第q组数据输入时节点m1的第j个输入。
当i=j时,yjq=I*jq时,将式(11)和式(12)代入式(6)中,则有:
(3)泄漏后果计算
对管道失效后的环境破坏风险和生命安全风险进行量值表征,分别对介质的影响、硫化氢的影响和人口数量的影响取系数,得到失效后果Ψ为:
Ψ=ζ介质`ζ硫化氢`ζ人口数 (14)
其中,(1)环境破坏风险根据实际输送介质情况,主要考虑原油泄漏后会污染周围环境,即原油管道穿越戈壁或沙漠等沙土环境ζ介质为1、穿越水域、树林等敏感环境ζ介质为1.5、穿越农田、牧场等农耕环境ζ介质为2,天然气管道ζ介质为1;(2)生命安全风险主要考虑H2S的毒性和周围居民数量,其中硫化氢的毒性主要从医学研究和泄漏扩散的角度考虑,即硫化氢含量≤500mg/m3时ζ硫化氢为1、500~5000mg/m3时ζ硫化氢为1.5、≥5000mg/m3时ζ硫化氢为2;参考GB50251-2003《输气管线工程设计规范》中对人口数量划分成3个等级,人口数量≤15户时ζ硫化氢为1、15~100户时ζ硫化氢为1.5、≥100户时ζ硫化氢为2。按照式14,将所取的系数相乘得到后果严重性大小ψ。
(4)腐蚀风险评价
腐蚀风险发生的可能性L考虑管道腐蚀速率的大小,参考标准NACE RP 0775-2005《油、气田生产中腐蚀挂片的准备、安装、分析以及试验数据的解释》,将腐蚀速率分为4级,即腐蚀速率v<0.0254mm/a为1级、0.0254mm/a≤v<0.125mm/a为2级、0.125mm/a≤v<0.254mm/a为3级、v>0.254mm/a为4级;失效后果的严重性S包括输送介质、H2S含量、人口数量等,即ψ≤1.5为1级、1.5<ψ≤3为2级、3<ψ≤4.5为3级、4.5<ψ≤6为4级、ψ=8为5级。根据公式:
腐蚀风险度R=可能性L×严重性S (15)
最终得到的腐蚀风险评价矩阵,如表1所示。
表1腐蚀风险评价矩阵
其中,结果为1或2表示低风险,结果为3、4或5表示中低风险,结果为6、8或9表示中风险,结果为12或10表示中高风险,结果为15、16或20表示高风险。
本发明提出的油气田地面管道内腐蚀风险评价方法专门针对油气管道内腐蚀风险而进行的评价,其优点是划分了区块节点并涵盖了绝大多数腐蚀影响因素,并合理地考虑了腐蚀泄漏产生的后果,即环境破坏风险和生命安全风险,最后将腐蚀速率和泄漏后果相应地划分为低、中低、中、中高、高五风险。通过对管道风险大小的预判,可以指导现场制定针对性的风险控制措施,将管道的风险水平控制在合理、可接受的范围。
实施例:
(1)油气田区块划分
选取的西部某油田,其腐蚀环境较为复杂,介质含H2S、CO2等酸性气体,根据管道中H2S和CO2的含量将油田划分为4个区块,分别是高含H2S区块、高含CO2区块、低酸性区块和高酸性区块。
(2)腐蚀速率预测
分别收集4个区块管道主要的影响因素的数值大小及对应的腐蚀速率值,每个区块收集到5条管道的数据,通过计算得到预测的腐蚀速率,与现场实际监测的腐蚀速率误差小于10%,如表2-1~表2-3所示。
表2-1腐蚀风险评价结果
表2-2腐蚀风险评价结果
表2-3腐蚀风险评价结果
(3)泄漏后果计算
根据管道的介质类型、穿越环境、H2S含量和人口数量等,计算管道的泄漏后果值,如表1所示。
(4)腐蚀风险评价
根据管道的腐蚀速率和泄漏后果,按照表1的风险矩阵进行腐蚀风险评价。总计20条管道中评价出1条高风险管道、1条中高风险管道、4条中风险管道、5条中低风险管道和9条低风险管道。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (3)
1.一种油气田地面管道内腐蚀风险评价方法,其特征在于,包括以下步骤:
步骤1:油气田区块划分
a.高含H2S区块,为管道介质中H2S含量≥5000mg/m3且CO2含量<3.0mol%的区块;
b.高含CO2区块,管道介质中CO2含量≥3.0mol%且H2S含量<5000mg/m3的区块;
c.低酸性区块,管道介质中H2S含量<5000mg/m3且CO2含量<3.0mol%的区块;
d.高酸性区块,管道介质中H2S含量≥5000mg/m3且CO2含量≥3.0mol%的区块;
步骤2:腐蚀速率预测
收集各区块管道中的腐蚀影响因素,包括流体介质的因素和运行工况的因素,以及与其相对应的现场检测的腐蚀速率v;根据收集的各区块管道的腐蚀影响因素进行腐蚀速率预测,建立不同区块的管道腐蚀速率预测模型;
步骤3:泄漏后果分级
对管道失效后的环境破坏风险和生命安全风险进行量值表征,分别对介质的影响、硫化氢的影响和人口数量的影响取系数,得到失效后果Ψ为:
Ψ=ξ介质·ξ硫化氢·ξ人口数 (1)
其中,ξ介质为管道中介质及周围环境的影响系数,ξ硫化氢为管道中硫化氢影响系数,ξ人口数为管道周围居民的人口数量影响系数;
当原油管道穿越沙土环境时,ξ介质为1,沙土环境为戈壁或沙漠;当原油管道穿越敏感环境时,ξ介质为1.5,敏感环境为水域或树林;当原油管道穿越农田或牧场环境时,ξ介质为2;天然气管道的ξ介质为1;
当管道中硫化氢含量≤500mg/m3时,ξ硫化氢为1;当管道中硫化氢含量在500~5000mg/m3之间时,ξ硫化氢为1.5;当管道中硫化氢含量≥5000mg/m3时,ξ硫化氢为2;
当人口数量≤15户时,ξ人口数为1;当人口数量在15~100户之间时,ξ人口数为1.5;当人口数量≥100户时,ξ人口数为2;
步骤4:腐蚀风险评价
腐蚀风险度R根据公式(2)进行评价:
腐蚀风险度R=可能性L×严重性S (2)
腐蚀风险发生的可能性L根据管道腐蚀速率v得到,根据标准NACE RP 0775-2005《油、气田生产中腐蚀挂片的准备、安装、分析以及试验数据的解释》:
当v<0.0254mm/a时,为1级;
当0.0254mm/a≤v<0.125mm/a时,为2级;
当0.125mm/a≤v<0.254mm/a时,为3级;
当v>0.254mm/a时,为4级;
失效后果的严重性S根据输送介质、H2S含量以及人口数量得到:
当Ψ≤1.5时,为1级;
当1.5<Ψ≤3时,为2级;
当3<Ψ≤4.5时,为3级;
当4.5<Ψ≤6时,为4级;
当Ψ=8时,为5级。
