油气田中CO2腐蚀的预测模型

综述了油气田中CO2腐蚀速率的预测模型．关于CO2腐蚀速率的预测模型主要包括经验模型(Empirical models)，半经验模型(Semi—empirical models)和机理模型(Mechanistic models)三类．经验模型是根据实验室和油气田现场腐蚀数据建立的预测模型，这类模型比较简洁，与现场的试验数据吻合较好．半经验模型先根据腐蚀过程中的化学、电化学过程和介质的传输过程建立腐蚀速率相关的动力学模型，然后利用实验室数据以及现场数据确定各因素的影响因子．机理模型主要是应用腐蚀热力学、动力学以及物质扩散动力学，基于CO2腐蚀机理建立腐蚀速率的预测模型．由于CO2腐蚀的影响因素很多，腐蚀机理异常复杂，要建立准确、普适的预测模型较为困难．目前这三类预测模型均存在一定的不完善性，应对其进行更深入的研究和改进．     

油气开发中的CO2腐蚀

综述了油气开发中的CO2腐蚀特点、机理及预测模型.CO2腐蚀是一种典型的局部 腐蚀，腐蚀产物(FeCO3)或结垢产物(CaCO3)在钢铁表面不同的区域覆盖度不同.不同覆 盖度的区域之间形成了具有很强自催化特性的腐蚀电偶，CO2的局部腐蚀就是这种腐蚀电 偶作用的结果.建立CO2腐蚀速率预测模型对于油井管和集输管线的抗腐蚀设计具有重要 意义.     

含油集输管道CO2腐蚀速率预测的研究进展

在一定条件下,腐蚀介质中含油对集输管道CO2腐蚀行为有一定的缓蚀作用,是否考虑油品的润湿性和腐蚀产物膜,已成为各个不同CO2腐蚀预测模型的最大的差别.介绍了已有的CO2腐蚀速率预测模型及其考虑的因素;在此基础上,从经验模型、半经验模型、机理模型及神经网络模型四个方面系统地总结了近年来考虑含油影响的CO2腐蚀速率预测研究的进展,并提出了现存的一些问题和今后的研究方向.     

CO_2腐蚀速率半经验预测模型研究

以Nesic机制为基础,建立了新的腐蚀速率预测模型,着重考虑了离子在流体边界层和腐蚀产物膜中的传质速率,提出了腐蚀产物膜因子的实验确定方法.进一步,通过高温高压CO2腐蚀的实验,给出了从具体实验结果来分析和确定腐蚀产物膜影响因子的技术.分析了矿化度对腐蚀速率的影响规律,结果表明模型与实际情况符合良好.     

油气输送管线顶部CO_2腐蚀预测模型

为预测油气输送管线顶部CO2腐蚀风险,建立了数理模型来预测CO2顶部腐蚀速率。考虑管道顶部CO2腐蚀现象主要包含液滴冷凝过程、液滴内液相化学变化和CO2腐蚀三个主要过程,模型主要分为冷凝率预测,液滴液相化学成分计算和De Waard CO2腐蚀模型三部分。然后利用铁的质量守恒关系将这三部分进行关联,来计算最终顶部腐蚀速率预测值。利用高温高压冷凝反应釜和湿气环路试验结果对模型预测结果进行了验证。     

基于EWM-GRA的腐蚀主控因素分析与腐蚀模型建立

目的 建立含硫管道腐蚀速率预测模型,为防腐工作的开展提供依据。方法 基于熵权法（EWM）和灰色关联分析（GRA）理论,对影响含硫天然气集输管道腐蚀的18个影响因素进行关联度计算,确定腐蚀主要影响因素。针对主要影响因素,设计正交模拟实验,基于腐蚀机理和模拟实验结果,建立腐蚀速率预测模型。结果 含硫管道腐蚀影响因素关联度最大的4个因素为H2S分压（0.7923）、CO2分压（0.6471）、温度（－0.6208）、液体流速（－0.6101）,与腐蚀速率呈强相关。基于关联度分析结果,考虑H2S分压、CO2分压、温度、液体流速的影响,设计了4因素3水平共9组模拟实验,根据失重法计算得到腐蚀速率。基于腐蚀机理和实验数据,得到H2S/CO2共存条件下,考虑温度和液体流速影响的腐蚀预测模型。与实验结果对比,预测模型的相对误差在5%以内。结论 对于该含硫管道,腐蚀速率的主要影响因素为H2S分压、CO2分压、液体流速、介质温度。基于腐蚀机理和模拟实验结果建立的腐蚀速率预测模型能较好地预测腐蚀速率,为现场防腐工作的开展提供参考依据。     

