腐蚀预测范文
腐蚀预测范文（精选6篇）
腐蚀预测 第1篇
1 油田管道腐蚀特征及防护
土壤属于苏打型盐碱化土壤, 地下水位高, 矿化度较高, 土壤的腐蚀性较强, 为埋地管道的电化学腐蚀创造了有利的条件, 通过测试:油田土壤的腐蚀速率平均为0.5mm/a, 最高达0.9mm/a, 是输送介质腐蚀速率的5~10倍, 因此, 外腐蚀成为油田埋地钢质管道腐蚀的主要因素。其外防腐蚀技术措施主要为管道外腐蚀层和阴极保护联合保护。阴极保护技术措施主要为强制电流阴极保护和牺牲阳极阴极保护。由于强制电流阴极保护系统具有输出电流连续可调、保护范围大、不受环境电阻率限制等优点, 目前, 在有电力供应条件的区块, 油田的外防腐技术措施采用强制电流阴极保护措施。
2 油田管道腐蚀的检测
油田集输系统管道腐蚀主要为外腐蚀, 其检测技术主要是对管道的外覆盖层以及阴极保护效果进行检测评价, 目前国内外管道外腐蚀检测技术主要分为两类, 一是对管道的外覆盖层保护效果进行检测, 主要有多频管中电流衰减法 (PCM) 、电流梯度检测法 (ACVG) 和直流电位梯度法 (DCVG) , 另一是对阴极保护效果的检测主要是密间距电位测量法 (CIPS) [1]。
3 油田腐蚀管道剩余寿命的预测
目前, 国内外对剩余寿命的预测进行了很多相关的研究并提出了现行的适用标准, 如果CEGB R6、PD6493以及最新发布的API 578草案中, 都给出了粗略的指导方法, 但在实际现场的应用中效果较差。油气管道腐蚀剩余寿命的预测起着决定性的是其腐蚀速率的确定。然而如采用传统意义上的概率统计学的方法, 由于存在没有足够多的数据样本的缺陷, 将会导致预测其腐蚀速率获得的结果精度不高。有关油气管道腐蚀速度的预测方法较多, 如灰色预测模型、人工神经网络模型和可靠度函数分析方法等。单纯的灰色理论虽可进行较好的预测, 但对于复杂非线性系统进行分析, 由于其系统信息数据随机性变化较为明显使其但其预测精度不高, 且误差精度无法控制;而单纯的神经网络虽具有并行计算、分布式信息存储、自适应学习以及容错性强等优点, 计算精度一般也比灰色理论预测精度高, 对非线性问题处理方面具备一定的优越性, 但其计算量较大。目前, 为了解决这一问题, 油气管道腐蚀剩余寿命的预测一般采用灰色理论方法和人工神经网络的方法相配合进行预测。
3.1 预测思路
油气管道发生腐蚀后会使得管道的壁厚逐渐减薄, 管道承受内压能力降低, 导致油气管道抗泄漏和破裂的能力下降。当管道的内压大于管道的极限承载能力时, 管道发生泄漏或者破裂事故。即管道的剩余壁厚d减薄到最小允许壁厚dmin时, 管道达到其使用寿命, 使用寿命与当前时间之差值Tr即为其剩余寿命。要预测腐蚀海底管道的剩余寿命, 需要确定腐蚀管道的厚度、最大剩余厚度和平均腐蚀速率。其中腐蚀管道的厚度可以直接测量。
3.2 预测方法
3.2.1 最小允许壁厚确定
根据美国ASME锅炉压力容器N-480《管道腐蚀减薄验收准则》进行评定。该准则规定对腐蚀管道评定的范围必须满足以下条件:0.3t≤tp≤0.875t式中[2], t为正常时管道的壁厚, 即原设计时无腐蚀的壁厚;tp为评定寿命时的最大腐蚀坑深度剩余壁厚, 即最小允许壁厚。
3.2.2 腐蚀速率的确定
灰色理论预测方法和人工神经网络预测相结合, 利用灰色方法求解需要的计算量小, 在少样本情况下可达到较高精度;利用神经网络计算精度高, 且误差可控;并可以利用两者组合预测的方法进行分析;这样二者优势互补, 获得了广泛的应用。其预测模型流程图如图1所示:
4 结语
随着石油、天然气工业的不断发展, 管道输送发挥着越来越重要的作用, 但随着使用年限的增加, 防腐涂层发生老化、龟裂甚至剥离, 进而发生腐蚀, 造成巨大的财产损失和人员伤亡。有必要对存在腐蚀缺陷的油气管道进行检测并对其剩余寿命的预测。目前对管道腐蚀检测的技术有很多种, 并相关学者都对其进行了研究和改进, 但都有一定的局限性。应针对管道的腐蚀特征和类型, 选取合适的检测方法。油田油气管道主要是以外腐蚀为主, 防护措施为外防腐蚀层和阴极保护联合防护, 故采用CIPS与DCVG联合检测方法对管道腐蚀进行检测较为理想。同时在针对目前的对管道剩余寿命的预测方法的研究的基础上, 提出采用灰色理论预测和人工神经网络相组合对管道剩余寿命进行预测。
参考文献
[1]龙宪春.油气管道外检测技术现状与发展趋势[J].管道技术与设备, 2008 (01) :20-22.
[2]吴明亮.基于灰色马尔科夫理论的油气管道腐蚀剩余寿命预测[J].管道技术与设备, 2008 (05) :43-44.
