油气集输管道腐蚀速率预测研究.pdf

2 0 0 9年 第 5期 管 技 木 设 备 Eq u i p me n t 2 0 0 9 No ． 5 油气 集输管道腐蚀速率预测研 究 佟 立强 。 张鹤群 冀东油田油气集输公司， 河北唐山0 6 3 0 0 0 摘要 腐蚀速率的精确预测对于油气集输管道的安全运行具有重要 意义。鉴于神经网络算法陷入 局部最小值 、 收敛速度慢和引起振 荡效应等 问题 ， 同时考虑 自适应遗传算法在 广泛的空间搜 索和向最 优解的方向尽快收敛于最优 目标的特点， 构建了优化的混合算法神经网络模型。利用该模型对多种因 素影响下的油气集输管道的腐蚀速度进行了预测研究。实际应用表明 该模型大大提 高了网络的学习 效率和预测评判的精度 ， 可以作为油气集输管道腐蚀速率预测的良好工具。 关键词 神经网络 ； 腐蚀 ； 改进的遗传算法 中图分类号 T E 9 8 5 ． 8 文献标识码 A 文章编号 1 0 0 4 9 6 1 4 2 0 0 9 0 5 0 0 5 2 0 3 Pr e d i c t i o n o f t h e Co r r o s i o n Ra t e o f Ga t h e r i ng a n d Tr a n s po r t Oi l a n d Ga s Pi p e l i n e s T ONG Li q i a n g， ZHANG He q u n C o mp a n y o f Oi l a n d G a s Ga t h e r i n g o f J i d o n g Oi l fi e l d ， T ang s h a n 0 6 3 0 0 0， C h i n a Ab s t r a c t I t i s s i g n i fi c a n t t o p r e d i c t t h e c o r r o s i v e r a t e o f g a t h e ri n g a n d t r a n s p o r t p i p e l i n e s ． C o n s i d e rin g t h e f e a t u r e s o f t h e s l o w c o n v e r g i n g r a t e a n d s t r o n g o s c il l a t i o n i n e x t e n s i v e s p a c e o f s e l f - a d a p t i v e g e n e t i c a l g o ri t h ms ， t h e o p t i mi z e d mi x e d a l g o ri t h m n e u r a l n e t wo r k mo d e l i s f o u n d e d o n t h e i mp r o v e d a d a p t i v e g e n e t i c a l g o ri t h m a n d t h e b a c k p r o p a g a t i o n n e u r a l n e t w o r k ． T h e mo d e l i s a p p l i e d t o p r e d i c t t h e c o r r o s i v e r a t e o f g a t h e r i n g a n d t r a n s p o rt p i p e l i n e u n d e r t h e i n fl u e n c e o f ma n y f a c t o r s ． T h e r e s u l t s s h o w t h a t t h e m o d e l h a s a g r e a t e ffic i e n c y o f n e t w o r k l e a r n i n g a n d a h i g h a c c u r a c y o f p r e d i c t i o n a n d j u d g e m c n t ． Ke y wor ds n e u r a l n e t wo r k c o r r o s i o n； i mpr o v e d a da p t i v e g e n e t i c a l g o rit h ms 0 引言 腐蚀常给油气田造成重大 的经济损失 ， 包括灾难 性的事故和环境污染。