含油集輸管道CO2腐蝕速率預測的研究進展

程遠鵬,李自力,畢海勝,郭百合,白 羽

(1. 中國石油大學(華東) 儲運與建筑工程學院，青島 266580； 2． 長江大學 石油工程學院，武漢 430100)

?

石油管道防腐蝕

含油集輸管道CO2腐蝕速率預測的研究進展

程遠鵬1,2,李自力1,畢海勝1,郭百合1,白 羽2

(1. 中國石油大學(華東) 儲運與建筑工程學院，青島 266580； 2． 長江大學 石油工程學院，武漢 430100)

在一定條件下，腐蝕介質(zhì)中含油對集輸管道CO2腐蝕行為有一定的緩蝕作用,是否考慮油品的潤濕性和腐蝕產(chǎn)物膜，已成為各個不同CO2腐蝕預測模型的最大的差別。介紹了已有的CO2腐蝕速率預測模型及其考慮的因素;在此基礎上，從經(jīng)驗模型、半經(jīng)驗模型、機理模型及神經(jīng)網(wǎng)絡模型四個方面系統(tǒng)地總結了近年來考慮含油影響的CO2腐蝕速率預測研究的進展，并提出了現(xiàn)存的一些問題和今后的研究方向。

集輸管道；含油影響；CO2；腐蝕；預測模型

在油氣田的集輸管線中，普遍存在CO2腐蝕。我國許多油田采出液為含CO2的高礦化度油水混合液，CO2與水反應生成的碳酸(H2CO3)會引起管線迅速的全面腐蝕和嚴重的局部腐蝕，使得管線發(fā)生早期腐蝕失效[1]。此外，CO2的存在也促進了垢和腐蝕產(chǎn)物沉積在管道內(nèi)壁上，為硫酸鹽還原菌(SRB)的繁殖創(chuàng)造了有利條件，加速垢下金屬的局部點蝕失效[2]。國內(nèi)外研究表明，70%油氣田集輸系統(tǒng)的腐蝕失效歸因于CO2，30%的失效主要歸因于SRB，CO2己成為集輸管道腐蝕的主要因素[3]。近年來，集輸管道CO2腐蝕造成的井口裝置失靈、閘門絲桿斷裂、油套管穿孔、集輸管道爆破等問題日益突出，腐蝕損失約占石油石化行業(yè)產(chǎn)值的6%[4]。油氣集輸管道的內(nèi)腐蝕問題已引起現(xiàn)場和有關防腐蝕科研機構人員的廣泛重視，對集輸管道的腐蝕機理研究日益成為研究的熱點和重點[5]。

然而在研究管材腐蝕行為時，通常使用鹽水加腐蝕性物質(zhì)(如CO2、H2S、Cl-等)的體系來模擬生產(chǎn)現(xiàn)場的腐蝕環(huán)境，而很少考慮含油的影響。這樣的評價體系可能過高地評估了腐蝕速率，用這樣的模型得到的數(shù)據(jù)來預測油氣集輸管道中的腐蝕問題和評價緩蝕劑的緩蝕效率時會產(chǎn)生偏差，往往會造成腐蝕控制中不必要的資金浪費。實際上，試驗研究表明含油對碳鋼的CO2腐蝕行為有顯著的影響[6-9]，緩蝕作用的機理主要是油品的幾何覆蓋效應。油品中具有緩蝕作用的化合物吸附在金屬表面，有利于生成更致密的腐蝕產(chǎn)物膜，在抑制金屬表面腐蝕反應的活性點的同時阻礙了腐蝕性物質(zhì)與腐蝕產(chǎn)物的傳輸，從而顯著降低了管材的腐蝕速率。因此，考慮含油對體系腐蝕行為的影響，探索影響機理，對腐蝕行為做出適當?shù)脑u價和預測，從而在石油開發(fā)及油氣輸送過程中對管材以及防護措施的選擇上進行合理投資，對于提高石油生產(chǎn)的經(jīng)濟效益有著十分重要的意義。