常减压装置腐蚀预测模型的研究 第2篇
常减压装置是原油加工的首套装置, 决定着炼油厂的正常运行和处理量。近年来由于我国原油变重、含硫、含氮, 酸值的增高加重了对设备的腐蚀。腐蚀能够造成常减压装置的被迫停工, 使经济受到很大的损失, 甚至威胁到人身安全。
目前通常采用的防腐措施有①增加壁厚;②材料的升级, 把普通碳钢更换成耐腐蚀较强的304、316L等不锈钢, 有些炼厂也试用过钛合金。③加强工艺防腐, 一脱三注[1]。但是对于一些典型部位仍然不能保证运行的可靠性, 而且也没有较为成熟的技术方法。
腐蚀因素众多, 且各腐蚀因素目前还没有找到明显的关联关系, 腐蚀研究及确定极为不易;建立腐蚀模型可以把握重要的腐蚀因素, 并建立各腐蚀因素之间的联系, 来研究腐蚀结果。所以采用建立腐蚀预测模型的方法势必成为常减压装置腐蚀研究的新趋势。
二、常减压装置腐蚀因素分析
把常减压装置各种设备涉及到的参数进行总结, 可以得到①工艺参数:主要包括压力、温度、流量、液位、流速、物料成分等;②腐蚀性物质参数:主要包括H2O、H2S、CO2、Cl-、SO42-, p H值及溶解的盐含量等。其中Cl-、H2S、p H是常减压装置腐蚀的主要因素。
三、腐蚀预测的几种模型
1、回归分析模型
通过一组实验或观测数据, 研究两个变量之间的关系, 建立起一个数学模型, 应用该模型于预测、优化和控制等多种目的, 这就是回归分析。
主要目的是估计 (3-1) 中的回归系数β与随机误差ε。估计了β就可以得模型函数, 估计出ε可以用来评价模型的有效性。
利用回归模型对腐蚀数据进行拟合和预测是一种常见方法, 选择不同的解释变量会得到不同的回归模型, 而且对数据拟合预测的精度也不一样。
2、灰色预测模型
灰色是指信息不完全、不充分, 灰色系统是信息不完全不充分的系统[2]。常减压装置的腐蚀正是各种因素对其影响的综合结果。如果操作平稳, 常减压装置的腐蚀是一个比较缓慢的过程, 为了预测未来设备的腐蚀趋势, 就需要建立模型进行预测, 而这个预测系统既包括已知信息, 又含有未知的或不确切的信息的系统。设备在所处的环境下必然会受到腐蚀, 其外延明确, 但其过程复杂, 内涵不明确, 属于灰色系统范畴。
3、神经网络预测模型
人工神经网络 (Artificial Neural network, ANN) 是由大量的基本元件神经元互相连接, 通过模拟人的大脑神经处理信息的方式, 进行信息并行处理和非线性转换的复杂网络系统。由于神经网络具有强大的学习功能, 可以比较轻松的实现非线性映射过程, 并且具有大规模计算的能力, 因此它得到了大量的应用, 解决了很多利用传统方法难以解决的问题。
BP神经网络的全称为Back-Propagation Network, 即反向传播网络, 它由于结构简单, 具有较强的非线性映射能力, 是应用最为广泛的一种神经网络。目前在神经网络的实际应用中, 绝大部分的神经网络模型都是采用BP网络和它的变化形式, 它也是向前网络的核心部分, 体现了神经网络最精华的部分。
典型的BP网络有三层, 即:输入层、隐含层、输出层。输入层和隐含层之间、隐含层和输出层之间都实行全互连。其中, 隐含层各单元的输出函数可选用sigmoid函数, 即:
Sigmoid函数具有可微分性和非线性特征, 加强了网络的非线性映射能力。而输出层各单元的输出函数可以选用Sigmoid函数或其它线性或非线性函数。
4、预测模型选择
回归分析的方法可以研究两个变量之间的关系, 回归分析的数学模型用于预测和优化, 是一种常规的方法。计算量较小, 但它存在明显的缺陷:建模过程中对系统极少使用确定性信息;预测精度不高, 且误差精度无法控制;灰色系统模型只能处理单因素一个自变量的情形。
根据常减压装置低温部位腐蚀影响因素和腐蚀结果之间的复杂映射关系, 拟采用神经网络的方法对其进行研究和预测。使用神经网络来预测常减压装置的铁离子浓度是将环境因素与材料的腐蚀直接的关系视为黑箱, 进而通过实验数据学习, 建立输入 (影响因素) 与输出 (铁离子浓度) 之间的作用关系。理论上已证明:任意函数都可以用人工神经网络以任意程度逼近, 它不需要预先给出模型, 而只需要一组已知条件 (输入) 和结果 (输出) 组成的学习样本, 即可逼近自学习或有导师的学习获得条件与结果的对应规律, 用神经网络的方法可以预测在特定环境下的材料的腐蚀结果。
四、结论
钢质储油罐腐蚀状况预测研究动态 第3篇
储油罐安全是油库管理者高度关注的问题之一,不仅关系到经济损失、环境污染,而且直接危害油库的安全和人员的生命安全。
在钢质储油罐安全事故中,腐蚀是产生钢质油罐安全的重要因素之一。美国对过去40年发生的242例储罐事故进行了统计分析,有72台储罐约30%的事故是由于与储罐腐蚀引起的[1]。储油罐腐蚀是非常严重的,腐蚀带来的危害很大,而且损失巨大,但是目前对钢质油罐腐蚀特征和腐蚀规律进行定量研究的文献比较少,更多的是一些零星的油罐腐蚀的报道。
为了进一步研究油罐的腐蚀研究钢质油罐的腐蚀特征和腐蚀规律,做好腐蚀预防,减少储油罐因腐蚀带来的灾难,有必要对钢质储油罐腐蚀状况预测研究状况进行梳理和综述。
钢质储油罐腐蚀状况预测研究的主要困难有:一是检测油库油罐的腐蚀速度比较困难,二是不能每年连续检测油库油罐的腐蚀状况,三是油罐腐蚀状况的评价因素的选取。