影响油管腐蚀 的因素很多 ， 包 括材料因素、 环境因素、 所输介质的组分 因素等 ， 同时 影响腐蚀各因素之间的相互作用十分复杂 ， 而实验过 程又往往不能控制所有因素变化情况 ， 从而导致实验 结果分散性比较大， 因此用精确的数学解析公式来表 达它们之间的关系是非常困难的， 所 以有必要采用其 他科学的方法对实验数据进行分析处理， 以便从分散 性较大的实验数据中分清和判断各种因素 的影 响 ， 作 出不掺杂主观成份的推论和判断 1 J 。 B P神经网络技术被广泛应用于输油气管道腐蚀 速度预测研究中， 但 由于 B P神经 网络具有收敛速度 慢 ， 极易陷入局部极值点等弱点 ， 该方法的预测效率 及精度都不高。文中利用改进的遗传算法结合 B P神 经网络对集输管道的腐蚀速率进行分析， 建立系统模 型 ， 用现场实验数据对模型进行 了检验。结果表 明 其预测效率及精度均较高。 收稿 日期 2 0 0 9 0 5 0 7 收修改稿 日期 2 0 0 9 0 5 2 1 1 腐蚀速度的预测方法 1 ． 1 人工神经网络方法 大量的仿真实验和理论研究 已经证 明， B P b a c k p r o p a g a t i o n 算法是一种有效的神经网络学习算法 ， 它 具有很强的处理非线 性 问题 的能力 ， 近年来 应用广 泛 。但在实际应用中， B P神经网络也暴露出一些 自身 的弱点， 如收敛速度慢， 极易陷入局部极值点； 另外， 神经网络的初始连接权 以及 网络 结构的选择缺乏依 据， 具有很大 的随机性 ， 很难选取具有全局性的初始 点 ， 因而求得全局最优 的可能性较小 ， 限制它在实际 中的应用 j 。 1 ． 2 遗传算法 遗传算法 g e n e t i c a l g o r i t h m s ， G A 最初由H o l l a n d 于2 0 世纪7 0 年代提出， 它的主要特点是群体搜索策 略和群体中个体之间的信息交换， 搜索不依赖梯度信 息， 也不需要求解函数 可微 ， 只需要该 函数在约束条 件下可解 。因此 ， 该方法尤其适用于处理传统方法难 以解决的复杂和非线性 问题 』 。在传统遗传算法 的 基础上， 文献[ 4 ] 提出了一种改进 自适应遗传算法 第 5期 佟立强等 油气集输管道腐蚀速率预测研 究 5 3 i m p r o v e d a d a p t i v e g e n e t i c a l g o r i t h ms ， 在 用其求解 实 际问题时， 能在广泛 的空间搜索和向最优解 的方 向尽 快收敛于最优 目标 ， 求得全局最优解两方面均有较强 的能力 ， 做到了两者兼顾 ， 因而应用广泛 。 1 ． 3 改进遗传算法和 B P算法结合的混合算法 B P算法的优点是寻优具有精确性 ， 但它具有易陷 入局部极小 、 收敛速度慢和引起振荡效应等缺点。局部 极小问题在实际计算过程 中可以通过调整初始权值和 阀值来解决 ， 而收敛速度较慢和引起振荡效应往往是 网 络训练后期陷入局部极小所致。如果在 B P算法之前 ， 能用一种有效的方法大致搜索出一定的权值和阀值 ， 以 此时的权值和阀值作为 B P算法的初始权值和阀值， 则 可以解决上述问题。由于改进的遗传算法具有很强的 宏观搜索能力， 并且具有简单通用、 鲁棒性强、 并行运算 的特点， 所以用它来完成前期的搜索， 能较好地克服 B P 算法的缺点。综上所述 ， 将二者结合起来 ， 形成一种混 合训练算法 ， 达到优化网络的目的。即 1 充分发挥 G A全局搜 索的优点和 B P局域 寻 优迅速的优点 ， 将两者有机地结合起来 ； 2 G A要真正发挥出进化的特点 ， 保持群体点间 的联系是一个前提条件 ， 在该方法 中， 将 G A、 B P分别 搜寻得到的结果混合起来 ， 再根据误差大小 ， 将误差 较大的部分交给 I A G A进行全局寻优 ， 将误差较小 的 部分交给 B P算法进行局部寻优， 将 G A、 B P的群体点 充分联系起来 ， 有益于发挥 G A进化 的特点 ； 3 此方法可使大量点群 以 B P算法 的梯度下 降 法快速地或者以G A大范围地向各自的最优值逼近。 1 ． 4 混合算法的步骤 1 根据给定 的输人 、 输出训练样本集 ， 设计神 经网络的输入层 、 隐含层和输 出层的节点数 ， 确定神 经网络的拓扑结构。 2 初始化网络及群体， 给出训练参数； 对于每 个输入向量 ， 先使其规格化， 文中规格化的公式为 0 I 9 o ． 0 5 ， 网络的初始权值为 [ 一 l ， 1 ] 内的一组随机数。 