1 CO2腐蝕速率預測模型及其考慮的因素

1.1 CO2腐蝕速率預測模型

為了實時掌握管道的狀態(tài)，保證管道安全運行，國際上對于管道腐蝕的預測越來越關注。國內(nèi)外的腐蝕與防護研究人員考慮不同的腐蝕類型，建立了大量的腐蝕速率、腐蝕剩余壽命預測模型和專家系統(tǒng)。1975年，De Waard和Millams綜合考慮了CO2分壓和溫度對腐蝕的影響，首次建立了CO2腐蝕預測模型。此后，涌現(xiàn)出了大量的腐蝕預測模型，這些模型考慮的因素也越來越多，包括流速，pH，有無結垢，有機酸等，有的甚至考慮了保護性腐蝕產(chǎn)物膜的影響。同時，這些模型也在不斷被發(fā)展和改進，添加新的計算因素，提高了預測的準確性和應用的普適性。1991年，De Waard等[10]建立了“最壞情況”下的腐蝕速率預測模型；O.Kvernvold等[11]開發(fā)的Corroline程序可以用來評價大口徑輸送管內(nèi)多相流的腐蝕情況；T.R.Andesne等[12]以處于潮濕CO2環(huán)境中的管材為研究對象建立的管道內(nèi)壁腐蝕速率預測模型能夠根據(jù)管材的最大腐蝕速率預測其剩余使用壽命。我國對油氣管道腐蝕預測的研究起步較晚，廖柯熹等[13]借助于人工神經(jīng)網(wǎng)絡方法(ANN)建立了腐蝕管道剩余壽命預測模型和油氣管道疲勞壽命的仿真系統(tǒng)；姚建軍等[14]建立了管道電化學腐蝕模型，可以對管道腐蝕剩余壽命進行評估。

近年來，世界范圍內(nèi)的許多石油公司和研究部門根據(jù)大量的室內(nèi)試驗數(shù)據(jù)和現(xiàn)場監(jiān)測的腐蝕數(shù)據(jù)，提出了經(jīng)驗模型(Empirical models)、半經(jīng)驗模型(Semi-empirical models)及機理模型(Mechanistic models)等多個預測模型[15]，預測模型的核心其實就是一個理論公式，通過這個公式闡述在影響CO2的多個條件變化的情況下不同的腐蝕情況。它需要多個校正因子來校正這個公式，在滿足一個或者多個影響因素變化的情況下，得到一個與實驗室、現(xiàn)場的實際腐蝕速率更貼近的腐蝕速率。其中挪威的Norsok M506是最具代表意義的經(jīng)驗模型；半經(jīng)驗模型中最典型代表模型為Shell公司的De Waard-Milliams(DWM)模型，也是目前應用較多的預測模型；機理模型以S.Nesic建立的模型應用最為廣泛。通過這幾種預測模型對流動狀態(tài)下的CO2腐蝕速率預測進行比較，結果表明，挪威的Norsok M506模型與試驗數(shù)據(jù)的誤差最小。

預測模型方面國外的技術較為成熟，準確度較高。由于國內(nèi)不同油田腐蝕環(huán)境的復雜性，直接應用國外腐蝕預測模型效果不是很理想。并且上述模型大都是在中、低溫條件下建立的，而在高溫高壓等苛刻環(huán)境條件下，預測結果偏差較大。而且在實際的應用中，由于腐蝕環(huán)境在不斷的發(fā)生著變化，CO2腐蝕的規(guī)律也在發(fā)生著變化。在不同地區(qū)不同的油氣田其環(huán)境相差比較大，在這一油田適用的預測方法在其他油田未必能夠適用。因此，有必要結合實驗室和現(xiàn)場腐蝕數(shù)據(jù)，對現(xiàn)有模型進行修正或者開發(fā)出新的更具實際應用價值的腐蝕預測模型，才能更好地應用于油田開發(fā)實際，為油田及時掌握腐蝕進程并采取相應措施提供更準確的理論參考。