基于上述困难,大量的文献在研究钢质储油罐腐蚀状况预测时,主要是采用已有的油罐少量的腐蚀数据来研究,更多的是从理论和方法上来研究油罐的腐蚀情况,为了更全面地研究油罐腐蚀性,很多研究者从检测设备和检测方法上去研究油罐的腐蚀性,取得了一些进展,但检测工作量大,操作比较困难。而对钢质储油罐腐蚀状况预测理论的研究有助于对钢质储油罐腐蚀状况预测研究。
钢质储油罐腐蚀状况预测研究储油罐腐蚀状况预测主要包括两个方面:一是腐蚀速度的预测(动态),二是腐蚀状况评价(静态),通过对腐蚀速度的预测和腐蚀状况的评价,从而达到对钢质储油罐腐蚀状况进行预测。
因此在对钢质储油罐腐蚀状况预测研究动态分析时,主要从钢质储油罐的腐蚀速度的预测和钢质储油罐腐蚀状况评价两个方面进行分析讨论。
1.钢质储油罐腐蚀速度预测
钢质储油罐多的腐蚀是比较复杂的,由于钢质储油罐的部位不同[1],其主要的腐蚀因素也不同,腐蚀速度也不同。由于储罐腐蚀机理复杂性和随机性,腐蚀速度很难刻画。由于储油罐所处的环境不同,腐蚀速度也不同,实际情况下腐蚀速度的数据也很难获取。
1.1工程实际中储油罐的腐蚀速度研究
在工程实际中研究储油罐腐蚀速度主要是对储油罐罐底的腐蚀速度的研究。研究工程实际钢质储油罐腐蚀速度有两种方法: 一种是利用储油罐的沉积水的成分来分析对罐底腐蚀速度[2],另一种是采用时间序列方法利用连续5年的腐蚀速度来预测今后几年钢质油罐的腐蚀速度[3]、[4]、[5]。
刘伶俐给出了7个储油罐的不同沉积水的成分对罐底有不同的腐蚀速度。刘伶俐认为储罐罐底沉积水来源于油品本身携带的水份和罐内气体空间水蒸汽的凝结,随着时间推移,沉积水就会积少成多。刘伶俐主要检测了沉积水中的PH,Cl-,SO42-、CO32-、HCO3-、Mg2+,Ca2+,全盐,电导率,她认为这些因素是油罐罐底腐蚀的主要因素,它们影响了油罐腐蚀的速度,并且给出了七个储油罐的沉积水成分的含量以及检测到的腐蚀速率。
赵晓刚[3]、肖杰[4]、王丰[5]利用时间序列的方法来分析油罐罐底腐蚀速度。通过已知连续5年的油罐的腐蚀速度,来预测未来几年的油罐的腐蚀速度。赵晓刚、肖杰采用灰色理论的GM(1, 1),王丰利用一元线性回分析,他们都建立了油罐腐蚀预测模型,得到的腐蚀速度随着时间而不断增加的结论,这一结论与实际的腐蚀情况有一定的差距。
在工程实际中,储油罐的腐蚀很复杂,影响储油罐腐蚀的因素有很多,因此在工程实际中研究储油罐的腐蚀速度文献不多, 由于没有直接检测油罐腐蚀速度的设备,每年检测它的腐蚀速度和深度是不现实的,如何通过现有的腐蚀数据来预测钢质储油罐腐蚀速度,许多研究者从实验室的角度来研究钢片的腐蚀速度。
1.2实验室中钢片的腐蚀速度研究
在实验室中,研究钢片的腐蚀主要分三类,一是钢片在沉积水中的腐蚀,主要是针对沉积水对储油罐的罐底的上表面的腐蚀分析研究,二是钢片在土壤中的腐蚀,主要是针对土壤对储油罐的罐底的下表面的腐蚀研究,三是大气对钢片的腐蚀,主要是针对储油罐的外腐蚀分析研究。
(1)沉积水腐蚀。周永璋[6]、孙啸[7]、赵雪坤[8]、曹华珍[9]从沉积水的成分出发,分析影响腐蚀的主要因素,通过实验的方法,讨论了沉积水成分对钢片腐蚀速度影响。
周永璋[6]通过重量法和极化曲线法,通过配制的沉积水研究了油罐沉积水腐蚀行为因素,在Cl-和SO42-浓度较低时,腐蚀速率随着Cl-和SO42-含量的升高而增大,在Cl-含量为5g/L时,在SO42-含量为1g/L时腐蚀速率最大,之后随Cl-和SO42-含量增大而降低。用origin拟合出腐蚀速率和Cl-、SO42-浓度之间的关系式。
孙啸[7]对N80钢在沉积水中的腐蚀规律的实验室进行了研究。用“挂片法”确定腐蚀速率与腐蚀时间之间的关系,腐蚀速率与腐蚀时间呈单调下降并趋于稳定的趋势。温度对腐蚀速率的影响,温度在90度的时候,腐蚀速度最大达到0.6mm/a; Ca2+离子对腐蚀速率的影响,当Ca2+的浓度达到25HCO3-0mg/L,腐蚀速度最大达到0.3mm/a;Cl-离子越高腐蚀性越大,HCO3-离子对腐蚀速率影响,当离子的浓度达到1000mg/L,腐蚀速度最大达到0.3mm/a;PH值对腐蚀速率影响,腐蚀速度随着PH值的升高而降低。
赵雪娥[8]采用静态挂片方法研究了Q235一B钢在沉积水中的腐蚀行为,比较其在不同温度下的腐蚀速度。研究结果表明:随着温度的升高,腐蚀速度呈上升趋势。
曹华珍[9]采用电化学方法测试了在不同S2-,PH值以及不同温度对碳钢的极化曲线。
从以上的研究者得出比较共同的结论:一是钢片的腐蚀速度随着时间的增加,刚开始的时候腐蚀速度上升,随着时间的增加腐蚀速度单调下降,经过一段时间后腐蚀速度趋于稳定,二是Cl-、SO42-、HCO3-和PH值的浓度对腐蚀速度有很大影响,三是温度越高,腐蚀速度越快。
(2)土壤的腐蚀。郭稚弧[10]、陈沂[11]、梁平[12]、贾思洋[13]、翁永基[14]、何树全[15]从土壤的成分出发,分析影响腐蚀的主要因素,通过实验的方法(实验室方法和埋地实验方法),讨论了土壤的成分对钢片的腐蚀速度影响。
郭稚弧[10]分析了土壤中的成分,并用神经网络定量讨论了碳钢在土壤中的腐蚀速度与土壤的PH值、含水量、Cl-离子含量、 SO42--离子、Fe2+离子等因素之间的关系,腐蚀速度随含水量的增大而增大,呈非线性关系;当含水量较高时,腐蚀速度随p H值的增大略有减小,而当含水量较低时,腐蚀速度则变化不大。随着Cl-含量的增加,腐蚀速度增大,也呈非线性关系。
