辛 欣

（中煤科工集團(tuán)西安研究院有限公司，陜西西安710054）

與原油長輸管道相比，集輸管道具有建設(shè)速度快、占地面積少、成本低等優(yōu)點(diǎn)。但是由于集輸管道內(nèi)的原油并未進(jìn)行處理，原油中含有大量的酸性成分、無機(jī)離子以及水成分，使得集輸管道極易遭受腐蝕，當(dāng)腐蝕嚴(yán)重時(shí)，可能引起管道穿孔[1-2]。在另一方面，長輸管道發(fā)生穿孔泄漏時(shí)，并不會對原油的生產(chǎn)產(chǎn)生影響，但是集輸管道發(fā)生穿孔泄漏時(shí)，會對原油的開采生產(chǎn)產(chǎn)生嚴(yán)重影響，因此，對原油集輸管道的腐蝕速率進(jìn)行預(yù)測十分重要，也具有較強(qiáng)的現(xiàn)實(shí)意義。

目前，國內(nèi)外大量學(xué)者對集輸管道的腐蝕問題進(jìn)行了深入研究。劉志德等[3]人通過實(shí)驗(yàn)的方法，研究了高含硫環(huán)境下集輸管道腐蝕的影響因素，研究結(jié)果表明集輸管道在40℃的環(huán)境下更容易遭受腐蝕，但是并沒有對腐蝕速率進(jìn)行預(yù)測；De Warrd等[4]人充分考慮原油的含水率因素，擬合出了集輸管道腐蝕速率的經(jīng)驗(yàn)公式，但是由于考慮的影響因素較少，所以經(jīng)驗(yàn)公式的計(jì)算誤差相對較大；CorrOcean公司[5]在充分考慮集輸管道腐蝕速率影響因素的基礎(chǔ)上，建立了集輸管道腐蝕速率輪廓圖，但是如果原油的含水率相對較高，則利用該輪廓圖的腐蝕速率查詢結(jié)果誤差較大；程遠(yuǎn)鵬等[6]人對X65集輸管道材料進(jìn)行了腐蝕行為分析，分析結(jié)果顯示，當(dāng)原油中的CO2含量增加時(shí)，集輸管道的腐蝕速率降低，但是也沒有對腐蝕速率進(jìn)行預(yù)測。

在人工智能快速發(fā)展的大背景下，使用智能算法對原油集輸管道的腐蝕速率進(jìn)行預(yù)測也是一種可行方案。在本次研究中，在對集輸管道腐蝕速率影響因素進(jìn)行分析的基礎(chǔ)上，將使用兩種智能算法的組合模型對腐蝕速率進(jìn)行預(yù)測，從而為保障集輸管道安全提供一種新思路。

1 集輸管道腐蝕速率影響因素分析

對集輸管道腐蝕速率產(chǎn)生影響的因素可以分為兩種類型，一種是原油成分因素，另一種是管道輸送條件。原油成分因素指的是原油pH值、含水率、二氧化碳含量、硫化氫含量、鹽含量以及溶解氧含量等因素，管道輸送條件指的是集輸管道的壓力、溫度以及原油的流速等因素。

在原油成分方面，一般情況下，原油的pH值越低，說明原油中的酸性成分含量越高，集輸管道的腐蝕速率就相對越高；原油中的含水率越高，集輸管道的腐蝕速率越快[7]；二氧化碳會與原油中的水成分產(chǎn)生化學(xué)作用生成碳酸，碳酸本身就會對管道產(chǎn)生腐蝕；硫化氫會在水成分中發(fā)生電離反應(yīng)，電離產(chǎn)生的硫離子將與管道成分反應(yīng)生成硫化鐵，同時(shí)，二氧化碳與硫化氫會對管道產(chǎn)生綜合反應(yīng)，兩者之間會產(chǎn)生協(xié)同作用，加快管道的腐蝕速率；溶解氧為管道腐蝕提高了必要的條件[8]；鹽含量對管道的腐蝕可以分為兩方面，首先，某些鹽組分將直接與二氧化碳、硫化氫或者水成分發(fā)生反應(yīng)，從而生成酸性物質(zhì)，間接對管道產(chǎn)生腐蝕，其次，某些鹽組分也可以直接與管道金屬產(chǎn)生反應(yīng)，直接對管道產(chǎn)生腐蝕，同時(shí)，由于鹽成分的存在，可能會對集輸管道內(nèi)防腐層產(chǎn)生破壞，從而使管道的腐蝕速率加快。