1.2 預測模型考慮的因素

上述結合實驗室和現(xiàn)場腐蝕數(shù)據(jù)建立的預測模型，大多考慮純水相的腐蝕條件，很少考慮含油對腐蝕行為的影響。油品中的有機化合物會改變腐蝕產(chǎn)物膜的形貌和致密程度，從而對腐蝕速率產(chǎn)生影響。實際上，如何處理油品的潤濕性和腐蝕產(chǎn)物膜的特性已經(jīng)成為各個不同預測模型的最大差別[16]。為了了解不同腐蝕預測模型對含油影響的處理情況，有必要對常見的腐蝕預測模型進行比較(如表1所示)。從表中可知，已有幾個預測模型已經(jīng)考慮了含油對腐蝕速率的影響。

表1 不同腐蝕預測模型考慮的因素

由表1可見，有幾個預測模型已經(jīng)考慮了含油對腐蝕速率的影響，含油對CO2腐蝕過程中的影響已經(jīng)逐漸得到重視，在這些考慮含油影響的不同的模型中，其選擇的處理方法不一樣，對油品的影響考慮的程度不一樣，從而導致預測的結果相差也比較大。不管怎樣，研究含油對CO2腐蝕過程的影響朝著定量的方向邁出了重要一步。De Warrd 等[17]采用兩套油田數(shù)據(jù)，用原油的API度和含水量導出了一個經(jīng)驗公式；Intertech公司的ECE模型[18]在考慮原油影響的基礎上建立了新的腐蝕速率相關性，可以對不同含水率形成的乳狀液(油包水/水包油)的腐蝕速率進行預測；Ohio University的J.Y. Cai等[6]使用模型油(model oil) LVT200并結合電導探針研究了油水兩相流的水潤濕性并評估腐蝕程度。

2 考慮含油影響的CO2腐蝕預測模型的最新進展

2.1 經(jīng)驗模型

經(jīng)驗模型主要是根據(jù)實驗室和現(xiàn)場腐蝕試驗數(shù)據(jù)建立起來的預測模型，最為著名的就是挪威的Norsok M506模型[19]。該模型是根據(jù)低溫試驗數(shù)據(jù)和高溫現(xiàn)場數(shù)據(jù)建立的經(jīng)驗模型，這一模型已經(jīng)成為目前國內(nèi)外在抗CO2腐蝕選材和確定腐蝕裕量設計的一個重要標準。Norsok模型的缺點在于始終沒有考慮含油對腐蝕速率的影響。

2.2 半經(jīng)驗模型

目前，CO2腐蝕速率的預測模型大都是半經(jīng)驗型，De Waard和Milliams建立的DWM預測模型已成為預測CO2腐蝕速率的基礎。這個模型的建立也是一個逐步改進提高的過程，最初的De Warrd 75模型只考慮溫度和CO2分壓的影響；De Warrd 91模型考慮了介質(zhì)中pH和Fe2+濃度、腐蝕產(chǎn)物膜等因素的影響；De Warrd 93模型則對De Warrd 91模型的修正因子做了修改，且初步提出了流速影響論；De Warrd 95模型進一步考慮了介質(zhì)傳輸過程和流速的影響；De Waard 2003根據(jù)油-水-管之間的界面張力，研究了原油比重和含水率對腐蝕速率的影響，得出了考慮原油影響因子的預測公式[23]。

在De Waard模型的基礎上，各大石油公司以及科研機構都作出了自己的半經(jīng)驗型預測模型，其中考慮含油對CO2腐蝕速率影響的有ECE模型和Predict模型等。Interech公司的ECE模型[18]是建立在De Warrd 95模型的基礎之上的，該模型考慮原油的影響并建立了新的原油腐蝕相關性，該模型可根據(jù)含水率的不同分別對油包水和水包油乳狀液進行腐蝕速率預測。InterCorr International的Predict模型[24]更多地考慮油的浸潤性和腐蝕產(chǎn)物膜的影響，因此在多數(shù)情況下其預測的腐蝕速率比較低。模型預測的腐蝕速率對pH比較敏感，這是由于pH影響腐蝕產(chǎn)物膜的形成和介質(zhì)中H+的傳輸過程。當介質(zhì)中pH高于4.5～5時，預測的腐蝕速率比較低；崔鉞等[25]在De Waard腐蝕模型預測管段平均腐蝕速率的基礎上，應用計算流體動力學(CFD)方法計算分析了流場參數(shù)、湍動能和相分布對管段腐蝕速率的影響，進而結合顆粒沖蝕模型，對已有的De Waard腐蝕模型進行了改進，并提出了流場作用下的CO2腐蝕模型。改進模型計算出的管線重點腐蝕位置和腐蝕速率，與現(xiàn)場工況的壁厚檢測結果吻合良好。