陈沂用单因素分析法分析了土壤中单因素与腐蚀速度的关系(采用失重法)。试样在孔隙率55%土壤中的腐蚀速率最大, 腐蚀速率为9.0g/h;在含水量为25%土壤中的腐蚀速率最大,腐蚀速率为9.0g/h。腐蚀速率随着土壤总含盐量的增加而增大,腐蚀速率随着土壤中Cl-质量分数的增加而增大,腐蚀速率随着土壤SO42-质量分数的增加而增大,腐蚀速度与土壤PH值有很大的关系。
梁平[12]讨论了Q235钢在库尔勒地区土壤腐蚀性,他认为同一地区不同时间测的腐蚀因素含量和腐蚀速度是不同的,随着时间增加,影响腐蚀的腐蚀因素的含量在逐渐减小,对腐蚀的影响逐渐减小,腐蚀速度也在减小。
贾思洋[13]认为金属材料在土壤中的腐蚀速度是随着时间的发展而有所变化的。一般来说,金属在土壤中的腐蚀速度起初比较快,随后因时间的延长而呈现降低的趋势。
翁永基[14]认为钢铁在南部地区,钢铁腐蚀速度随土壤含水量增加而增大,而在北部腐蚀速度反而减小。
综上所述,钢材的腐蚀速度与土壤的PH值、含水量、Cl-离子含量、SO42--离子、电阻率、Fe2+离子等有关,腐蚀速率与土壤酸度和含水量呈正比,
(3)大气的腐蚀。马小彦[16]、蔡建平[17]、汪轩义[18]、梁彩凤[19]、李晓峰[20]从大气腐蚀的影响因素出发,分析影响腐蚀的主要因素,讨论了大气的腐蚀因素对腐蚀速度的影响。
马小彦[16]分析了大气对低合金钢腐蚀影响因素为:年平均温度、年平均相对湿度、年RH>80%时数、年降水量、年降雨日数、年日照时数、Cl-浓度,SO2浓度、NO2浓度、雨水p H值以及腐蚀时间,
蔡建平[17]还增加了碳钢中的成分如硫含量、铜含量、磷含量作为影响因素,用神经网络的方法分析讨论了这些腐蚀因素与平均腐蚀速率的关系。
汪轩义[18]运用湿润因子、浸蚀因子和雨水酸度因子作为特征参数来判定该地区的大气环境腐蚀性.这种方法是将未知不能检测地区的大气环境腐蚀用已知地区的大气环境腐蚀进行模式识别和归类。
综上所述,在工程实际中对储油罐腐蚀速度定量研究很少, 也很困难,主要由于数据量比较少,赵晓刚[3]、肖杰[4]、王丰[5]研究的油罐腐蚀速度的变化规律主要是基于同一组腐蚀速度数据来研究,这组同一组油罐的腐蚀速度有每年递增的规律,通过模型预测得到的腐蚀速度也是单调上升的规律。因此与实验室研究腐蚀速度得到的结果不同,这受到腐蚀速度数据有限的局限性。
而在实验室中的研究也比较受局限。这些文献都只从某一个方面(如沉积水、土壤、大气)对碳钢腐蚀速度进行了讨论,没有从综合总体上对碳钢腐蚀速度进行研究,没有讨论它们对钢质储油罐腐蚀速度的关系,而钢质储油罐腐蚀是受多方面因素影响的,是一个综合交叉的影响。研究沉积水、土壤、大气对碳钢的腐蚀,这从理论上对于我们的研究钢质油罐的腐蚀起到了借鉴作用。
2.钢质储油罐腐蚀状况评价
客观、准确地对钢质储油罐腐蚀状况进行评价不是一件容易的事。目前研究油罐腐蚀评价的方法主要有两种方式,一种是单一方面评价,如陈光明[21]提出的油罐沉积水腐蚀评价,宋光铃[22]提出的土壤腐蚀性评价、汪轩义[23]提出的大气腐蚀性评价;另一种是综合评价,如李春树[24]提出的通过表征腐蚀状态的腐蚀特征参量来评价腐蚀状态和肖杰[25]提出的模糊综合评判。单一方面的评价方式在实验室研究比较多,评判腐蚀性的等级比较容易,综合评价的方式在工程实际中比较多,但由于腐蚀评价因素的选取不一致、腐蚀评价因素的数据获取以及评判方法的不同,导致腐蚀评价的结果也不一样。
2.1钢质储油罐腐蚀单一方面评价
陈光明[21]通过对储油罐罐底沉积水的水质分析,由沉积水理化指标对沉积水腐蚀性的重要程度,建立模糊微元评价,对油罐底部沉积液进行腐蚀评价。
宋光铃[22]运用模糊数学的聚类分析原理,根据土壤的理化性质指标对土壤腐蚀类型进行了模糊评价,初步证明了模糊数学方法在土壤腐蚀性评价这一复杂系统中的适用性。
汪轩义[23]运用模糊综合评价方法,选择合适的隶属函数,对我国典型地区的大气腐蚀性进行了综合评价,综合评价结果能较好地反映我国典型地区大气环境的腐蚀性。
综上所述,不管是沉积水的腐蚀性、土壤的腐蚀性还是大气的腐蚀性,他们讨论的都是介质本身的腐蚀性评价问题,并没有讨论分析介质的腐蚀性对钢质储油罐的腐蚀影响。
2.2钢质储油罐腐蚀综合评价
钢质储油罐腐蚀状况综合评价有两种评价方法,一种是概率评价方法(李春树[24]),另一种是模糊综合评判法(肖杰[25])。
李春树[24、26]提出六个腐蚀特征参量,采用概率方法计算出六个腐蚀特征参量,并给出了六个腐蚀特征参量的权重的计算方法,通过六个腐蚀特征参量的权重得到储罐底板安全指数积分, 从而确定油罐的腐蚀状态或等级。李春树用了一个简单加权的方法来评价腐蚀,这种没有反映出各个腐蚀特征参量影响程度不同。
肖杰利用模糊综合评判建立油罐底板腐蚀失效严重程度多层次评价模型,给出了(200个罐作为样本)腐蚀速率分布的直方图,利用试验储罐底板腐蚀数据,统计出了油罐底板腐蚀速率分布,油罐底板腐蚀速率分布服从正态分布X~N(0.0229, 0.00916)。