在管道輸送條件方面，隨著溫度的升高，原油的熵值也將增加，從而使得原油組分之間的混亂程度增加，原油中腐蝕性成分或水成分與管道之間的接觸概率增加，管道的腐蝕速率增加，但是當(dāng)溫度升高到一定數(shù)值時(shí)，原油中的水成分含量將下降，從而使得腐蝕速率降低；隨著原油流速的增加，管道的腐蝕速率也將持續(xù)增加，原油流速對集輸管道腐蝕產(chǎn)生的影響相對較大，一般來說，當(dāng)原油流速從0.7 m/s增加到1.4 m/s時(shí)，管道的腐蝕速率將增加5倍；隨著管道壓力的增加，管道的腐蝕速率也將增加，但是壓力對腐蝕速率的影響相對較小，目前的研究結(jié)果顯示，對于X60管道而言，管道壓力從0.1 MPa升高到6.3 MPa，管道的腐蝕速率將變?yōu)樵瓉淼?.5倍[9]。

通過以上分析可以發(fā)現(xiàn)，原油pH值、含水率、二氧化碳含量、硫化氫含量、鹽含量、溶解氧含量、管道溫度、原油流速、管道壓力等九種因素都可能對集輸管道的腐蝕速率產(chǎn)生影響，因此，在本次研究中將初選這九種因素作為腐蝕速率預(yù)測的初選因素。

2 數(shù)據(jù)來源及研究方法

2.1 數(shù)據(jù)來源

在本次研究中，采用國內(nèi)某集輸場站所采集的集輸管道腐蝕速率數(shù)據(jù)，該集輸廠站內(nèi)的原油密度為0.841 9 g/cm3，凝點(diǎn)為14℃，原油中的含硫量相對較小，僅為0.08%，集輸站場內(nèi)的管道采用的是L360N無縫鋼管材料。通過向原油中人工添加二氧化碳、硫化氫、氯化鈉、氯化鈣、游離水、氧氣等成分，使得獲取的實(shí)驗(yàn)數(shù)據(jù)產(chǎn)生變化，最終采集到實(shí)驗(yàn)數(shù)據(jù)30組，部分實(shí)驗(yàn)數(shù)據(jù)如表1所示。在本次研究中，隨機(jī)抽取25組數(shù)據(jù)作為模型的訓(xùn)練樣本，對剩余的5組數(shù)據(jù)進(jìn)行預(yù)測，并將預(yù)測結(jié)果與實(shí)際結(jié)果進(jìn)行對比，計(jì)算其平均絕對誤差，以此驗(yàn)證PCA-GRNN模型的可行性。

表1 部分實(shí)驗(yàn)結(jié)果

2.2 PCA降維算法

PCA算法全稱為主成分分析法，該算法主要是通過計(jì)算各因素對集輸管道腐蝕速率的貢獻(xiàn)率，從而優(yōu)選出對腐蝕速率產(chǎn)生主要影響的因素，進(jìn)而達(dá)到數(shù)據(jù)降維的目的[10]。

在使用該種算法時(shí)，首先需要將上文選擇的腐蝕速率影響因素?cái)?shù)據(jù)組合為矩陣X，然后依次計(jì)算該矩陣的相關(guān)系數(shù)矩陣R、相關(guān)系數(shù)的特征值λi以及相應(yīng)的特征向量αi，R及主成分貢獻(xiàn)率的計(jì)算公式如下所示：

式中：Xij為矩陣X第i行第 j列的數(shù)據(jù)；R為相關(guān)系數(shù)矩陣；αi為特征向量；Xi為矩陣X的第i行數(shù)據(jù)；Zp表示計(jì)算得到的主成分。

最后通過公式即可得到前K項(xiàng)腐蝕速率影響因素對腐蝕速率數(shù)值的累計(jì)貢獻(xiàn)率。一般情況下，當(dāng)累計(jì)貢獻(xiàn)率大于80%時(shí)，即可使用前K項(xiàng)影響因素代替所有影響因素進(jìn)行下一步研究。但是，在本次研究中，為了保證預(yù)測結(jié)果的科學(xué)性和準(zhǔn)確性，將累計(jì)貢獻(xiàn)率大于98%的前K項(xiàng)腐蝕速率影響因素代替所有影響因素輸入到GRNN模型中進(jìn)行學(xué)習(xí)預(yù)測[11]。