2.3 機理模型

機理模型主要從CO2腐蝕的微觀機理出發(fā)，結合材料表面的化學、電化學反應，離子在材料與溶液界面處的傳質(zhì)過程，以及離子在腐蝕產(chǎn)物膜中擴散與遷移過程等建立的預測模型。其中比較著名的是S.Nesic根據(jù)CO2腐蝕過程反應動力學建立的Ohio模型。1996年，S.Nesic根據(jù)CO2腐蝕過程反應的動力學特性，建立了CO2腐蝕速率預測的機理模型[26]。該模型考慮了pH、溫度、流速等因素對陰極和陽極反應的影響，對CO2腐蝕機理進行了深入的剖析；2001年，S.Nesic[27]考慮了材料表面的化學、電化學反應，材料表面與溶液界面之間的傳質(zhì)過程，建立了有腐蝕產(chǎn)物膜覆蓋條件下的機理模型。該模型除了預測腐蝕速率以外，還可以預測介質(zhì)中的離子濃度和流速。2003年，S.Nesic等[28-29]利用環(huán)流試驗研究了腐蝕過程中腐蝕產(chǎn)物膜的厚度和孔隙度的變化情況，以孔隙度表征腐蝕產(chǎn)物膜的形態(tài)，建立了FeCO3沉積生長的動力學模型，提出了無量綱成膜傾向因子。該模型更多地考慮腐蝕產(chǎn)物膜的影響，因而對pH和溫度比較敏感，在高的溫度和pH條件下，預測的腐蝕速率比較低。

機理模型的建立需要對腐蝕機理、物質(zhì)的擴散微觀機理和關鍵性的控制因素有一個清晰和深入的認識，正是由于對原油的特性和緩蝕機理認識不足的原因，S.Nesic模型始終沒有考慮原油的影響，這種狀況直到2007年才得到改善，2007年，S.Nesic等[6]將用于水夾帶(或油潤濕)模型中計算最大液滴直徑的公式和用于計算臨界液滴直徑的公式整合到Ohio機理模型中，并開發(fā)出CO2腐蝕速率預測軟件包MULTICORP V4.2。

2.4 神經(jīng)網(wǎng)絡預測模型

從20世紀60年代以來，隨著高含CO2油氣田的相繼開發(fā)，國內(nèi)外對CO2腐蝕產(chǎn)生的嚴重后果有了深刻認識，廣泛開展了CO2腐蝕的破壞機理、主要影響因素和腐蝕規(guī)律研究，并建立了數(shù)以百計的腐蝕速率預測模型。目前國際上關于CO2腐蝕速率的預測模型主要包括經(jīng)驗模型，半經(jīng)驗模型和機理模型三類，這三類預測模型均存在一定的不完善性和較強的針對性，只能說某一模型更適合于某一特定環(huán)境的油氣田環(huán)境，要建立準確的和普適的預測模型較為困難，還需要對其進行更深入的研究和改進。

由于引起CO2腐蝕的原因復雜，腐蝕因素與腐蝕后果往往與若干個因素有關，將傳統(tǒng)的數(shù)據(jù)處理方法應用于腐蝕試驗數(shù)據(jù)處理往往得不到滿意的結果，存在適應性差，精度低，對腐蝕的非線性進程把握不夠等缺點。近年來，隨著計算機和人工智能的飛速發(fā)展，使數(shù)據(jù)的處理變得更輕松、便捷，為人們提供了有利的處理工具。神經(jīng)網(wǎng)絡可以處理大量含有噪聲的數(shù)據(jù)，從中提取出數(shù)據(jù)內(nèi)含的規(guī)律，用網(wǎng)絡來擬合數(shù)據(jù)的輸入和輸出之間的非線性映射關系。人工神經(jīng)網(wǎng)絡(Artifical Neural Networks，ANN)作為一種強有力的建模工具，從20世紀90年代后逐漸被腐蝕科學工作者引入到工程與試驗研究中取得良好的效果，尤其是CO2腐蝕速率預測方面得到了良好的應用效果。已有研究[30]表明，人工神經(jīng)網(wǎng)絡模型的預測結果要比機械模型(EC)和半經(jīng)驗模型(SHELL和IFE)更好。