3 对种群中的染色体， 计算染色体的在神经网 络中的误差平方和 E和适应度 的值 ， 如果满足精度 要求， 则转向 9 ； 4 对该种群进行 S G A进化， 进化到一定代数就 转向 5 ； 5 对种群进行适应度计算， 如果满足精度要 求， 则转向 9 ， 否则转向 6 ； 6 根据适应度大小排列种群， 按照一定 比例将适 应度高的个体转 向 8 ， 其他适应度低个体转向 7 ； 7 按照 I A G A方法对适应度低的个体进行进化 ， 进化到一定的代数转 向 5 。 8 对适应度高的个体分别按照 B P算法进行局 部寻优 ， 进行一定 的循环后转向 5 。 9 对得到的优 良个体进行神经网络训练 ， 得出 预测结果 ， 结束。 2预测实例 根据油气 田现场经验 和化学腐蚀机理分析可知， 影响集输管线腐蚀 的因素较多， 主要有环境土壤因素 和管输介质组分影响 因素。环境 土壤 因素包括 电阻 率、 含水量、 含盐量和 p H值； 管输介质组分影响因素 包括 C O 含量、 H S含量 、 C l 一 浓度等。文 中基 于现场 所测与管道腐蚀速率相关的主要因素 包括环境土壤 参数、 腐蚀介质 H S 、 C O 、 c l 一 浓度等 的基本数 据 ， 利用 B P神经网络与改进遗传算法预测集输管 道的腐蚀速度 ， 同时利用实验数据验证混合模型的正 确性及精度。表 1 为集输管道腐蚀数据。 表 I 集输管道腐蚀数据 环境土壤参数 管输介质基本参数 腐蚀速率 H。 S p H 值 含量 ／ ％ 8 ． 1 6 ． 7 8 ． 2 7 ． 28 8 ． 2 4 ． 9 8 ． 3 2 ． 3 8 ． 2 1 ． 2 8 ．1 3 ． 2 0 c O 2 c l 一 浓 实测值 含量 度／ mg ／ m m ’ ／ ％L 1 a 2 ． 3 5 3 3 91 0 0 ． 2 63 1 ． 5 4 3 0 O1 8 0 ． 1 8 9 1 ． 4 5 2 0 9 8 7 0 ． O 9 5 0 ． 3 2 1 9 8 7 0 0 ． 0 5 5 O ． 5 O 21 0 9 4 0 ． 0 47 2 ． 9 0 2 4 8 7 1 0 ． 0 75 根据混合算法的步骤图， 使用 M A T L A B 6 ． 1编制 程序进行计算， 预测管道的腐蚀速率， 见表2 。 表 2 腐蚀速 率实测值 与预 测值 比对 表 实测值／ 预测值／ 实测值／ 预测值／ 序号 ， ． ， ． a - I t mm a t m m 序号 lm ’ a‘J I T a‘ ， ● l ● 1 0 ． 2 6 3 0． 2 6 0 4 0 ． 0 5 5 0 ． 0 5 7 2 0 ． 1 8 9 O． 1 8 2 5 0 ． 0 4 7 0 ． 0 4 9 3 0 ． 0 9 5 0 ． 1 01 6 0 ． 0 7 5 0 ． 0 7 8 为了验证混合算法的优越性， 文中将不同算法所 计算的腐蚀速率结果进行了比较， 如图 1 所示。混合 算法的预测结果与实测值非常接近， 误差在 6 ％左右； 而传统的 B P神经网络算法与概率统计算法的计算结 果均高于实测值， 其误差大于 1 0 ％。由此可见， 混合 算法极大地提高了腐蚀速率预测的精度， 可以作为管 能 一∽ 蛆 诲 ； 5 4 Pi p e l i n e Te c h n i q u e a n d Eq u i p me n t 道腐蚀速率预测的良好工具。 2 9 5 2 4 5 1 95 落l 4 5 锺 懊 9 5 4 5 1 2 3 4 5 6 样本 号 图 1 不同算法对油气集输管道腐蚀速率预测结果的比较 3 结束语 改进遗传算法和 B P神经网络算法结合的混合算 法充分发挥了遗传算法全局搜索 的优点和 B P局域寻 优迅速 的优点 ， 将 两者有机地结合起来， 具有收敛速 度快， 计算精度与计算效率高的优点。 油气集输管道腐蚀速度实例计算表明 与传统的概 率统计方法与 B P 神经网络算法相比， 混合算法具有较 高的计算精度， 可以作为管道腐蚀速率预测的工具。 参考文献 [ 1 ] 路民旭． 油气采集储运中的腐蚀现状及典型案例． 腐蚀与 防护 ， 2 0 0 2 ， 2 3 3 2 1 2 3 ． [ 2 ] E V A N S U R ． A N e w Me t h o d o f A n a l y z i n g E x t r e m e V a l u e D a t e ． E n g i n e e r i n g ， 1 9 9 3 ， 1 3 6 3 2 3 4 ． [ 3 ] 罗金恒． 腐蚀管道剩余寿命预测方法． 