这两个评价方法可以对储油罐当前腐蚀状况进行评价,但不能对腐蚀状况进行预测,要对腐蚀状况进行预测,需要对钢质储油罐腐蚀速度的预测,通过对钢质储油罐腐蚀速度的预测来对钢质储油罐腐蚀状况预测。
综合评价比单一方面的评价方法考虑的因素更加全面,评价的效果也趋于合理,但在评价指标的选定和评价标准的确定方面尚存在着许多问题,必须结合具体情况考虑,否则将出现误判。
由上可知,尽管油罐腐蚀状况的评价方法很多,但效果不是很理想,油罐的腐蚀性与理化性质之间是否存在相关性,能不能由各方面的理化性能预测油罐腐蚀状况,即使有关各方面所有因素都已掌握、能否预测油罐腐蚀状况, 还是需要进一步探讨的问题。
3. 钢质储油罐腐蚀状况预测研究
钢质油罐腐蚀状况的预测,目前有Bayes判别预测方法(张颖[27])。张颖采用多元统计方法中的Bayes判别分析理论,根据单因素方差分析方法,确定与储罐底板腐蚀状况相关的外部因素,利用使用时间、存储介质、使用温度、外观腐蚀情况、基础完好情况和储罐容积这6个表征因素分析油罐的腐蚀。把六个表征因素作为输入向量,以Bayes判别级别作为输出目标,利用提取的120个样本数据,建立的储罐底板腐蚀状况Bayes判别预测方程(多元回归方程组)。Bayes判别预测方法比较好,能对油罐罐底的腐蚀给出初步的评价。
Bayes判别预测方法存在以下不足:一是特征参量选取不能完全反映腐蚀规律,并且带有主观评价,缺乏对油罐内部腐蚀特征的描述。二是由于各因素的复杂性和交互作用的影响,这些因素与油罐腐蚀性问题决非简单的线性关系,显然不能用线性回归的常规方法处理腐蚀指标与腐蚀性之间的对应关系,应该是非线性关系。
4.展望
影响钢质储油罐腐蚀的因素是很复杂的,因此研究钢质储油罐的腐蚀速度有一定的局限,目前研究钢质储油罐腐蚀速度预测的模型较多,但每个模型只是针对某种单一情形来研究,对工程实际中储油罐腐蚀,由于检测腐蚀数据的限制导致了对钢质储油罐腐蚀速度预测的困难,因此建立每个储油罐基础数据和定期腐蚀检测数据,对研究钢质储油罐的腐蚀状况的预测是非常必要的,同时应建立一个钢质储油罐腐蚀程度的评价标准和相应的处理措施,是目前急需解决的问题。
腐蚀环境下水泥土搅拌桩设计与预测 第4篇
1 腐蚀环境概述
某工程位于太原盆地冲洪积平原,地层分布主要为人工填土(Q
mg/L
2 水泥土搅拌桩设计
由于地下水位较高,基础施工期间需采取降水和基坑支护措施。基坑降水采用深井管井降水措施,同时设置止水帷幕和相配套的回灌井,止水帷幕拟采用水泥土搅拌桩,桩与桩咬合150 mm～200 mm,桩的水泥掺量55 kg/m,宜选用32.5普通硅酸盐水泥。由于地下水对水泥土有强腐蚀性,需进行试验确定其水泥土搅拌桩的设计。
根据JGJ 79-2002建筑地基处理技术规范提出的水泥土搅拌桩复合地基承载力特征值应通过现场复合地基载荷试验确定,也可按下式计算:
Ra=ηfcuAp (2)
由式(1)和式(2)可知,水泥土搅拌桩复合地基的承载性能和变形特性由桩间土和桩体两部分决定。在实际工况中,桩间土和桩体两部分对复合地基的性能是相互影响的,应考虑桩和土的共同作用,因此根据水泥土搅拌桩复合地基所处的环境,考虑时间效应,提出环境腐蚀下水泥土搅拌桩复合地基承载力的设计公式为:
其中,Ap′为腐蚀后桩体的有效截面积,m2;fsk′为腐蚀后桩间地基土承载力特征值,kPa;Ra′为腐蚀后桩体的单桩竖向承载力特征值,kN,Ra′=ηfcu′Ap′,fcu′为腐蚀后的水泥土抗压强度,MPa;φ为考虑环境对复合地基腐蚀的时间效应系数。
对于本工程的水泥土搅拌桩防水帷幕和有关模拟试验进行的情况,提出本工程用的水泥土强度折减系数α。环境腐蚀后水泥土试块的无侧限抗压强度的统计公式为:
fcu′=αfcu (4)
其中,fcu′为环境腐蚀后的水泥土抗压强度,MPa;fcu为清水环境下的水泥土抗压强度,MPa;α为水泥土抗压强度修正系数,强腐蚀:0.80,中腐蚀:0.88。
3 腐蚀环境下水泥土搅拌桩强度预测
通过对腐蚀环境模拟,不同腐蚀环境下水泥土强度见表2。
根据表2试验结果,各种环境条件下的水泥土强度预测如下:
假如本工程水泥土搅拌桩设计使用寿命是10年(基坑工程),即3 650 d,清水环境下水泥土强度为6.09 MPa,中腐蚀环境下水泥土强度为5.40 MPa,强度折减系数为0.88,与28 d的强度折减系数相同,而强腐蚀环境下的水泥土强度只为4.68 MPa,强度折减系数为0.77,比28 d的强度折减系数0.80要小。
4 结语
工程材料在污染环境下的耐久性研究是国际上非常关注的尚未完全解决的科技热点问题。结合具体的腐蚀环境,提出了该条件下水泥土搅拌桩的设计方法,同时根据试验数据对腐蚀环境中的水泥土强度进行了预测,可供工程实际参考。
摘要：通过介绍污染环境下工程材料的耐久性进展,结合具体的腐蚀环境,提出了腐蚀环境下水泥土搅拌桩的设计方法,并根据实验数据对腐蚀环境中的水泥土强度进行了预测,以期指导工程实际。
关键词：水泥土搅拌桩,腐蚀环境,设计,预测
参考文献
[1]GB 50068-2001,建筑结构可靠度设计统一标准[S].
[2]GB/T 50476-2008,混凝土结构耐久性设计规范[S].
[3]JGJ 79-2002,建筑地基处理技术规范[S].
[4]GB 50001-2002,岩土工程勘察设计规范[S].
[5]GB 50007-2002,建筑地基基础设计规范[S].