前饋式反向傳播(Back-Propagation，BP)神經(jīng)網(wǎng)絡是目前發(fā)展比較成熟的一種人工神經(jīng)網(wǎng)絡，約有80%的神經(jīng)網(wǎng)絡系采用BP網(wǎng)絡。它是一種反饋式全連接多層神經(jīng)網(wǎng)絡，具有結構簡單，工作狀態(tài)穩(wěn)定等優(yōu)點，并且具有較強的聯(lián)想、記憶和推廣能力，可以以任意精度逼近任何非線性連接函數(shù)。孫麗麗等[31]采用灰度數(shù)據(jù)矩陣統(tǒng)計、小波變換和二值化等方法對N80鋼CO2腐蝕圖像進行特征提取。結合BP神經(jīng)網(wǎng)絡技術，以腐蝕圖像的各向異性和小波變換后子圖像的能量參數(shù)作為腐蝕類型判據(jù)，建立基于BP神經(jīng)網(wǎng)絡的孔蝕速率診斷模型，實現(xiàn)了CO2腐蝕類型和腐蝕程度的預測,診斷結果與試驗結果較好吻合。李強等[32]建立了一個管線鋼腐蝕速率預測模型，該預測模型采用僅含有一個隱含層的三層BP神經(jīng)網(wǎng)絡，其輸入層神經(jīng)元個數(shù)為3個，輸出層神經(jīng)元個數(shù)為1個，能準確地反射CO2分壓、H2S分壓、溫度與管線鋼的腐蝕速率之間的關系，仿真試驗結果表明該模型及算法是穩(wěn)定、有效的。

由于原油是一種化學組成及物理性質(zhì)都極為復雜的有機化合物的混合物，不同油田所產(chǎn)的原油在組成和性質(zhì)上差別較大，原油的組成、水含量、鹽含量(導電性)、粘度特性、硫含量、總酸值(TAN)和潤濕性等是研究原油對腐蝕影響的主要因素，研究考慮含油因素的CO2腐蝕作用規(guī)律并不是一件容易的事。實際上，更多的研究者采用改變油/水比的辦法來研究原油或者模型油對CO2腐蝕的影響。S.Hernández等[33]根據(jù)委內(nèi)瑞拉原油的試驗資料，使用ANN建立了一個CO2腐蝕速率預測模型，該模型考慮了氮、硫、膠質(zhì)、瀝青、總酸值(TAN)及原油含量等因素對腐蝕速率的影響(如圖1所示)，研究發(fā)現(xiàn)ANN是一種有效的預測工具，且預測結果與現(xiàn)場大量試驗數(shù)據(jù)吻合度較好。F.S.Kadhim等[34]根據(jù)伊拉克Kirkuk油田現(xiàn)場數(shù)據(jù)建立了一個管線鋼腐蝕速率人工神經(jīng)網(wǎng)絡預測模型，該預測模型采用僅含有一個隱含層的三層BP神經(jīng)網(wǎng)絡，其輸入層參數(shù)分別為雷諾數(shù)、水含量(油/水比)和溫度，輸出層參數(shù)為平均腐蝕速率，仿真試驗結果表明，碳鋼的腐蝕速率隨溫度、雷諾數(shù)和水含量的增加而增大，經(jīng)過現(xiàn)場生產(chǎn)數(shù)據(jù)檢驗表明，神經(jīng)網(wǎng)絡預測腐蝕速率效果良好。

