含硫天然氣集輸管道內腐蝕預測模型研究*

田源 李珊 肖杰

1中國石油西南油氣田分公司天然氣研究院

2國家能源高含硫氣藏開采研發(fā)中心

3中石油集團公司高含硫氣藏開采先導試驗基地

我國硫化氫含量（質量分數(shù)）大于1%的天然氣儲量占全國的1/4，隨著油氣勘探開發(fā)廣泛深入進行，將會有更多的含硫甚至高含硫氣田被開采，腐蝕帶來的管線泄漏材料失效等問題非常嚴重。因此，開展高含硫集輸管道腐蝕失效研究對于提高高含硫氣田集輸系統(tǒng)安全水平、促進氣田的長期安全、穩(wěn)定運行具有重要意義[1]。

選定某氣田區(qū)塊8 口高含硫氣井、3 座高含硫集輸場站、10 條高含硫管線作為研究對象。其中，X 井投產時測試H2S質量濃度約為142.907 g/m3；Y 井投產時測試H2S 質量濃度約為89.35 g/m3。通過對研究區(qū)塊10 條高含硫集輸管線基本情況統(tǒng)計分析發(fā)現(xiàn)，A 線輸氣量大，管徑粗，輸氣壓力高，H2S 含量為67.78 g/m3，平均腐蝕速率為0.0257 mm/a，介于0.025～0.125 mm/a 內，因此判斷A 線為中度腐蝕。該管道曾進行過缺陷檢測，能滿足數(shù)據(jù)量的需求。因此，選擇A 線作為本次建立腐蝕預測模型的目標管道。

1 室內實驗

1.1 實驗方案

實驗方法：前期對研究區(qū)塊現(xiàn)場工況調研，考慮了H2S 分壓、CO2分壓、流速、溫度和總礦化度5個影響腐蝕行為的因素，采用高溫高壓動態(tài)釜開展室內腐蝕掛片實驗。

參數(shù)取值：CO2分壓與H2S 分壓取值分別為0.1、0.2、0.3 MPa；溫度取值40、60、80 ℃；流速取值4、6、8 m/s。根據(jù)對研究區(qū)塊的工況參數(shù)調研情況，礦化度主要分布在10～37 600 mg/L 之間，為模擬嚴茍腐蝕環(huán)境，實驗時選取上限值，對應各組分濃度：NaCl 為95.355 g/L、CaCl2為6.3659 g/L、MgCl2為1.349 g/L、Na2SO4為0.2755 g/L、NaHCO3為0.882 g/L。

實驗方案見表1。

表1 實驗方案Tab.1 Experimental plan

1.2 實驗結果

通過開展11 組不同條件下的腐蝕掛片實驗，得出掛片的腐蝕速率結果如圖1 所示。

由圖1 可知：僅在CO2或H2S 存在的情況下腐蝕速率較??；當CO2和H2S 共存時，H2S 的分壓大于或者等于CO2的分壓時腐蝕速率較高，當H2S 的分壓等于CO2的分壓并且溫度和流速較低時腐蝕速率最大，高達0.977 6 mm/a。

圖1 腐蝕速率實驗結果折線圖Fig.1 Line chart of corrosion rate experiment result

2 多相流模擬計算

為建立腐蝕速率預測模型，基于現(xiàn)場調研數(shù)據(jù)，建立了A 線的多井流流動仿真模型，分別對A線管道沿線溫度、壓力、持液率、CO2分壓、pH值、液體流速進行模擬計算[2]，A 線高程變化如圖2所示，模擬結果如圖3～圖5 所示。

圖2 A 線高程Fig.2 Elevation of Line A

圖3 A 線溫度、壓力分布Fig.3 Temperature and pressure distribution of Line A

圖4 A 線氣體流速、液體流速分布Fig.4 Gas flow rate and liquid flow rate distribution of Line A

圖5 A 線CO2分壓Fig.5 CO2 partial pressure of Line A

利用多相流模擬軟件進行計算，得到目標管道壓力、溫度、CO2分壓、pH 值和液體流速等參數(shù)的變化情況，這為建立目標管道的腐蝕速率預測模型提供了基礎。

3 腐蝕模型的建立

3.1 基于腐蝕機理的腐蝕預測模型

根據(jù)腐蝕機理文獻調研以及室內腐蝕掛片實驗結果可知，影響CO2/H2S 共存環(huán)境中管道腐蝕速率的主要因素是分壓p(CO2)、p(H2S)、溫度T以及流速v，將腐蝕速率rcorr表示為如下函數(shù)

分別用各個影響腐蝕因素函數(shù)來表征腐蝕速率，可得

兩邊取自然對數(shù)，得到式（1）。

式中：k、k′為系數(shù)；T為輸送溫度，K；v為液體流速，m/s；p(CO2)為CO2分壓，MPa；p(H2S)為H2S 分壓，MPa；f是關于T、v、p(CO2)和p(H2S)的函數(shù)關系式，下面分析各個因素對腐蝕速率的影響。