腐蚀预测 第5篇
常减压装置的腐蚀是各种因素互相制约、综合影响的结果,要准确地描述这些因素与装置腐蚀速率的内在关系是极其不易的。每一种预测模型均存在一定局限性和缺陷,任何单个模型都难以系统地反映相关因素的内在关联,因此仅使用上述模型中的一种模型,难以建立准确的数学模型对常减压的腐蚀趋势进行预测。如果能综合多种预测模型的优点,利用多种有用信息,就可更全面地挖掘系统的内部联系,提高预测准确性[4]。
1 组合模型
在众多预测模型当中灰色预测方法和BP神经网络方法较为突出,本文尝试在将两种模型进行组合的基础上,将原有模型进行优化,提高对目标变量的预测精度。
1.1 灰色预测模型
灰色是指信息不完全、不充分,灰色系统就是部分信息已知,部分信息未知的系统。灰色系统适于研究“小样本,贫信息,外延明确而内涵不明确”的对象。常减压装置的腐蚀正是各种因素对其影响的综合结果,但各种影响因素的内在关系不明确,属灰色量。根据灰色理论,将设备的腐蚀程度及时间序列看作灰色系统,某测试点在一定时间度的腐蚀减薄量为灰色变量,可建立GM(1,1) 模型。
1.2 神经网络预测模型
人工神经网络(Artificial Neural network,ANN)采用物理可实现的系统来模拟人脑神经网络,它实质上是由大量的基本元件互相连接,通过模拟人的大脑神经处理信息的方式,进行信息并行处理和非线性转换的抽象数学模型。由于神经网络能够建立从网络输入到网络输出的非线性映射过程,并且具有大规模计算的能力,能通过神经网络拓扑结构反映腐蚀影响因素和腐蚀结果的非线性关系。BP神经网络即反向传播网络,由于结构简单,且数学理论已证明其具有实现任何的非线性映射的能力,因此在各种领域得到广泛的应用。典型的BP网络由输入层、隐含层和输出层组成。同层结点之间没有联系,不同层结点之间都实行全互连,前一层的输出即为后一层的输入。其中隐含层的传递函数可选用双曲切线S型函数,Sigmoid函数具有可微分性和非线性特征,加强了网络的非线性映射能力。而输出层的传递函数可以选用其它线性或非线性函数。神经网络的学习规则分为有导师学习和无导师学习两大类,BP神经网络的误差反向传播算法是有导师学习法。
1.3 灰色组合模型
单纯的灰色理论预测方法虽然简单,但是误差无法控制,且灰色模型只考虑了单一因素的影响,没有考虑其它因素变化的影响,使模型预测并不符合设备腐蚀的复杂实际情况。BP神经网络具有通过训练学习逼近任意非线性映射的能力,反映多因素时间序列之间的关系,为解决非线性问题和模拟未知系统的控制过程提供了新思路。但由于BP算法实质是梯度下降法,所以存在收敛速度慢,易陷入局部极小值而寻找不到全局最优解的缺点。且传统的BP网络需要大量的数据作为学习样本,不适合少数据的腐蚀速率预测。
灰色组合新模型是在传统灰色模型基础上,引入人工神经网络分析方法,新模型既具有GM模型需要数据样本少,建模简单的特点,又兼有对数据的自适应和自学习能力,提高了目标变量的预测精度。原始数据中常常会存在趋势性成分、随机性成分等多种成分,建模时首先用GM(1,1) 模型预测一遍,得到数列的趋势性成分,然后将预测结果和原有数据结合在一起用BP神经网络模型建模。
灰色组合模型的基本建模步骤如下:设 {x(0)(1),x(0)(2),…,x(0)(n)} , 是一个非负的原始序列。
1)用GM(1, 1) 模型对原始序列x(0)(t) 进行预测 ,得到预测序列
2)将作为输入值,x(0)(t) 作为期望值,对BP神经网络进行训练,得到相应的权值和阀值,记原始残差序列根据原始残差序列的特征 , 建立 {s(t)} 的BP神经网络模型,得到模拟序列
3)记二次残差序列,在这个序列中,剩下的主要是随机性成分,采用步骤2)建立的BP神经网络模型对随机性成分建模,得到模拟序列
(4)将序列、序列以及序列用最小二乘法算出组合模型的各组成成分的权重α、β、λ,则灰色组合模型为:
2 组合模型的精度检验
任一预测模型都是对客观规律的模拟,为判断预测模型是否与客观规律相吻合,即模型的预测值是否准确可信,还应对模型精度进行检验[5]。下面给出模型精度的计算过程。
模型预测结果的可信度与e值的大小成正比。
3 计算实例分析
装置的设备腐蚀以高温硫、环烷酸腐蚀和低温部位的HCl + H2S + H2O腐蚀为主,管线、弯头、三通都会因各种组合因素的影响而出现明显的腐蚀,下面以塔顶弯头为实例验证预测模型的准确度。以文献 [5] 中的腐蚀数据为例进行预测。将原始数据序列用GM(1,1) 模型筛选出趋势性成分,减去GM(1,1)模型得到的预测序列,得到二次残差序列。利用BP神经网络模型对二次残差序列进行预测。最后用最小二乘法计算的权重累加各预测数列即为最后预测结果。将本文的模型与文献 [5] 中的GM(1,1) 模型的预测结果进行对比,其预测结果和误差对比如表1所示。
表1反映了设备腐蚀减薄量的实测值、GM(1,1)模型预测值、本文模型预测值和相对残差。通过表中数据可见本文模型预测值比GM(1,1)模型预测值精度更高,更接近实测值,除第6次由于实测值出现跳变之外,其余每次预测值相对残差都在6% 之内。平均残差值是10.719%,总体精度为89.281%。图1反映了实测值、GM(1,1)模型预测值以及本文模型预测值三者之间的关系。
4 结语
传统的预测模型由于算法理论的缺陷,在工程领域的实际应用中预测精度不高,集合多种预测模型优点的组合模型是解决复杂序列预测的一种新思路。从实例分析可知灰色组合模型兼备了2种预测模型的优势,利用灰色组合模型预测常减压装置的腐蚀速率是可行的,其预测精度高于单纯的灰度模型,可为生产管理人员提供检修决策参考 , 具有实际应用价值。但灰色组合模型没有针对灰色理论的趋势数据进行优化,对输入样本中远期数据和近期数据对预测结果影响的差异没有考虑,这将是本课题今后进一步研究的方向。
参考文献
[1]阮晓刚.常减压装置腐蚀机理研究与可靠性分析[D].成都:西南石油大学,2005.
[2]张家强,刘晓宇,常青.常减压装置腐蚀预测模型的研究[J].化工管理,2013(8):145.
[3]张震,刘晓东,李著信.基于灰色组合模型的管道腐蚀速率预测[J].中国腐蚀与防护学报,2008,28(3):173-176.
[4]张甫仁,张辉.基于组合模型的油气管道腐蚀速率预测[J].石油机械,2010,38(6):18-20.
