長慶油田油氣管道腐蝕檢測與剩余壽命評價

劉 旋 徐 輝 任釗震

1西安石油大學石油工程學院2中國石油長慶油田分公司第一輸油處3中國石油長慶油田分公司第二輸油處

長慶油田油氣管道腐蝕檢測與剩余壽命評價

劉 旋1徐 輝2任釗震3

1西安石油大學石油工程學院2中國石油長慶油田分公司第一輸油處3中國石油長慶油田分公司第二輸油處

埋地油氣管道發生腐蝕將會導致油氣管道穿孔、泄漏甚至破裂，造成巨大的財產損失，因此有必要對存在腐蝕缺陷的油氣管道進行檢測并對其剩余壽命進行預測。以長慶油田油氣管道為研究對象，分析其管道的腐蝕特征及防護措施，結合各檢測技術的優缺點，采用CIPS與DCVG聯合檢測方法對管道腐蝕進行檢測，效果較好。同時在管道剩余壽命預測方法的研究基礎上，提出采用灰色理論預測和人工神經網絡相結合的方法來預測油氣管道的剩余壽命。

油氣管道；腐蝕檢測；剩余壽命預測；灰色理論；人工神經網絡

截至2010年，長慶油田已經建成輸油干線近1 700 km，建成油田內部集輸管道10 728 km，其油氣管道絕大多數都是由金屬管道及設備構成且埋地鋪設。管道與各種不同的周圍介質接觸，導致油氣管道發生腐蝕。具有腐蝕缺陷的管道一旦發生穿孔、泄漏，將會造成重大的財產損失和人身安全事故。因此，必須對管道的腐蝕進行檢測，并對其剩余壽命進行預測，以便做出管道繼續使用、維修及更換的決策。

1 管道腐蝕的檢測

長慶油田集輸系統管道腐蝕主要為外腐蝕，應用檢測技術對管道的外覆蓋層以及陰極保護效果進行檢測評價。目前國內外管道外腐蝕檢測技術主要分為兩類：①對管道的外覆蓋層保護效果進行檢測，包括多頻管中電流衰減法（PCM）、電流梯度檢測法（ACVG）和直流電位梯度法（DCVG）；②對陰極保護效果的檢測，主要是密間距電位測量法(CIPS)[1]。

因長慶油田油氣管道主要是以外腐蝕為主，防護措施為外防腐蝕層和陰極保護聯合防護，采用國外廣泛使用CIPS與DCVG聯合檢測方法實現對管道外涂層和陰極保護聯合防護的地面檢測。其檢測方案為：

（1）通過DCVG檢測技術對管道外防腐層進行檢測，確定管道外防腐層的破損點和破損面積，同時還可以確定腐蝕活性，判斷外防腐層是否已經發生腐蝕或具有腐蝕傾向，將獲得的數據做好記錄。

（2）通過DCVG檢測技術劃分管道防腐層的破損等級與優先修復級別。

（3）利用CIPS密間隔電位檢測技術在管道記錄處開啟瞬時切斷電位，可消除土壤IR降的影響，評價陰極保護系統的有效性。

本項技術能夠精準地尋找到缺陷的位置并估算腐蝕程度，判斷其等級，減小開挖量。隨著方案的不斷研究和實際應用，該技術將成為國內重要的管道腐蝕檢測手段。

2 腐蝕管道剩余壽命的預測

長慶油田現服役的油氣管道大多都是20世紀70年代建設的，服役壽命大多接近或者超過初始設計壽命，已經到了事故頻發期。預測腐蝕管道的剩余壽命是預測在役管道的未來發展、確定管道的日常檢測周期及維修周期的重要參考參數。但是影響油氣管道的腐蝕因素有很多，且各因素間也互相影響，這從客觀上增大了油氣管道的腐蝕剩余壽命的預測難度。腐蝕速率對油氣管道腐蝕剩余壽命的預測起著決定性的作用。然而若采用傳統的概率統計學的計算方法，由于數據樣本的數量不足，將會導致預測精度誤差較大。為了解決這一問題，油氣管道腐蝕剩余壽命一般采用灰色理論方法和人工神經網絡方法相配合進行預測。

2.1 預測思路

油氣管道發生腐蝕后會使管道的壁厚逐漸減薄，進而使管道的承壓能力減弱，使得管道對泄漏和破裂的抵抗能力下降。如果管道的內壓超過管道的最大承載壓力，管道將會發生事故。即管道的剩余壁厚d減薄到最小允許壁厚dmin時，管道即達到其最終使用壽命，使用壽命與當前時間之差值Tr即為其剩余壽命。要預測腐蝕管道的剩余壽命，需要確定腐蝕管道的厚度、最大剩余厚度和平均腐蝕速率。

式中vi為時刻i的腐蝕速率；δi為vi對應的腐蝕量。

式中va為平均腐蝕速率；δmax為最大允許腐蝕深度。

2.2 預測方法

2.2.1 最小允許壁厚的確定

根據美國ASME鍋爐壓力容器N-480《管道腐蝕減薄驗收準則》進行最小允許壁厚確定。該準則規定對腐蝕管道評定的范圍必須滿足以下條件[2]

0.3 t≤tρ≤0.875t（3）

式中t為正常時管道的壁厚，即原設計時無腐蝕的壁厚；tρ為評定壽命時的最大腐蝕坑深度剩余壁厚，即最小允許壁厚。

2.2.2 腐蝕速率的確定

將灰色理論預測方法和人工神經網絡預測相結合，使用灰色方法求解總體需要的計算量較少，在少量樣本情況下也能達到較高的精度；使用神經網絡計算的精度高，而且誤差相對可以控制。結合兩種方法的優點，綜合分析、優劣互補。灰色神經網絡預測模型流程圖如圖1所示。