2.根据权利要求1所述的油气田地面管道内腐蚀风险评价方法,其特征在于,步骤2中,流体介质的因素包括H2S含量、CO2含量以及Cl-含量;运行工况的因素包括温度、压力以及流速。
3.根据权利要求1所述的油气田地面管道内腐蚀风险评价方法,其特征在于,步骤2中,腐蚀速率预测方法具体如下:
预测算法包括输入层、隐含层和输出层,各层间通过权值相连接;
其中,输入向量X=[x1,x2,x3,...,xn],xi表示第i组管道数据的输入;xil表示第i组管道数据的第l个腐蚀影响因素;输出向量Y=[y1,y2,y3,...,ym],yi表示第i个腐蚀速率的输出;oj表示隐含层阈值,ok表示输出层阈值;
步骤2-1:初始化算法
设置wij和wjk的初始连接权值,初始连接权值是在(-1,1)区间随机选取的非零值,同时给定计算精度值ε=105;wij表示输入层到隐含层的权值,wjk表示隐含层到输出层的权值;
步骤2-2:指定输入数据和输出数据,计算输出
当q=1,2,3,...,l时,设第q组数据输入xq=[x1q,x2q,x3q,...,xnq],期望输出dq=[d1q,d2q,d3q,...,dmq],则节点i在第q组数据输入时的实际输出yiq为:
式中,wij(t)是输入层到隐藏层经t次调整的权值;Ijq是在第q组样本输入时节点i的第j个输入;
步骤2-3:计算目标函数
设在第q组样本输入时网络的目标函数为Eq,则
式中,ykq(t)是在第q组数据输入时经t次权值调整后算法的输出;k是输出层第k个节点;
步骤2-4:总目标函数J(t)
作为对计算过程的评价,若:
J(t)≤ε (6)
结束,否则进行下一步;
步骤2-5:反向传播计算
具体方法如下:
设
设式中δiq是第q组数据输入时第i个节点的状态xiq对Eq的灵敏度;
由式(7)和式(8)可得:
当i=k时,即i为输出节点,由式(4)和式(8)得:
将式(9)代入式(8),则
当i≠k时,即i不是输出节点,此时式(9)为
其中:
式中,m1是节点i下一层的第j个节点;I*jq是第q组数据输入时节点m1的第j个输入;
当i=j时,yjq=I*jq时,将式(13)和式(14)代入式(8)中,则有:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910430422.5A CN110298540B (zh) | 2019-05-22 | 2019-05-22 | 一种油气田地面管道内腐蚀风险评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910430422.5A CN110298540B (zh) | 2019-05-22 | 2019-05-22 | 一种油气田地面管道内腐蚀风险评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110298540A CN110298540A (zh) | 2019-10-01 |
CN110298540B true CN110298540B (zh) | 2022-05-06 |
Family
ID=68027009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910430422.5A Active CN110298540B (zh) | 2019-05-22 | 2019-05-22 | 一种油气田地面管道内腐蚀风险评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110298540B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819262A (zh) * | 2019-10-30 | 2021-05-18 | 中国石油化工股份有限公司 | 存储器、工艺管道检维修决策方法、装置和设备 |
CN113128803B (zh) * | 2019-12-30 | 2024-03-29 | 中国石油天然气股份有限公司 | 油气管道风险确定方法、装置及计算机设备 |
CN111260207A (zh) * | 2020-01-14 | 2020-06-09 | 南智(重庆)能源技术有限公司 | 高含硫井下管柱及输气管线腐蚀智能诊断评估方法 |
CN111222281B (zh) * | 2020-02-06 | 2023-06-30 | 中国石油天然气集团有限公司 | 一种气藏型储气库注采管柱冲蚀失效风险测定方法 |
CN112883538B (zh) * | 2020-12-29 | 2022-07-22 | 浙江中控技术股份有限公司 | 一种埋地原油管道的腐蚀预测***及方法 |
CN113252547B (zh) * | 2021-03-31 | 2023-03-24 | 中车青岛四方机车车辆股份有限公司 | 一种基于环境阈值的铝合金腐蚀疲劳的风险等级评价方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636585A (zh) * | 2013-11-15 | 2015-05-20 | 中国石油天然气集团公司 | 一种油气长输管道的环境风险定量管理方法 |
CN205749233U (zh) * | 2016-04-19 | 2016-11-30 | 中国石油天然气集团公司 | 用于评价油气管道在高流速下冲刷腐蚀的试验装置 |
CN109034546A (zh) * | 2018-06-06 | 2018-12-18 | 北京市燃气集团有限责任公司 | 一种城镇燃气埋地管道腐蚀风险的智能预测方法 |
-
2019
- 2019-05-22 CN CN201910430422.5A patent/CN110298540B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636585A (zh) * | 2013-11-15 | 2015-05-20 | 中国石油天然气集团公司 | 一种油气长输管道的环境风险定量管理方法 |