2.3 GRNN預(yù)測算法

GRNN算法即為廣義回歸神經(jīng)網(wǎng)絡(luò)算法，是在傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上發(fā)展起來的一種預(yù)測算法。GRNN算法主要由四層網(wǎng)絡(luò)結(jié)構(gòu)組成，分別是輸入層、模式層、求和層以及輸出層[12]。GRNN算法的基本結(jié)構(gòu)如圖1所示。

圖1GRNN模型網(wǎng)絡(luò)結(jié)構(gòu)

GRNN算法基于數(shù)學(xué)中的非線性回歸理論，在對數(shù)據(jù)進(jìn)行學(xué)習(xí)和預(yù)測的過程中，首先假設(shè)腐蝕速率為變量y，影響因素為變量x1,x2,…,xn，多項(xiàng)影響因素變量共同組成X，變量y與X之間的概率密度函數(shù)為f(X,y)，則變量y與X之間的非線性回歸結(jié)果可以通過式（3）計(jì)算得到。

式（3）中的Y?可以用來表示GRNN預(yù)測的預(yù)測結(jié)果，但是在上述公式中，變量y與X之間的概率密度函數(shù)為 f(X,y)難以求解準(zhǔn)確值，只能通過估算的方式得到其數(shù)值，估算公式如式（4）所示。

式中：Xi為變量X第i行數(shù)據(jù)產(chǎn)生的行矩陣，即第i組樣本的各種影響因素?cái)?shù)據(jù)；Yi為第i組樣本所對應(yīng)的腐蝕速率數(shù)據(jù)；n為樣本的數(shù)量；p為樣本的維度，即影響因素的數(shù)量；σ為光滑因子，當(dāng)σ取值較大時(shí)，則腐蝕速率預(yù)測結(jié)果將趨近于所有輸入腐蝕速率數(shù)據(jù)的平均值，當(dāng)σ取值較小時(shí)，預(yù)測誤差相對較大[13]。因此，光滑因子的選擇是GRNN算法使用的關(guān)鍵所在，為了保障預(yù)測結(jié)果的準(zhǔn)確性，在本次研究中，使用交叉驗(yàn)證的方式對光滑因子進(jìn)行優(yōu)選。

2.4 PCA-GRNN模型組合

PCA-GRNN算法的組合模型結(jié)構(gòu)流程如圖2所示。在使用的過程中，首先將上文初選的9種影響因素?cái)?shù)據(jù)輸入到PCA算法中，對其進(jìn)行降維處理，優(yōu)選出累計(jì)貢獻(xiàn)率大于98%的腐蝕速率影響因素代替所有影響因素進(jìn)行下一步的預(yù)測。將30組實(shí)驗(yàn)數(shù)據(jù)分為兩部分，一部分包含25組實(shí)驗(yàn)數(shù)據(jù)，將其作為模型的訓(xùn)練樣本，另一部分包含5組實(shí)驗(yàn)數(shù)據(jù)，將其作為模型的預(yù)測樣本，并將預(yù)測結(jié)果與實(shí)際腐蝕速率進(jìn)行對比，計(jì)算其預(yù)測結(jié)果的平均絕對誤差，最后，將PCA-GRNN模型與PCA-BP神經(jīng)網(wǎng)絡(luò)模型、PCA-WNN神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果進(jìn)行對比，因此驗(yàn)證PCA-GRNN模型的準(zhǔn)確性。

3 集輸管道腐蝕速率預(yù)測

3.1 PCA降維結(jié)果分析

在MATLAB軟件中編寫PCA代碼，將原油pH值、含水率、二氧化碳含量、硫化氫含量、鹽含量、溶解氧含量、管道溫度、原油流速、管道壓力等九種因素?cái)?shù)據(jù)輸入到PCA算法中，對其進(jìn)行主成分分析，計(jì)算各因素的貢獻(xiàn)率和累計(jì)貢獻(xiàn)率，計(jì)算結(jié)果如表2所示。從表2中可以看出，原油pH值、含水率、二氧化碳含量、硫化氫含量將會對集輸管道的腐蝕起主要影響，其中，原油pH值對腐蝕速率的影響最大，管道壓力對腐蝕速率的貢獻(xiàn)率僅為1.472 3%，證明管道壓力對腐蝕速率的影響很小，因此，在使用GRNN模型對腐蝕速率進(jìn)行預(yù)測的過程中可以忽略管道壓力的影響。最終，選擇原油pH值、含水率、二氧化碳含量、硫化氫含量、鹽含量、溶解氧含量、管道溫度、原油流速八種因素作為集輸管道腐蝕速率的影響因素進(jìn)行GRNN預(yù)測。