圖1 神經(jīng)網(wǎng)絡結構示意圖Fig. 1 Schematic diagram of neural network architecture

3 結束語

在油氣生產(chǎn)和運輸過程中，對CO2腐蝕行為的研究大多考慮的是純水相和操作條件，如溫度、壓力、流速和CO2的濃度等，從目前已公開發(fā)表的文獻來看，對含油影響CO2腐蝕行為的研究較少，缺乏定量的研究。這樣的方法常常導致保守的結果，造成投資和操作費用的極大浪費。目前國內(nèi)外關于CO2腐蝕速率的預測模型均存在一定的不完善性和較強的針對性，只能說某一模型更適合于某一特定環(huán)境的油氣田環(huán)境，要建立準確的和普適的預測模型較為困難，有必要結合實驗室和現(xiàn)場腐蝕數(shù)據(jù)，對現(xiàn)有模型進行修正或者開發(fā)出新的更具實際應用價值的腐蝕預測模型，才能更好地應用于油田開發(fā)實際，為油田集輸工作者及時掌握腐蝕進程并采取相應措施提供更準確的理論參考。

[1] ZHANG G A,CHENG Y F． Localized corrosion of carbon steel in a CO2-saturated oilfield formation water[J]． Electrochimica Acta,2011(56):1676-1685．

[2] XU D,HUANG W,RUSCHAU G,et al． Laboratory investigation of MIC threat due to hydrotest using untreated seawater and subsequent exposure to pipeline fluids with and without SRB spiking[J]． Engineering Failure Analysis,2013(28):149-159．

[3] 高洪斌． 二氧化碳對油田集油管線腐蝕的預測[J]． 石油天然氣學報，2006，28(4)：410-413．

[4] 劉繪新，蘇永平． 川東氣田油管腐蝕現(xiàn)狀基本特征[J]． 天然氣工業(yè)，2000，20(5)：77-79．

[5] NESIC S． Key issues related to modeling of internal of corrosion of oil and gas pipelines-A review[J]． Corrosion Science,2007,49:4308-4338．

[6] CAI J Y,LI C,TANG X P,et al． Experimental study of water wetting in oil-water two phase flow-horizontal flow of model oil[J]． Chemical Engineering Science,2012,73:334-344．

[7] NESIC S. Effects of multiphase flow on internal CO2corrosion of mild steel pipelines[J]． Energy Fuels,2012,26:4098-4111．

[8] ELIYAN F F,MOHAMMADI F,AIFANTAZi A． An electrochemical investigation on the effect of the chloride content on CO2corrosion of API-X100 steel[J]． Corrosion Science,2012,64:37-43．

[9] AYELLO F,LI C,TANG X P,et al． Determination of phase wetting in oil-water pipe flows[J]． Corrosion,2012,69(5):566．

[10] DE WAARD C, LOTS U,MILLIAMS D E． Predictive model for CO2corrosion engineering in wet natural gas pipelines[J]． Corrosion,1991,47(12):976-984．

[11] KVERNVOLD O,JOHNSON R,HELGERSON T． Assessment of internal pipeline corrosion[C]//the International Offshore Mechanics and Arctic Engineering Symposium,Calgary:[s.n],1992:409-420．

[12] ANDESNE T R,HALLEN J M． A study on the reliability assessment methodology for pipelines with active corrosion defects[J]． International Journal of Pressure Vessels and Piping,2002,79(1):77-86．

[13] 廖柯熹． 油氣管道剩余壽命評估研究[D]． 成都:西南石油大學博士學位論文,2001．

[14] 姚建軍． 油氣長輸管線腐蝕剩余壽命預測技術研究[D]． 成都:西南石油大學碩士學位論文,2004．

[15] 張國安，陳長風，路民旭，等． 油氣田中CO2腐蝕的預測模型[J]． 中國腐蝕與防護學報，2005，25(2)：119-123．

[16] ROLFNY B． Overview of CO2corrosion models for wells and pipelines[C]//Corrosion 2002,Houston:NACE International,2007:02233．

[17] DE W C,LOTZ U． Prediction of CO2corrosion of carbon steel[C]//Corrosion 1993,Houston:NACE International,1993:69．

[18] DE W C,SMITH L,BARTLETT P,et al． Modelling corrosion rates in oil production tubing[C]//Eurocorr 2001,Milano:Associazione Italiana Di Matallurgia,2001:01254．