CN205749233U (zh) * | 2016-04-19 | 2016-11-30 | 中国石油天然气集团公司 | 用于评价油气管道在高流速下冲刷腐蚀的试验装置 |
CN109034546A (zh) * | 2018-06-06 | 2018-12-18 | 北京市燃气集团有限责任公司 | 一种城镇燃气埋地管道腐蚀风险的智能预测方法 |
Non-Patent Citations (1)
Title |
---|
塔河油田苛刻环境下集输管线腐蚀防治技术应用;羊东明等;《表面技术》;20160228;第45卷(第2期);第57-64页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110298540A (zh) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110298540B (zh) | 一种油气田地面管道内腐蚀风险评价方法 | |
Romano et al. | Automated detection of pipe bursts and other events in water distribution systems | |
CN110132603B (zh) | 基于并集置信规则库和蚁群算法的船舶柴油机故障定位方法 | |
US20180365555A1 (en) | Artificial intelligence based algorithm for predicting pipeline leak and corrosion detection | |
CN105023067A (zh) | 基于层次分析法-模糊综合评价的化工项目环境风险评价体系 | |
CN112668206B (zh) | 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 | |
Kumari et al. | An integrated risk prediction model for corrosion-induced pipeline incidents using artificial neural network and Bayesian analysis | |
Li et al. | A machine learning methodology for probabilistic risk assessment of process operations: a case of subsea gas pipeline leak accidents | |
Shaik et al. | Recurrent neural network-based model for estimating the life condition of a dry gas pipeline | |
CN105242155A (zh) | 一种基于熵权法和灰色关联分析的变压器故障诊断方法 | |
CN110130875B (zh) | 抽油机异常工况监控方法 | |
Zakikhani et al. | Modeling failure of oil pipelines | |
CN114841080A (zh) | 一种基于bp神经网络和sd耦合的输气管道内腐蚀预测方法 | |
Kumari et al. | A unified causation prediction model for aboveground onshore oil and refined product pipeline incidents using artificial neural network | |
Li et al. | Pipelines reliability assessment considering corrosion-related failure modes and probability distributions characteristic using subset simulation | |
CN113343402B (zh) | 基于多层卷积稀疏编码的管道腐蚀等级评估方法 | |
Chen et al. | Discovery of potential risks for the gas transmission station using monitoring data and the OOBN method | |
Yang et al. | A Fault Identification Method for Electric Submersible Pumps Based on DAE‐SVM | |
Tylman et al. | Fully automatic AI-based leak detection system | |
Li et al. | [Retracted] Prediction of Chemical Corrosion Rate and Remaining Life of Buried Oil and Gas Pipelines in Changqing Gas Field | |
CN116384732A (zh) | 场站管道风险智能评估方法、***、存储介质及计算设备 | |
Obaseki | Diagnostic and prognostic analysis of oil and gas pipeline with allowable corrosion rate in Niger Delta Area, Nigeria | |
CN111882211B (zh) | 一种基于ahp-灰色关联分析的集气工艺评价方法 | |
CN117540277B (zh) | 一种基于WGAN-GP-TabNet算法的井漏预警方法 | |
CN112906793B (zh) | 一种用于桥梁健康监测***的监测数据修补方法及*** |
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 | ||
GR01 | Patent grant |