磨溪气田集气管道内腐蚀预测方法研究

随着酸性气田运行时间的不断增长,集气管道的内腐蚀成为管道运营过程中一个急需解决的问题。相对于长输管道,气田集气管道管径小,管线起伏较大,管道中弯头数量多,曲率半径小,采用内检测手段进行全面的检测较为困难。针对磨溪气田集气管道的具体情况,建立磨溪气田集气管道内腐蚀预测的方法,具有一定的的理论意义与应用价值。 论文主要通过以下几个方面进行研究： (1)调研国内外管道内腐蚀预测研究现状,分析管道内腐蚀预测的研究方法与进展,为磨溪气田集气管道内腐蚀预测方法研究提供理论基础。 (2)收集整理磨溪气田集气管线的基础资料,对磨溪气田集气管道的腐蚀特点进行分析,在此基础上对管道内腐蚀的主要影响因素进行归类总结。 (3)对WG-ICDA评价方法进行概述,并采用其中的腐蚀预测公式De Waard95与Top-of-Line对磨溪气田其中7条集气管道的内腐蚀速率进行预测,结合现场开挖检测数据验证此方法的有效性。 (4)使用OLGA软件对磨溪气田7条集气管线的21个内腐蚀影响参数进行计算；使用灰色关联分析法结合7条管线116个开挖点检测数据分析管道内腐蚀影响参数对内腐蚀的影响权重,确定持液率、管道内壁传热系数、沉积速率、液体表面流速、液体对管壁的最大剪切力、管道倾角、气体对管壁的最大剪切力,这7个参数是对磨溪气田集气管道内腐蚀影响权重较大的参数。 (5)选择权重较大的参数结合BP神经网络、遗传算法优化BP神经网络、粒子群算法优化BP神经网络这3种方法,对管道内腐蚀影响参数进行训练,对管线的内腐蚀速率进行预测。根据预测结果误差分析,确定采用训练好的遗传算法优化BP神经网络方法作为磨溪气田集气管道的内腐蚀预测方法。 (6)选择磨溪气田8号管线54个开挖点腐蚀检测数据对训练好的遗传算法优化BP神经网络进行验证,通过预测数据分析表明使用训练好的遗传算法优化BP神经网络对磨溪气田集气管道内腐蚀速率进行预测具有一定的可行性。