（1）CO2為主要腐蝕因素時。當CO2/H2S 壓力比值大于500 時，CO2是影響腐蝕的主要因素，可以得到腐蝕速率的公式，即

（2）H2S 為主要腐蝕因素時。當CO2/H2S 壓力比值小于500 時，H2S 是影響腐蝕的主要因素[3]，可以得到腐蝕速率的公式，即

式中：a、b、c均為常數(shù)。

（3）CO2和H2S 共存條件下。綜上所述，得到CO2和H2S 共存條件下的腐蝕模型為

式中：C、m、a、b、c為常數(shù)；Ea、E為活化能，J/mol；R為氣體常數(shù)。

根據(jù)實驗數(shù)據(jù)確定待定系數(shù)的值如表2 所示。

表2 實驗數(shù)據(jù)結果Tab.2 Experimental data results

基于表2 中的實驗數(shù)據(jù)，利用其中9 組實驗數(shù)據(jù)確定待定系數(shù)的值，另外2 組實驗數(shù)據(jù)用于驗證模型的準確性，驗證結果見表3。

表3 機理模型的模擬結果Tab.3 Simulation results of mechanism model

由表3 可知，自建模型預測誤差＜30%，符合預期要求，因此最終確定系數(shù)后的模型為

3.2 基于BP 神經網(wǎng)絡算法的腐蝕預測模型

目前誤差反傳網(wǎng)絡模型是迄今為止使用最普遍和最廣泛的神經網(wǎng)絡模型[4]。BP 算法主要分為向前傳播和向后傳播兩個階段，BP 算法的優(yōu)點是具有廣泛的適應性、有效性和很強的數(shù)學基礎，這較大地擴展了BP 神經網(wǎng)絡的應用范圍。近年來BP 神經網(wǎng)絡模型廣泛應用于腐蝕研究領域，預測結果比較準確，因此腐蝕預測軟件開發(fā)也采用BP 網(wǎng)絡模型。

BP 網(wǎng)絡算法的基本步驟為：

（1）給神經網(wǎng)絡提供訓練例子，其中包含輸入模式和期望的輸出模式。

（2）確定神經網(wǎng)絡實際輸出與期望輸出之間所允許的最小偏差。

（3）改變神經網(wǎng)絡中所有的連接權值，使產生的輸出與期望輸出更加接近，直到滿足第（2）步中定的允許誤差。

4 模型驗證

4.1 基于腐蝕機理的腐蝕模型驗證

（1）輸入?yún)?shù)。自建模型需要輸入的參數(shù)如表4 所示。

表4 SPM 模型需要輸入的參數(shù)Tab.4 Parameters needed for SPM model

（2）計算結果與對比分析。將自建模型預測的腐蝕速率與實驗室實測腐蝕速率對比，從表5 預測結果可知，建立的模型預測結果誤差＜30%[5]，滿足預期要求。

表5 預測結果Tab.6 Prediction result

4.2 基于BP 神經網(wǎng)絡的腐蝕模型驗證

基于BP 神經網(wǎng)絡的腐蝕預測模型具有較高的精度，但仍需與現(xiàn)場實際檢測數(shù)據(jù)相對比來驗證該模型的可靠性。將目標管道A 線的腐蝕速率預測結果與檢測結果相對比，以驗證模型的可靠性。

（1）樣本數(shù)據(jù)獲取?，F(xiàn)場檢測結果如表6所示。

（2）BP 神經網(wǎng)絡預測結果及誤差。表7 為BP神經網(wǎng)絡預測結果，將此結果與某主流模擬軟件的預測結果進行對比發(fā)現(xiàn)：①BP 神經網(wǎng)絡預測模型的相對誤差均小于30%，相對誤差最大值為28%，相對誤差最小值為1%，平均誤差為8.29%，滿足預測精度要求；②某主流模擬軟件預測的誤差遠大于BP 神經網(wǎng)絡預測結果，并與現(xiàn)場實際數(shù)據(jù)相比有較大偏差。

表6 內檢測結果Tab.6 Internal inspection results

表7 BP 神經網(wǎng)絡預測結果及對比Tab.7 BP neural network prediction results and comparison

5 結論及建議

（1）基于腐蝕機理及現(xiàn)場數(shù)據(jù)，建立了含硫管道腐蝕預測半經驗模型；基于BP 神經網(wǎng)絡算法，建立了含硫管道腐蝕預測統(tǒng)計模型并開發(fā)了預測軟件。

（2）根據(jù)室內實驗及現(xiàn)場采集數(shù)據(jù)，驗證了基于腐蝕機理的腐蝕預測模型的準確性，預測結果相對誤差小于30%，滿足預期要求。

（3）自建的半經驗模型僅考慮了H2S 分壓、CO2分壓、溫度、流速對腐蝕速率的影響，對于其他影響腐蝕行為的因素，如剪切力、元素硫含量、細菌等還需進一步開展試驗研究，從而進一步完善腐蝕預測模型。