基于优化随机森林的H2S腐蚀产物类型及腐蚀速率预测

目的研究H2S环境下碳钢腐蚀产物类型及失重腐蚀速率预测模型,为含硫油气田管道腐蚀防护设计与选材提供依据。方法整合H2S腐蚀模拟实验数据,采用随机森林算法对各腐蚀因素重要性进行排序,一方面以腐蚀产物类型为输出量,通过随机森林分类算法建立硫铁腐蚀产物类别预测模型,另一方面以腐蚀速率为输出量,通过随机森林回归算法建立腐蚀速率预测模型,并与其他模型进行比较。运用网格搜索方法对各类算法的超参数进行优选,以提高预测可靠性。结果随机森林算法得出的影响H2S腐蚀产物类型的因素重要性排序为:H2S分压、温度、pH值、实验周期、总压、CO2分压。基于网格搜索优化的随机森林分类模型交叉验证得分超过0.9,f1得分达到0.96,优于其他三种常用分类模型。采用网格搜索优化的随机森林回归模型预测结果与实际值的均方误差为0.86%。相关系数R值为0.979,优于其他两个回归模型。结论网格搜索优化后的随机森林分类、回归模型对含H2S复杂环境下的碳钢腐蚀产物类型及腐蚀速率预测准确性较高,能够为油气田管道腐蚀防护提供参考。     

基于改进BP神经网络优化的管道腐蚀速率预测模型研究

目的构造金属管道腐蚀速率预测模型,预测管道的使用寿命。方法分析了二氧化碳(CO2)和硫化氢(H2S)对金属管道的腐蚀过程,给出了管道腐蚀的化学反应方程式。引用了BP神经网络构造金属管道腐蚀速率的数学模型,采用了改进粒子群算法对预测模型进行优化。以45号金属管道为例,借助于Matlab软件对管道腐蚀速率进行仿真验证,并与实验测量数据进行对比和分析。结果金属管道腐蚀速率随着CO2或H2S压强的增大而逐渐增大,仿真结果显示CO2和H2S的最大腐蚀速率分别为7.20×10-5 mm/h和5.76×10-5mm/h,而实验测量结果显示CO2和H2S的最大腐蚀速率分别为7.14×10-5 mm/h和5.65×10-5 mm/h,采用改进BP神经网络预测模型所产生的相对误差在5%以内。结论金属管道在不同压强条件下,采用改进BP神经网络预测模型能够近似地预测其腐蚀速率,为金属管道的更换提供了参考依据。     

酸性天然气集输管道腐蚀预测与防护

针对某酸性天然气田,进行了气质、水质及腐蚀产物分析。结果表明,该气田集输管道的腐蚀主要为CO2腐蚀。通过分析其腐蚀机理,在Shell 95模型的基础上,研究了温度、pH对腐蚀速率的影响,建立了CO2腐蚀预测模型,并进行挂片法验证了模型的可靠性。通过对气田常用的两种缓蚀剂ZD1-1和HJF-B进行常压和高压试验,评价了二者的缓蚀效果,为类似酸性湿天然气集输管道防腐蚀提供了一定的依据。     

基于人工神经网络的CO2/H2S腐蚀速率预测模型

探索对油气管线CO2/H2S腐蚀速率的预测,应用LabVIEW软件中的MATLAB Script节点,通过Lab-VIEW与MATLAB混合编程构建了虚拟仪器程序,建立了油气管线腐蚀速率预测的BP神经网络模型。数值仿真试验结果表明,建立的模型稳定性好,预测精度高,使用效果良好。