腐蚀预测 第6篇
目前, 世界原油资源劣质化趋势日益严重, 2010年我国炼油企业的进厂原油平均硫含量为1.24%, 原油总酸值 (TAN) 为1.0 mg KOH/g, 预计2005~2020年, 世界原油平均比重指数API度将从32.8下降到32.3, 硫含量将从1.17% (质量分数) 上升到1.35%。劣质原油加工过程中的高温腐蚀问题是困扰炼油装置安全生产和长周期运行的主要隐患。原油的高温腐蚀性能与原油品种、硫化物类型及含量、环烷酸分布及含量、温度、流速、流态和设备材质等因素有密切的关系, 国内外对原油加工中的高温腐蚀机理、评价方法、腐蚀预测及防护对策等进行了较为深入的研究和应用[1~5]。以下综述了近年来原油高温腐蚀的研究进展, 同时对其发展方向提出了建议, 以促进我国炼油装置防腐蚀技术水平的不断提高。
1原油高温腐蚀的影响因素
1.1硫化物
原油中的硫含量并不能准确反映高温硫腐蚀程度, 因而根据原油中硫化物的腐蚀程度, 将硫化物划分为活性硫化物和非活性硫化物。活性硫化物是指那些能直接和金属发生化学反应的硫化物, 如元素硫、硫化氢、硫醇及二硫化物;非活性硫化物是指不能直接与金属发生化学反应的硫化物, 包括硫醚、噻吩等含硫化合物。非活性硫化物相对比较稳定, 但是在原油加工过程中会发生热分解反应生成活性硫化物, 从而使原油的高温腐蚀加剧[6~8]。
1.2环烷酸
高温环烷酸腐蚀通常发生在酸值大于0.5mg KOH/g, 温度在220~400℃的区域, 超过400℃时大部分环烷酸发生分解。高温环烷酸腐蚀有2个明显的阶段, 第一阶段在220~320℃, 高温环烷酸腐蚀随温度升高而增强, 在270~280℃时达到最高, 然后随温度升高而降低;第二阶段在320~400℃, 一方面高温环烷酸腐蚀随温度升高而增强, 同时非活性硫化物热分解程度加快, 因此原油的高温腐蚀随温度升高而加剧[9,10]。而初期生产和试验研究中采用原油的总酸值 (TAN) 来衡量环烷酸腐蚀程度具有较大的偏差, 后来使用环烷酸含量 (NAT) 来预测。环烷酸的腐蚀性一般随其酸值升高而增强, 同时与其自身分子结构有关;相同温度下分子量较小的环烷酸腐蚀性相对较强, 分子结构越复杂, 腐蚀性越弱;对于相同结构的羧酸, 环烷酸的腐蚀性随碳原子数的增加先升高后下降[11~14];原油中硫含量也是影响环烷酸腐蚀的一个重要因素, 高温硫腐蚀和环烷酸腐蚀的交互作用十分复杂, 硫化物既可能抑制环烷酸腐蚀, 也可能促进环烷酸腐蚀。当油品中硫含量小于2% (质量分数) 时, 硫化物含量升高会增加环烷酸的腐蚀性, 硫含量大于2%时, 硫化物的存在使环烷酸的腐蚀性显著降低[15]。目前, 有关硫化物对环烷酸腐蚀的影响规律的认识还不够充分, 仍需进一步深入研究。另外环烷酸沸点温度条件下, 环烷酸处于气液两相界面时, 高温环烷酸腐蚀最为严重, 原因在于此时环烷酸的物理状态发生变化, 环烷酸蒸汽在金属表面冷凝形成一层液体膜, 环烷酸浓度达到最大, 其腐蚀也最为严重[10,16]。
1.3原油介质温度
原油高温腐蚀通常是指220~540℃内的原油中发生的腐蚀。其中高温硫腐蚀发生在230~540℃, 随着温度升高, 一方面促进了元素硫、硫化氢、硫醇等活性硫化物与金属的化学反应, 另一方面促进了原油中非活性硫化物发生热分解生成活性硫化物, 从而使原油的高温腐蚀加剧[17,18]。
1.4原油介质的流速和流态
原油介质的流速和流态对原油高温腐蚀程度具有较大的影响。流速可以明显改变高温硫腐蚀的腐蚀形态, 因为高温硫腐蚀产物Fe S或FexSy能在金属表面形成腐蚀产物膜, 起到减缓腐蚀的作用, 当介质流速较高时, 腐蚀产物膜被冲刷脱落, 破坏了其对金属的保护作用, 使腐蚀加剧。尤其是对于碳钢和低合金钢材质影响更大, 其高温硫腐蚀产物膜与金属基材结合相对疏松[2,19]。
流速和流态对高温环烷酸腐蚀的影响比对高温硫腐蚀的影响更大。介质流动发生改变引起流态变化的部位, 高温环烷酸腐蚀都比较严重, 如三通、弯头、泵等湍流最严重区域, 其腐蚀最严重。
1.5材料的组成
在金属材料中添加Cr, Ni, Mo等金属元素有助于提高材料的耐腐蚀性能。材料的抗高温硫腐蚀性能随材料中Cr含量的增加而提高:Cr是具有钝化倾向的元素, 由于Cr的存在, 高温硫腐蚀生成Fe Cr2S4腐蚀产物膜, 牢固覆盖在金属表面减缓腐蚀的进一步发生[20]。在温度为335℃, 介质流速为20 m/s、硫含量为2.1% (质量分数) 的塔河重质原油中, 20钢、1Cr5Mo钢、0Cr13钢和18-8钢的腐蚀速率分别为1.94, 1.18, 0.79, 0.20 mm/a, 其耐蚀性依次增强[21]。提高不锈钢中的Mo含量能显著提高其抗高温环烷酸腐蚀和冲蚀的性能:Mo元素能在金属表面形成富Mo的氧化膜, 阻止金属基体与环烷酸腐蚀介质接触, 从而抑制高温环烷酸腐蚀的进一步发展;同时Mo能提高不锈钢的显微硬度, 从而增强不锈钢的抗冲刷腐蚀性能[22]。石化行业常用材料的耐环烷酸腐蚀的性能从高到低依次为:316L不锈钢>304不锈钢>1Crl8Ni9Ti不锈钢>碳钢[23];介质流动冲刷明显增强了高温环烷酸腐蚀;随不锈钢中Mo含量的增加, 其抗高温环烷酸腐蚀和冲刷腐蚀的能力增强, Mo含量大于2.5% (质量分数) 的奥氏体不锈钢具有较好的抗高温环烷酸腐蚀性能[24]。
2原油高温腐蚀的评价方法和装置
2.1高温高压反应釜法
高温高压反应釜法是目前评价原油高温腐蚀最常用的方法:将腐蚀挂片通过挂片架放置在反应釜内, 或者将腐蚀挂片固定在搅拌旋转轴上;然后将原料油加热到预定的温度, 在设定转速条件下维持一段时间 (大于96 h) , 试验结束后降温、取出挂片、清洗、称重、计算腐蚀速率。该方法具有操作简便、安全、快速等优点, 但通过转速控制介质流速, 使介质流速与挂片表面呈切线方向, 与现场实际流速和流态有很大差异, 因而腐蚀评价结果与现场生产数据相差较大, 有一定的局限性[25~27]。
2.2高温动态模拟评价法
