曾維國,李曙華,李 巖,范 崢

(1. 中國特種設(shè)備檢測研究院，北京 100029； 2. 中國石油長慶油田分公司 氣田開發(fā)事業(yè)部，西安 710021；3. 中國石油長慶油田分公司 油田開發(fā)事業(yè)部，西安 710018； 4. 西安石油大學(xué) 化學(xué)化工學(xué)院，西安 710065)

油氣水集輸管道是油田的主力運(yùn)輸設(shè)施，其一旦發(fā)生腐蝕性穿孔，會導(dǎo)致原油和天然氣泄漏，造成巨大的經(jīng)濟(jì)損失和資源浪費(fèi)，甚至?xí)鹑藛T傷亡、環(huán)境污染等一系列安全環(huán)保問題[1-2]，當(dāng)管道穿越自然保護(hù)區(qū)、農(nóng)業(yè)畜牧區(qū)以及人口稠密區(qū)時(shí)，管道腐蝕穿孔帶來的生態(tài)隱患與社會影響風(fēng)險(xiǎn)凸顯，這也對油氣水集輸管道的腐蝕控制水平提出了更高的要求[3-5]。為了有效解決上述問題，需經(jīng)常對管道均勻腐蝕缺陷進(jìn)行評價(jià)，確定管道發(fā)生嚴(yán)重腐蝕事故的可能性以及關(guān)鍵時(shí)間節(jié)點(diǎn)，從而在保證管道長期、穩(wěn)定、安全運(yùn)行的前提下，最大可能地延長在役管道的使用壽命[6-8]。

目前，國內(nèi)外針對管道均勻腐蝕缺陷評價(jià)的方法很多，例如B31G準(zhǔn)則、API RP579準(zhǔn)則等。B31G準(zhǔn)則是業(yè)內(nèi)較早使用的評價(jià)標(biāo)準(zhǔn)，然而其在工程應(yīng)用中卻暴露出很多缺陷，幾經(jīng)改進(jìn)后，其實(shí)際效果仍然差強(qiáng)人意[9]；API RP579準(zhǔn)則是在石化企業(yè)在役壓力設(shè)備缺陷安全評估的需要下催生的，該準(zhǔn)則雖然很好地滿足了石化企業(yè)的需求，但適用范圍有限，不利于大范圍推廣、應(yīng)用[10-11]。人工神經(jīng)網(wǎng)絡(luò)通過模仿腦神經(jīng)元的結(jié)構(gòu)、功能，建立輸入數(shù)據(jù)與輸出數(shù)據(jù)之間的映射關(guān)系，具有良好的自學(xué)習(xí)性、自組織性、非線性性、魯棒性、容錯性、并行性以及獨(dú)立性等顯著優(yōu)點(diǎn)[12-14]。人工神經(jīng)網(wǎng)絡(luò)誕生于20世紀(jì)40年代初，在先后經(jīng)歷了興起、高潮、低谷以及復(fù)興等階段后，目前已被廣泛應(yīng)用于石油、電子、化工、材料、醫(yī)藥和交通等領(lǐng)域，并取得了一定的成果[15-16]。根據(jù)學(xué)習(xí)方式的不同，人工神經(jīng)網(wǎng)絡(luò)可分為有監(jiān)督人工神經(jīng)網(wǎng)絡(luò)和無監(jiān)督人工神經(jīng)網(wǎng)絡(luò)兩大類。BP人工神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)、Hopfield人工神經(jīng)網(wǎng)絡(luò)均屬于前者;而大部分自組織人工神經(jīng)網(wǎng)絡(luò)則屬于后者，只需將待求的樣本輸入人工神經(jīng)網(wǎng)絡(luò)即可得到結(jié)果[17-18]。