3.2 腐蝕速率預(yù)測結(jié)果分析

將原油pH值、含水率、二氧化碳含量、硫化氫含量、鹽含量、溶解氧含量、管道溫度、原油流速這八種因素作為集輸管道腐蝕速率的影響因素，在MATLAB軟件中建立GRNN預(yù)測模型。使用交叉驗(yàn)證的方法對光滑因子進(jìn)行優(yōu)選，優(yōu)選結(jié)果為0.7。將25組數(shù)據(jù)作為訓(xùn)練樣本，對5組數(shù)據(jù)進(jìn)行預(yù)測，并將PCA-GRNN模型的預(yù)測結(jié)果和PCA-BP神經(jīng)網(wǎng)絡(luò)模型、PCA-WNN神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果進(jìn)行對比，預(yù)測結(jié)果如圖3所示，預(yù)測誤差如圖4所示，預(yù)測結(jié)果的平均絕對誤差和預(yù)測時(shí)間如表3所示。從圖4、表3中可以看出，PCA-GRNN模型的預(yù)測結(jié)果與集輸管道的實(shí)際腐蝕速率十分接近，平均絕對誤差僅有1.28%，預(yù)測時(shí)間僅為3.78 s；PCA-WNN神經(jīng)網(wǎng)絡(luò)模型的預(yù)測誤差也相對較小，僅有2.56%，但是該模型的預(yù)測時(shí)間相對較長；PCA-BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測誤差最大，且預(yù)測時(shí)間最長，說明該方法并不適用于集輸管道腐蝕速率預(yù)測。綜上所述，PCA-GRNN模型適用于集輸管道腐蝕速率預(yù)測。

圖2PCA-GRNN模型預(yù)測流程

表2 主成分分析結(jié)果

圖3 腐蝕速率預(yù)測結(jié)果

圖4 腐蝕速率預(yù)測誤差

表3 模型預(yù)測平均絕對誤差及預(yù)測時(shí)間

4 結(jié)論

在本次研究中，首先對引起原油集輸管道腐蝕的因素進(jìn)行了系統(tǒng)分析，初選出了集輸管道腐蝕速率預(yù)測的相關(guān)影響因素。然后通過建立PCA-GRNN模型，對初選的影響因素進(jìn)行了優(yōu)選，使用從油田單位獲取的30組集輸管道腐蝕速率數(shù)據(jù)，將25組數(shù)據(jù)作為訓(xùn)練樣本，對5組數(shù)據(jù)進(jìn)行了預(yù)測，并將預(yù)測結(jié)果和PCABP神經(jīng)網(wǎng)絡(luò)模型、PCA-WNN神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果、誤差以及預(yù)測時(shí)間進(jìn)行對比，由此得出了以下三個(gè)結(jié)論：

（1）原油pH值、含水率、二氧化碳含量、硫化氫含量、鹽含量、溶解氧含量、管道溫度、原油流速、管道壓力這九種因素都可能對集輸管道的腐蝕速率產(chǎn)生影響，其中，二氧化碳含量、硫化氫含量兩者之間的影響具有一定的協(xié)同作用；

（2）通過PCA的處理結(jié)果可以看出，原油pH值、含水率、二氧化碳含量、硫化氫含量將會對集輸管道的腐蝕起主要影響，其中，原油pH值對腐蝕速率的影響最大，管道壓力對腐蝕速率的貢獻(xiàn)率最小，在腐蝕速率預(yù)測的過程中，可以忽略管道壓力對腐蝕速率的影響；

（3）PCA-GRNN模型與PCA-BP神經(jīng)網(wǎng)絡(luò)模型、PCA-WNN神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果相比，PCAGRNN模型的預(yù)測平均絕對誤差最小，且預(yù)測時(shí)間最少，PCA-BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測平均絕對誤差最大，且預(yù)測時(shí)間最長，證明PCA-GRNN模型完全適用于集輸管道腐蝕速率預(yù)測。