高温动态模拟评价法是采用高温动态模拟腐蚀评价装置最大程度地模拟炼油装置的实际环境, 如温度、压力、流速、流态等工况。其装置多采用循环回路系统充分利用原料油, 采用高温泵、喷嘴控制介质流速和流态。目前国内的代表性装置有3套。
图1为一套模拟工业炼油环境高温高流速状态的循环腐蚀测试装置示意, 由贮油系统、排气系统、加热系统、循环系统和电控系统构成, 其基本原理是将事先调配好的腐蚀介质 (如含酸油或含硫油等) 加热到预定试验温度, 并使之循环流动, 产生所需的流速, 在一定温度和流速条件下研究试验样品的冲刷腐蚀行为[28]。
1.释放器2.储油罐3.阀4.过滤器5.热电偶6.泵7.压力表8.氮气罐9.喷射装置10.换热器11.加热器
图2为另一套高温动态腐蚀模拟评价装置的工作流程示意。该装置由预加热系统、驱动系统、加热系统、腐蚀评价系统、冷却系统、排气系统和电控系统构成。腐蚀评价步骤:预先放置测试样品, 添加油样并用氮气置换装置内的空气;预热到设定温度根据预定的冲刷速度设置流量, 启动计量泵, 输送评价油样经加热段走旁路进行循环;达到试验温度后关闭旁路阀, 打开测试阀, 进入腐蚀评价系统进行样品冲刷腐蚀试验[29,30]。
图3为一套高温环烷酸动态模拟试验装置示意。该装置由油品预加热系统、驱动系统、加热系统、冲蚀系统、冷却系统、缓冲系统、排气系统等构成。其基本流程是试验前通入N2吹扫整个系统, 然后将试验介质预热到一定温度, 经驱动系统产生所需的高流速, 并经加热系统达到设定试验温度, 试验介质在冲蚀系统内对金属样品表面产生一定角度的喷射, 再经过冷却系统和缓冲系统回到驱动系统进行物料循环。该装置可模拟原油在450℃下以80 m/s的流速冲刷样品的试验条件[31]。
1.原料罐2.进料泵3.加热炉4.样品室5.冷凝器6.高压分离罐7.储液罐
以上3种高温动态模拟腐蚀评价装置的工艺流程相差不大, 都是采用循环回路系统充分利用原料油, 通过高温泵、喷嘴控制介质流速和流态。文献显示, 图1的腐蚀评价装置原料油处理量小, 试验周期短, 常用于模拟油样腐蚀评价, 适合于基础理论研究;图2的腐蚀评价装置原料油处理量大, 试验周期长, 常用于现场油样腐蚀评价, 适合于炼厂原油的腐蚀评估;图3的腐蚀评价装置与图2的相近, 适合于炼厂原油的腐蚀评估。
2.3现场评价
现场腐蚀评价包括腐蚀挂片法和现场旁路试验法。腐蚀挂片法是利用炼油装置停工检修, 在装置设备内部重点腐蚀部位挂入腐蚀挂片, 待运行一个生产周期, 装置再次停工检修时取出。该方法是目前最为广泛、经济简单且最可靠的腐蚀评价方法, 但受炼油装置运行周期的限制, 无法反映工艺参数变化对腐蚀的影响, 无法检测短周期变化时的腐蚀情况。
现场旁路试验法是在现场生产装置主管线上增设侧线试验装置, 利用现场运行环境开展针对性腐蚀评价。国内某炼油厂采用现场腐蚀旁路试验装置考察了流速和硫含量对原油中环烷酸腐蚀的影响, 该试验装置由控制阀、流量计、试验段、辅助管线等部分组成, 见图4。该装置包括5个试验段, 每个试验段可安装9只环形金属试片[32]。
1.控制阀2.主管线3.旁路控制阀4.注入点5.压力表6.热电偶7.流量计8.测试单元Ⅰ9.测试单元Ⅱ10.测试单元Ⅲ11.排放管线12.测试单元Ⅳ13.测试单元Ⅴ14.蒸汽线15.旁路控制阀
3原油高温腐蚀预测方法
3.1改进型Mc Conomy曲线
1963年提出的原油中高温硫腐蚀的预测方法Mc Conomy曲线比较保守, 1986年进行了改进, 也就是目前常用的改进型Mc Conomy曲线 (见图5) 。
通过改进型Mc Conomy曲线能获得不同材料在260~400℃、硫含量为0.6%原油中的腐蚀速率。当原油的硫含量在0.4%~2.0%内时, 不同材料的腐蚀速率应乘以相应的腐蚀速率系数[2,33]。改进型Mc Conomy曲线的不足之处是没有考虑介质流速对腐蚀的影响。
3.2 API RP 581标准
2000年颁布的API RP581标准提供了不同硫含量和总酸值原油在不同温度下高温腐蚀速率的计算方法:原油硫含量范围为0.2%~3.0%, 总酸值范围为0.3~4.0 mg KOH/g;温度232~399℃, 金属材料的耐蚀性能从低到高依次为碳钢、11/4Cr钢、21/2Cr钢、5%Cr钢、7%Cr钢、9%Cr钢、12%Cr钢、18-8系列不锈钢、316和317不锈钢。API RP581中规定, 当介质流速大于30 m/s时, 实际腐蚀速率是数据表中腐蚀速率数值的5倍;不同硫含量原油 (TAN=1.5mg KOH/g) 在不同温度下的腐蚀性能见图6;不同总酸值原油 (含S 1.5%) 在不同温度下的腐蚀性能见图7[34,35]。
3.3其他方法
中石化防腐蚀研究中心通过高温动态腐蚀评价装置 (图2装置) 模拟现场环境分别对多种高硫原油、高酸原油进行高温腐蚀评价, 然后对相关的腐蚀数据采用数理统计方法拟合原油腐蚀性能与温度的关系, 得到不同材料分别在高硫原油和高酸原油中的腐蚀速率与温度的关系曲线。不同材料高温硫腐蚀的腐蚀速率曲线见图8, 适用范围为原油硫含量2%~3%, 总酸值小于0.3 mg KOH/g。不同材料高温环烷酸腐蚀的腐蚀速率曲线见图9, 适用范围为原油总酸值2~4 mg KOH/g, 硫含量小于0.3%[3]。
合肥通用机械研究院提出了一种油品中环烷酸与硫共存高温腐蚀环境下碳钢腐蚀速率的计算方法, 其计算公式如下[36]:
式中, C总为碳钢的总腐蚀速率;C环烷酸根据API RP581第二部分附录B中表B.10M选取;C硫根据改进型Mc Conomy曲线选取;C环烷酸U硫为环烷酸在硫的抑制作用下的腐蚀速率, U硫的确定方法为:
式 (2) 和式 (3) 中, PS为油品中硫含量质量分数。
该计算方法为针对特定油品 (硫化物含量和环烷酸的类型相同) 的腐蚀预测, 不具有广泛性。
4结语
腐蚀预测范文
声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。如若本站内容侵犯了原著者的合法权益，可联系本站删除。