圖1 灰色神經網絡預測模型流程

（1）收集油氣管道相關的檢測歷史數據，從而確定灰色建模的原始數據序列，并對原始數據進行累加生成處理，其中需要判定原始序列是否滿足灰色預測建模的要求，如不滿足則需要對原始數據序列進行對數變換、指數變換等數學變換。

（2）根據灰色建模的步驟建立GM（1，1）模型[3]。

（3）通過建立的GM（1，1）模型得到原始數據預測值。

（4）使用后驗差檢驗法判別模型優劣，根據計算的后驗差檢驗比值C和小誤差概率p判斷精度檢驗等級，GM（1，1）模型精度等級劃分如表1所示。

（5）如果精度檢驗不合格，利用人工神經網絡預測模型對灰色預測模型預測值殘差再進行預測，從而對灰色預測模型進行殘差修正處理。

（6）如精度檢驗滿足要求，得到的預測結果值可用于神經網絡模型的建立。

（7）將GM（1，1）模型得到的預測值作為傳統的神經網絡的輸入樣本，其真實值作為神經網絡的目標樣本，采用一定的網絡結構進行學習訓練，調整其連接權值直到達到網絡訓練目標要求，就可以得到調整后的連接權值，再用GM（1，1）模型預測得到的值作為網絡的輸入值進行仿真。

（8）神經網絡的輸出值即為管道的腐蝕速率。

表1 GM（1，1）模型精度等級劃分

2.2.3 剩余壽命的預測

在測量了腐蝕管道的厚度、確定了管道的最大剩余厚度以及預測腐蝕平均速率后，通過公式（2）即可以確定油氣管道腐蝕剩余壽命。

2.3 預測模型的應用

以長慶油田某原油長輸管道近幾年來實測的腐蝕速率值（如表2所示）為例，通過建立的灰色神經網絡預測模型，預測其腐蝕速度的發展變化。

表2 腐蝕監測數據

2.3.1 通過GM(1，1)模型得到原始數據預測值

以表2中提供的長慶油田某管道的腐蝕速率為初始序列，根據圖1預測模型流程中的流程1、2和3，應用GM（1，1）模型，通過MatLab編寫的程序進行管道腐蝕速率的預測，得到原始數據的預測值，其結果見表3。

表3 GM（1，1）模型預測結果

2.3.2 精度檢驗

通過GM（1，1）模型預測，得到的其后驗差檢驗比值即均方差比值C為0.358 3，小誤差概率p為0.96，根據表1的GM（1，1）模型精度表可知預測精度良好（二級）。由此可知，采用GM（1，1）模型進行油氣管道腐蝕速率的預測精度可以滿足要求，且精度還可以進一步地提高。

2.3.3 人工神經網絡預測模型的建立

在驗證通過GM（1，1）模型得到的原始數據預測值滿足要求后，將GM（1，1）模型預測值作為神經網絡的輸入樣本（即表3中的腐蝕速率值），實際腐蝕監測得到的數據（見表2）作為神經網絡的目標值，利用MatLab軟件中的神經網絡工具箱函數編寫程序，選擇合適的網絡訓練函數和學習函數進行訓練，建立人工神經網絡預測模型。再將GM（1，1）模型預測得到的值作為網絡的輸入值進行仿真，預測結果如表4所示。計算得到的C值為0.073 6，小誤差概率p為1.0，由表1的GM（1，1）模型精度表可知預測精度好。可見灰色神經網絡模型較GM（1，1）模型預測精度提高一個等級，說明預測值更接近于實測值。同時也表明用灰色神經網絡預測的腐蝕速率更接近于實際監測值，其中以2010年、2011年、2012年的值最明顯。

表4 灰色神經網絡預測模型預測結果

3 結語

隨著石油、天然氣工業的不斷發展，管道輸送發揮著越來越重要的作用。但隨著其使用年限的增加，防腐涂層發生老化、龜裂甚至剝離，進而發生腐蝕，會造成巨大的財產損失和人員傷亡，有必要對存在腐蝕缺陷的油氣管道進行檢測并對其剩余壽命進行預測。目前對管道腐蝕檢測的技術有很多種，相關學者都對其進行了研究和改進，但都有一定的局限性，應針對管道的腐蝕特征和類型，選取合適的檢測方法。長慶油田油氣管道主要是以外腐蝕為主，防護措施為外防腐蝕層和陰極保護聯合防護，故采用CIPS與DCVG聯合檢測方法對管道腐蝕進行檢測，效果較好。同時在管道剩余壽命的預測方法研究的基礎上，提出采用灰色理論預測和人工神經網絡相結合對管道剩余壽命進行預測。

[1]龍憲春．油氣管道外檢測技術現狀與發展趨勢[J]．管道技術與設備，2008（1）：20-22.

[2]吳明亮．基于灰色馬爾科夫理論的油氣管道腐蝕剩余壽命預測[J]．管道技術與設備，2008（5）：43-44.

[3]蔣曉斌．油氣管道腐蝕剩余壽命的預測方法[J]．石油工業技術監督，2005（4）：18-20.

（欄目主持 楊軍）

10.3969/j.issn.1006-6896.2015.9.017

劉旋：西安石油大學石油工程學院在職研究生，研究方向為油氣田開發。

2015-06-07

基金論文：西安石油大學全日制碩士研究生創新基金（2014cx130106）資助。

15094093418、kill1944@163.com