[19] 鮮寧，孫素芬，姜放，等． CO2氣田開發(fā)的腐蝕預測與控制措施[J]． 天然氣與石油，2011，29(2)：62-66．

[20] GARTLAND P O,JOHNSEN R． Application of internal corrosion modeling in the risk assessment of pipeline[C]//Corrosion 2003,Houston:NACE International,2003:03179．

[21] 劉偉偉． 油田集輸管道CO2腐蝕規(guī)律和預測模型研究[D]． 青島:中國石油大學碩士學位論文,2009．

[22] JEPSON W P,STITZEL S,KANG C,et al. Model for sweet corrosion in horizontal multiphase slug flow[C]//Corrosion 1997,Houston:NACE International,1997:11．

[23] DE W C,CORCON,AERDENHOUT,et al. The influence of crude oils on well tubing corrosion rates[C]//Corrosion 2003,Houston:NACE International,2003:03629．

[24] SRINIVASAN S,KANE R D． Critical issues in the application and evaluation of a corrosion prediction model for oil and gas systems[C]//Corrosion 2003,Houston:NACE International,2003:03640．

[25] 崔鉞，蘭惠清，康正凌，等． 基于流場計算的天然氣集輸管線CO2腐蝕預測模型[J]． 石油學報，2013，34(2)：386-392．

[26] NESIC S,POSTLET H J,OLSEN S． An electrochemical model for prediction of corrosion of mild steel in aqueous carbon dioxide solutions[J]． Corrosion,1996,52(4):280．

[27] NESIC S,NORDSVEEN M,NYBORG R,et al． A mechanistic model for CO2corrosion with protective iron carbonate films[C]//Corrosion 2001,Houston:NACE International,2001:0140．

[28] NESIC S,NORDSVEEN M,RYBORG,et al． A mechanistic model for corrosion dioxide of mild steel in the presence of protective iron carbonate films-part 2:a numerical experiment[J]． Corrosion,2003,59(5):489．

[29] NESIC S,LEE K L J． A mechanistic model for dioxide corrosion of mild steel in the presence of protective iron carbonate films-part 3:Film growth model[J]． Corrosion,2003,59(5):443．

[30] NESIC S,MAGNUS N,NIGEL M,et al． Probabilistic modelling of CO2corrosion laboratory data using neural networks[J]． Corrosion Science,2001,43(7):1373-1392．

[31] 孫麗麗,蘇毅,賈蕊,等． 基于BP神經(jīng)網(wǎng)絡的N80鋼CO2腐蝕預測方法研究[J]． 兵器材料科學與工程,2012,35(6)：14-17.

[32] 李強,鞠虹,唐曉,等． 基于人工神經(jīng)網(wǎng)絡的CO2/H2S腐蝕速率預測模型[J]． 腐蝕與防護,2013,34(1)：10-12,17．

[34] KADHIM F S,YOUSIF Y K． Modeling of corrosion rate under two phase flow in horizontal pipe using neural network[J]． Journal of Engineering,2012,18(7):876-885．

Progress in Prediction of CO2Corrosion Rate Affected by Oil in Gathering Pipelines

CHENG Yuan-peng1,2, LI Zi-li1, BI Hai-sheng1, GUO Bai-he1, BAI Yu2

(1． College of Pipeline and Civil Engineering, China University of Petroleum, Qingdao 266580, China; 2． College of Petroleum Engineering, Yangtze University, Wuhan 430100, China)

Under special conditions, oils in corrosion environment have some inhibitive effect on CO2corrosion behavior of gathering pipelines. Whether or not the oil wetting and corrosion product film are considered becomes a great difference in existing rate prediction models of sweet corrosion. The progress of CO2corrosion rate prediction models including empirical model, semi-empirical model, mechanistic model and artificial neural network model considering the effects of oil in recent years is introduced in detail, the present problems and further research directions are also discussed.

gathering pipeline; influence of oil; CO2; corrosion; prediction model

2014-04-01

國家重大科技專項(2011ZX05017-004)

程遠鵬(1981-),講師,博士研究生,從事油氣儲運設備腐蝕理論與防護技術方面的研究,18954238993,cyp8488907@163.com

TG172

A

1005-748X(2015)03-0207-06