徑向基函數(shù)由POWELL于1985年提出，它的主要作用是解決多維空間插值問題。1988年BROOMHEAD和LOWE根據(jù)徑向基函數(shù)這一特點(diǎn)，將其首次引入人工神經(jīng)網(wǎng)絡(luò)中并提出了徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)這一概念，JACKSON則于1989年論證了徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)對非線性連續(xù)函數(shù)的一致逼近性能[19-20]。與BP人工神經(jīng)網(wǎng)絡(luò)、Hopfield人工神經(jīng)網(wǎng)絡(luò)和自組織人工神經(jīng)網(wǎng)絡(luò)等相比，徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡單、訓(xùn)練方便、訓(xùn)練和學(xué)習(xí)的收斂速度快且輸出預(yù)測結(jié)果較穩(wěn)定；在滿足精度需求的前提下，徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)在訓(xùn)練精度和泛化能力方面均優(yōu)于BP人工神經(jīng)網(wǎng)絡(luò)[21]。徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)能夠?qū)⒌途S輸入矢量變換到高維空間中，從而使低維空間內(nèi)的線性不可分在高維空間內(nèi)變?yōu)榫€性可分，并逼近任意非線性函數(shù)[22-24]。賈寶惠等[25]將徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)與正交試驗(yàn)設(shè)計(jì)相結(jié)合，在不同條件下進(jìn)行鹽霧試驗(yàn)，系統(tǒng)研究了飛機(jī)結(jié)構(gòu)材料2024鋁合金的腐蝕規(guī)律；翟秀云[26]采用徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)結(jié)合粒子群優(yōu)化算法建立了3C鋼在海水中腐蝕速率預(yù)測的模型，該模型具有良好的預(yù)測精度和自學(xué)習(xí)能力。朱紅秀等[27]研究了一種具有在線學(xué)習(xí)能力的徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)優(yōu)化算法，通過在線調(diào)整網(wǎng)絡(luò)滿足不同形態(tài)缺陷定量分析的需要。王玉榮等[28]基于徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)對合金鑄鐵動態(tài)腐蝕性能進(jìn)行了準(zhǔn)確預(yù)測。

為了提高油氣水集輸管道均勻腐蝕缺陷評價(jià)結(jié)果的準(zhǔn)確性，本工作首先采用室內(nèi)多相動態(tài)腐蝕檢測裝置測定了不同工況條件下油氣水集輸管道的均勻腐蝕速率。然后以上述試驗(yàn)結(jié)果為樣本數(shù)據(jù)庫，通過徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、驗(yàn)證和測試建立集輸管道均勻腐蝕速率預(yù)測模型，并對其準(zhǔn)確性進(jìn)行了驗(yàn)證。最后，按照SYT 6477-2017《含缺陷油氣管道剩余強(qiáng)度評價(jià)方法》中的相關(guān)要求，采用此模型和均勻腐蝕速率對油氣水集輸管道的均勻腐蝕缺陷進(jìn)行了評價(jià),希望為油氣水集輸管道現(xiàn)場防腐設(shè)計(jì)提供科學(xué)、可靠的理論支撐和數(shù)據(jù)來源。

1 試驗(yàn)

1.1 油氣水集輸管道均勻腐蝕速率

油氣水集輸管道的工作環(huán)境屬于典型的多相快速流動沖刷下的復(fù)雜混合體系，故試驗(yàn)借助室內(nèi)多相動態(tài)腐蝕檢測裝置模擬油氣水集輸管道的腐蝕環(huán)境，并采用動電位極化法對不同工況條件下油氣水集輸管道的均勻腐蝕速率進(jìn)行了測定。多相動態(tài)腐蝕檢測裝置采用密閉循環(huán)管式結(jié)構(gòu)，裝置內(nèi)的硫化氫含量、二氧化碳含量、水含量、鈣離子含量、鎂離子含量和氯離子含量由在線分析儀實(shí)時(shí)測定并同步反饋至微型計(jì)算機(jī)，而PT100型溫度變送器、3051TA型壓力變送器、SKLD型電磁流量計(jì)則被分別用來控制裝置的溫度、壓力和流速。將316L不銹鋼掛片固定在管道內(nèi)壁上，并用細(xì)導(dǎo)線將其與PARSTAT4000+電化學(xué)工作站的工作電極相連，輔助電極為鉑電極，參比電極為飽和甘汞電極。

1.2 油氣水集輸管道均勻腐蝕速率預(yù)測模型

通過徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)建立油氣水集輸管道均勻腐蝕速率預(yù)測模型。徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層三部分組成，如圖1所示。其中，輸入層由氣相中的硫化氫含量、二氧化碳含量，油相中的水含量，水相中的鈣離子含量、鎂離子含量、氯離子含量以及溫度、壓力、流速等信號源節(jié)點(diǎn)組成；隱含層中的變換函數(shù)為高斯徑向基函數(shù)，它屬于對中心點(diǎn)徑向?qū)ΨQ且衰減的非負(fù)非線性函數(shù)；輸出層負(fù)責(zé)對輸入模式下的均勻腐蝕速率作出必要的響應(yīng)。