管道技术与设备， 2 0 0 6 5 3 7 3 9 ． [ 4 ] 祁世芳． 输油管道安全评估模式及其在我国的应用． 油气 储运 ， 2 0 0 2 ， 2 1 3 1 31 6 ， [ 5 ] 刘刚． 改进神经网络在管道腐蚀速率预测中的应用． 油气 储运， 2 0 0 6 ， 2 5 4 3 4 3 7 ． 作者简介 佟立强 1 9 7 0 一 ， 工程师， 主要从事油气集输管道运 行管理工作。 上接 第 4 8页 2 发射机 电流频率选择 。长输线用 E L F ， 分支 线用 E L F 电流方向 或 L F 电流方向 。 3 接收机先对管线定点定位， 避免深度和 电流 读数受非线性误差影响。把峰值定位和峰谷定位结 合起来 ， 两者重合可以证实管线位置是准确 的。仅 当 峰值定位点和峰谷定位点相互之间小于 1 5 C I I 1 时 ， 才 能获得精确的结果。 4 在管道正上方按信号电流键可获得测量信号 的电流值 mA 。用 E L F档探测 的电流低于 1 5 0 m A 时， P C M读数不准确 ； 用 L F档探测的电流低 于 2 mA 时， P C M读数不准确。 5 管道拐弯的检测方法。首先沿管线 的路 由向 前追踪管线 ， 当检测到管线拐点处 ， 继续沿刚刚追踪 管线的路 由向前将检测 不到管线 ， 在管道信 号消失 处 ， 做半径为 5 m的圆形搜索 ， 可确定管线拐 向。对 管线深度及电流的测量 ， 在离拐点 5 m之外才可得到 精确的数值。 3结束语 P C M可有效应用于管道外防腐层保护状况评估、 管道 阴极保护效果评估、 管线对地绝缘故障点定位 、 目标管道与其他管道搭接点的查找和定位 、 盗接管道 或分支管道的查找和定位、 管道泄漏点的查找和定位 以及作为大功率管线定位仪探测定位长输 管道等各 个方面。对于在役管道 ， 应该定期进行 P C M检测 ， 避 免发生严重的油气管道事故。 对防腐层缺陷大小判断及定量方面， 过多依赖经 验。由于防腐层缺陷的确定是通过配套的 A字架 ， 利 用地表电位梯度电位差的原理进行检测 ， 其检测结果 以分贝值 显示 ， 因此 判断 防腐 层缺 陷大小有一定难 度。建议在 P c M 系统 精 确定 位 破 损点 以后 ， 采 用 D C V GC I P S对破损点大小进行计算 ， 从而决定开挖 的优先次序。通过对大量数据进行分析， 发现分贝值 大小不仅 与防腐层缺 陷大小有 关 ， 而且与 土壤 电阻 率 、 管道埋深、 输送电流的大小密切相关 ， 其数学模型 的建立较困难。 参考文献 [ 1 ] 张明奇， 郭卫红． 埋地输油管道外防腐层破损处的检测． 材料开发与应用， 2 0 0 2 ， l 7 6 3 5 3 7 ， [ 2 ] 薛登存， 李京战． 多频管中电流检测技术及其应用． 石油 工程建设， 1 9 9 9 3 3 6 3 8 ． [ 3 ] 姚小静， 迟大龙． 多频管中电流法在油气管道检测应用中 的一些建议． 腐蚀与防护， 2 0 0 7 ， 2 8 1 2 6 4 6 647 ； 6 5 1 ． [ 4 ] 刘海峰， 罗文华， 王勇， 等． 多频管中电流法在长宁输气管 线上的应用． 天然气与石油， 2 0 0 3 4 1 8 2 1 ； 6 9 ． [ 5 ] 林守江． 交变电流梯度法评价防腐层的模型及应用条件． 第三届海峡两岸材料腐蚀与防护研讨会 ， 青岛， 2 0 0 2 ． [ 6 ] S T A N L E Y， R O D E R I C K． Q u a l i t y T u b i n g I n c ． R e s u l t s f r o m NDE I n s p e c t i o n s o f C o i l e d T u b i n g ． S o c i e t y o f P e t r o l e u m En g i n e e r s ， 1 9 9 8 ． [ 7 ] S T A N L E Y R K ． Q u ali t y T u b i n g I n c ． Me t h o d s a n d R e s u l t s o f I n s p e c t i o n C o i l e d Tu b i n g a n d L i n e P i p e ． S o c i e t y o f P e t r o l e u m E n gi n e e ， 2 0 0 1 ． 作者简介 刘周 1 9 8 2 一 ， 硕士研究生， 主要从事油气长输管道 外检测与安全评价研究。