圖1 徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖Fig.1 Schematic diagram of structure of radial basis function artificial neural network

當(dāng)徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的輸入信號為xp，輸出信號為yp時(shí)，高斯徑向基函數(shù)的激活函數(shù)可表示為

(1)

xp=[xp1,xp2,…,xpi,…,xpm]T

(2)

式中：p為樣本的序號，p=1, 2,…,P(P為樣本數(shù))；i為信號源節(jié)點(diǎn)的序號，i=1, 2,…,m(m為信號源節(jié)點(diǎn)數(shù))；c為高斯徑向基函數(shù)的中心；j為隱含層節(jié)點(diǎn)的序號，j=1,2,…,Q(Q為隱含層節(jié)點(diǎn)數(shù))；σ為高斯徑向基函數(shù)的方差。

此時(shí)，徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的預(yù)測輸出為

(3)

式中：wjk為從第j個(gè)隱含層節(jié)點(diǎn)到第k個(gè)輸出層節(jié)點(diǎn)的連接權(quán)值。

(4)

由于傳統(tǒng)的梯度下降法進(jìn)化緩慢且容易陷入局部最小，故通過增加動量項(xiàng)的方法對梯度下降法進(jìn)行修正以進(jìn)一步提高網(wǎng)絡(luò)學(xué)習(xí)效率。徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)采用修正的梯度下降法不斷更新高斯徑向基函數(shù)的中心和從隱含層到輸出層之間的連接權(quán)值，如式(5)～(6)所示，使得預(yù)測輸出不斷逼近期望輸出。

(5)

(6)

式中：η1、η2均為學(xué)習(xí)效率；t為迭代次數(shù)。

徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的具體步驟如圖2所示。

最后，利用決定系數(shù)r對徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)在訓(xùn)練、驗(yàn)證、測試階段的預(yù)測輸出和期望輸出進(jìn)行一致性評價(jià)，其表達(dá)式見式(7)～(10)。

(7)

(8)

(9)

(10)

1.3 油氣水集輸管道均勻腐蝕缺陷評價(jià)

在上述研究基礎(chǔ)上，首先利用徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)準(zhǔn)確預(yù)測不同工況下油氣水集輸管道均勻腐蝕速率，然后根據(jù)管道公稱壁厚、管道服役年限以及管道均勻腐蝕速率預(yù)測管道的剩余壁厚為

δmm=δ-ny

(11)

式中：δmm為管道剩余壁厚，mm；δ為管道初始壁厚；n為管道服役年限，a；y為預(yù)測的管道均勻腐蝕速率，mm/a。

此時(shí)，要求的最小壁厚δmin為

(12)

圖2 徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法流程圖Fig.2 Learning algorithm flowchart of radial basis function artificial neural network

式中：ψ為管道設(shè)計(jì)壓力，MPa；D為管道平均直徑，mm；ε為管材屈服強(qiáng)度，MPa；F為管道設(shè)計(jì)系數(shù)；λ為焊縫系數(shù)，對于新建管道或經(jīng)過無損探傷的焊縫，其值取1。

若滿足式(13)和式(14)所示兩個(gè)判據(jù)，則在當(dāng)前工作壓力下，管道的均勻腐蝕缺陷可以接受，否則缺陷不可以接受。

δmm=RFCA≥Kaδmin

(13)

δmm-RFCA≥max[0.5δmin,δlim]

(14)

δlim=max[0.2δ,2.5 mm]

(15)

式中：RFCA為未來腐蝕余量，mm；Ka為許用剩余強(qiáng)度因子，一般取0.9；δlim為管道極限壁厚，mm。

2 結(jié)果與討論

2.1 油氣水集輸管道均勻腐蝕速率樣本數(shù)據(jù)采集

共采集了100組不同工況下油氣水集輸管道均勻腐蝕速率的樣本數(shù)據(jù)。其中，第1～50組隨機(jī)數(shù)據(jù)用于輸入徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，而第51～100組隨機(jī)數(shù)據(jù)作為驗(yàn)證和測試樣本不參加訓(xùn)練。當(dāng)徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)經(jīng)過反復(fù)訓(xùn)練滿足指定的容許收斂誤差限后，將第51～80組隨機(jī)數(shù)據(jù)輸入訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)驗(yàn)證油氣水集輸管道均勻腐蝕速率預(yù)測模型的準(zhǔn)確性與可靠性，若其仍然滿足容許收斂誤差限的相關(guān)要求，則繼續(xù)將第81～100組隨機(jī)數(shù)據(jù)輸入徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行測試。樣本數(shù)據(jù)詳見圖3。

2.2 徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)確定

由于徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的隱含層屬于典型的非線性神經(jīng)元，故其隱含層節(jié)點(diǎn)數(shù)的多少對于模型預(yù)測效果具有十分重要的作用。在迭代次數(shù)上限為500步、擴(kuò)展速度為1、學(xué)習(xí)效率η1和η2分別取0.05、0.06的條件下，利用試湊法找出了徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)適宜的隱含層節(jié)點(diǎn)數(shù)，其結(jié)果如圖4所示。

由圖4可知，當(dāng)隱含層節(jié)點(diǎn)數(shù)為10時(shí)，徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的均方誤差高達(dá)92.680 2，隨著隱含層節(jié)點(diǎn)數(shù)的不斷增加，徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的均方誤差顯著降低，當(dāng)隱含層節(jié)點(diǎn)數(shù)為29時(shí)，徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的均方誤差僅為9.054 2，若繼續(xù)增加隱含層節(jié)點(diǎn)數(shù)，則徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的均方誤差降幅趨緩。雖然隱含層節(jié)點(diǎn)數(shù)越多，油氣水集輸管道均勻腐蝕速率預(yù)測模型的計(jì)算結(jié)果越準(zhǔn)確，但隱含層節(jié)點(diǎn)數(shù)的增加會提高徑向函數(shù)基人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜程度，導(dǎo)致其執(zhí)行效率降低，因此，本工作選擇9-29-1型徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行后續(xù)的訓(xùn)練、驗(yàn)證和測試。

2.3 徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練、驗(yàn)證和測試

采用NeuroSolutions 7.1.0.0軟件建立了基于徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的油氣水集輸管道均勻腐蝕速率預(yù)測模型，并對該預(yù)測模型進(jìn)行了訓(xùn)練、驗(yàn)證和測試。

圖5展示了油氣水集輸管道均勻腐蝕速率預(yù)測模型在訓(xùn)練過程中均方誤差的變化趨勢。結(jié)果表明，隨著徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)迭代次數(shù)的逐漸增加，預(yù)測模型的均方誤差逐漸減小，當(dāng)模型利用訓(xùn)練數(shù)據(jù)經(jīng)過4 450次反復(fù)迭代后，預(yù)測模型的均方誤差變?yōu)?.000 9，小于允許收斂誤差限0.001 0，這表明徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)此時(shí)已經(jīng)達(dá)到收斂要求。

(a) 硫化氫含量、二氧化碳和水含量(b) 鈣離子含量、鎂離子含量和氯離子含量(c) 溫度、壓力和流速 圖3 油氣水集輸管道均勻腐蝕速率樣本數(shù)據(jù)三維圖Fig.3 Three-dimensional diagram of sample data of average corrosion rates for oil-gas-water gathering pipeline: (a) content of hydrogen sulfide, carbon dioxide and water; (b) content of calcium ion, magnesium ion and chloride ion; (c) temperature, pressure and flow rate

圖4 徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)對均方誤差的影響Fig.4 Effect of number of nodes in hidden layer of radial basis function artificial neural network on mean square error

為了驗(yàn)證預(yù)測模型的準(zhǔn)確性，對比了徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)在訓(xùn)練、驗(yàn)證和測試階段油氣水集輸管道均勻腐蝕速率的預(yù)測輸出與期望輸出，見圖6。

由圖6可見，油氣水集輸管道均勻腐蝕速率的預(yù)測值和期望均勻分布在45°回歸線兩側(cè)，近似呈線性關(guān)系，在訓(xùn)練階段、驗(yàn)證階段與測試階段線性擬合的決定系數(shù)分別為0.993、0.973、0.969，表明此模型中的預(yù)測值及期望值存在較高的相關(guān)性，即利用徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)對油氣水集輸管道均勻腐蝕速率進(jìn)行預(yù)測有著較高的準(zhǔn)確性和可靠性。

圖5 訓(xùn)練階段徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)均方誤差的變化趨勢Fig.5 Variation trend of mean square error of radial basis function artificial neural network in training stage

2.4 油氣水集輸管道均勻腐蝕缺陷評價(jià)

陜北某油田目前已建成316L不銹鋼油氣水集輸管道586.16 km，其設(shè)計(jì)壓力為6.3 MPa，公稱直徑為250 mm，管材屈服強(qiáng)度為180 MPa。為了對上述油氣水集輸管道的均勻腐蝕缺陷進(jìn)行準(zhǔn)確評價(jià)，根據(jù)該油田現(xiàn)場采集的腐蝕參數(shù)數(shù)據(jù)，利用徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型對該油田下轄的276段集輸管段的均勻腐蝕速率進(jìn)行了預(yù)測，并按照SYT 6477-2017《含缺陷油氣管道剩余強(qiáng)度評價(jià)方法》中的相關(guān)要求對上述管道進(jìn)行了均勻腐蝕缺陷評價(jià)，得出存在均勻腐蝕缺陷風(fēng)險(xiǎn)的9段管段，結(jié)果詳見表1。

由表1可知，當(dāng)管段壁厚最小限值為7.32 mm時(shí)，由于上述9段管段均勻腐蝕速率的預(yù)測值差異較大(0.433 6～1.582 4 mm/a),且服役年限亦有長有短(4～15 a)，因此，在實(shí)際生產(chǎn)中，除了需要對油氣水集輸管道進(jìn)行必要的定期檢測外，還應(yīng)對預(yù)測均勻腐蝕速率較高的新投用管段和服役年限較長但預(yù)測均勻腐蝕速率較低的管段給予特別的重視和關(guān)注，從而有效杜絕可能存在的均勻腐蝕風(fēng)險(xiǎn)。

(a) 訓(xùn)練階段 (b) 驗(yàn)證階段 (c) 測試階段圖6 訓(xùn)練、驗(yàn)證和測試階段油氣水集輸管道均勻腐蝕速率的預(yù)測值與期望值對比Fig.6 Comparison between predicted values and desired values of average corrosion rates for oil-gas-water gathering pipelines during the training (a), validating (b) and testing (c) stages

表1 存在均勻腐蝕風(fēng)險(xiǎn)管段一覽表Tab. 1 List of pipelines with risk of uniform corrosion defects

3 結(jié)論

(1) 為了準(zhǔn)確評價(jià)油氣水集輸管道的均勻腐蝕，變“事后處理”為“事前防護(hù)”，采用室內(nèi)多相動態(tài)腐蝕檢測裝置測定了不同工況條件下油氣水集輸管道的均勻腐蝕速率，并以上述試驗(yàn)結(jié)果為樣本數(shù)據(jù)，基于徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)建立油氣水集輸管道均勻腐蝕速率的預(yù)測模型。

(2) 當(dāng)以氣相中的硫化氫含量、二氧化碳含量，油相中的水含量，水相中的鈣離子含量、鎂離子含量、氯離子含量以及溫度、壓力、流速等為輸入信號，以集輸管道均勻腐蝕速率為輸出信號時(shí)，由于此預(yù)測模型的優(yōu)化隱含層節(jié)點(diǎn)數(shù)為29，故選擇采用9-29-1型網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、驗(yàn)證和測試。

(3) 采用梯度下降法對徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，經(jīng)過4 450次反復(fù)迭代后，該模型的均方誤差0.000 9,小于允許收斂誤差限0.010 0，預(yù)測值和期望值近似呈線性，在訓(xùn)練階段、驗(yàn)證階段與測試階段線性擬合的決定系數(shù)分別為0.950、0.980、0.986，預(yù)測值和期望值具有較高的相關(guān)性。

(4) 以預(yù)測的管道均勻腐蝕速率為基礎(chǔ)，根據(jù)SYT 6477-2017《含缺陷油氣管道剩余強(qiáng)度評價(jià)方法》中的相關(guān)要求對陜北某油田下轄的176段集輸管段進(jìn)行了均勻腐蝕評價(jià)，找出了9段存在均勻腐蝕風(fēng)險(xiǎn)的集輸管道，從而為油氣水集輸管道的長期、穩(wěn)定、安全運(yùn)行提供了必要的理論支撐和數(shù)據(jù)來源。