防腐蚀层破损管道IR降的影响因素

,,,

(中国民航大学 机场学院 油气储运工程系，天津 300300)

防腐蚀层破损管道IR降的影响因素

崔艳雨,张曼曼,范玥铭,危金卓

(中国民航大学 机场学院 油气储运工程系，天津 300300)

IR降作为管道阴极保护电位测量中不可消除的误差，会影响所测管道阴极保护电位的大小，从而影响管道阴极保护有效性的判断。采用正交试验方法研究各影响因素与管道IR降之间的关系，通过试验数据的处理，得出管道IR降与各影响因素之间的数学模型，并分析影响管道IR降的主导影响因子。结果表明：管道IR降的主导影响因素是防腐蚀层破损点面积、破损点位置及外加电压；IR降与各因素之间符合多元非线性回归。

防腐蚀层破损；IR降；数学模型；主导影响因子

在NACE Standard RP0502-2002中明确规定可以根据管道IR降变化来评价管道防腐蚀层破损程度[1]。消除管道IR降后真实有效的阴极保护电位(阴保电位)[2]，是管道工作者评价管道防腐蚀层状况和分析管道阴极保护效果的前提。

极化探头是一种能够测出最接近管道真实有效阴极保护电位的测量工具，能消除由土壤电阻引起的IR降，但不能完全消除因管道防腐蚀层与土壤接触产生的电阻和杂散电流引起的IR降，所以最终测出的阴极保护电位并不是精确有效的阴极保护电位。另外，鉴于极化探头携带不便、测量方法复杂、受地理条件限制等缺陷，管道工作人员通常采用不能消除IR降的Cu/CuSO4电极进行日常阴保电位的测量，因而得不到有效的阴极保护电位，也不能有效地分析管道防腐蚀层的状况和阴保的有效性；但是，管道IR降等于有效的阴极保护电位(Voff)和非有效阴极保护电位(Von)差的绝对值，如果知道管道IR降和非有效阴极保护电位，就能通过计算得到管道的有效阴保电位，从而对管道防腐蚀层状况和阴极保护效果做出准确的判断[3]。因此，探究防腐蚀层破损后管道的IR降，具有一定的研究意义。本工作采用正交的试验方法研究了各影响因素与管道IR降之间的关系，通过试验数据的处理，得出管道IR降与各影响因素之间的数学模型，并分析了影响管道IR降的主导影响因子。

1 试验

1.1 正交试验方案

为研究管道IR降与各影响因素之间的数学模型，试验以IR降为指标，选择管道埋深、破损点位置、大小、面积、土壤电阻率、外加电压6个影响因素。因管道长度、管径等各种限制，影响因素破损点位置选取2个水平，其余的影响因素均为4水平。根据正交表的灵活应用[4]，采用“并列”的方法改造正交表L32(231)为正交表L32(45×2)，如表1所示。其中表头中数字1～6代表上述6个影响因素，数字1～32代表试验次数。按表1所示方案进行正交试验。

表1 L32(45×2)正交表Tab. 1 L32(45×2) orthogonal table

1.2 试验设备、材料及过程

试验中用到的仪器设备包括恒电位仪、万用表、Cu/CuSO4参比电极、极化探头、接地电阻测量仪、水分仪、pH计、氧化还原电位仪、石墨、碳棒、及热风机等。

试验材料为X56钢线管，其规格为φ25 mm×2.5 mm，管道的防腐蚀层采用环氧煤沥青防腐漆结合热缩管，其防腐蚀等级为普通级；为操作的灵活性，用试片作为管道防腐蚀层的破损点。

试验原理如图1所示，管道总长360 cm，有八根引出线。其中i点处于管道中点且距离管道A，B两端点的距离均为180 cm；a点距离A端点20 cm；以a点为起点依次间隔64 cm分别标记b，c，d，f，g点，即点a，b，c关于i点分别与d，f，g点对称，a，b，c，d，f，g既是试片的连接点，也是防腐蚀层的破损点；i点引出线为测试桩；h点是Aa段的中点且与恒电位仪的负极连接。恒电位仪的正极与垂直距离管道25 m处的碳棒相连，恒电位仪的参比引出线与垂直距离管道2 m处的Cu/CuSO4参比电极相连，组成管道的阴极保护系统；FLUKE万用表的正极与管道的测试桩连接，负极与参比电极连接，参比电极放在防腐蚀层缺陷的正上方，则万用表的读数即是所测管道处的阴极保护电位。

测量管道阴保参数时，规定管道的极化时间和去极化时间均为24 h。恒电位仪未接通时，相对于Cu/CuSO4电极测出的电位为管道的自然管地电位V；当恒电位仪接通时，相对于Cu/CuSO4电极测出的电位是管道的通电阴保电位(通电电位)Von，选用改造的新型极化探头时，测出的电位是管道的断电阴保电位(断电电位)Voff，两者的差值即是管道的IR降。

管道埋深的取值为10，20，40，60 cm；破损点面积值为4，8，16，36 cm2；破损点个数取值为1，2，4，8；土壤电阻率取值为2.01，3.39，9.47，18.01 Ω·m；外加电压取值为-0.85，-0.95，-1.10，-1.20 V；破损点位置以管道阴极保护接入点为参考点，取值为10，330 cm。

把各因素的水平值代入表1所示正交表中，测算出32组不同试验组合下a，c，g三个测试点的IR降，得出正交试验数据如表2所示。

2 数据处理

2.1 相关性分析

分析各影响因素与IR降之间的数学回归模型。首先对各因素进行相关性分析。通过SPSS软件，利用Pearson简单相关系数来测各因素之间相互依存关系的密切程度。处理结果如表3所示。

1-X56管道；2-恒电位仪；3-Cu/CuSO4参比电极；4-辅助阳极；5-测试桩；6-万用表；7-参比电极；8-试片(模拟管道防腐蚀层破损点)图1 试验原理示意图Fig. 1 The experimental principle diagram

表2 正交试验数据表Tab. 2 The table of orthogonal experiment data

由表3可知，各因素之间的Pearson相关性系数均为0。因此，在相关系数为0.01的显著性水平下各因素是相互独立的，没有交互作用。

表3 各影响因素相关性的分析表Tab. 3 The correlation analysis table of various factors

2.2 IR降主导影响因子分析

为分析各影响因素对管道IR降影响的主次和较优水平，对正交试验结果进行了方差法分析和灰色关联度分析，以便形成对比，确保试验结果的准确性和可靠性，结果如表4～5所示。

表4 方差分析表Tab. 4 Variance analysis table

表5 灰色关联度分析表Tab. 5 Grey correlation analysis table

结果表明：防腐蚀层破损面积、外加电压、破损点位置对管道IR降有较明显的影响，破损点个数、管道埋深、土壤电阻率对管道IR降影响不显著。因此，IR降的主导影响因子为破损面积、外加电压、破损点位置。

2.3 数学回归模型建立

通过SPSS软件和1stOpt软件的结合，进行线性回归模型和非线性回归模型的分析。

2.3.1 线性回归

通过SPSS软件直接对正交试验数据进行处理，得出a，c，g三点管道IR降D(IR)的线性回归模型分别为式(1)、式(2)和式(3)，计算得a，c，g三点的可决系数分别为0.789，0.860，0.870，对应的P值均为0。

D(IR,a)=-26.353+0.141A+1.882B-

D(IR,c)=56.712+0.306A+2.842B-

D(IR,g)=-189.216+0.617A+2.797B-

式中：A为管道埋深，cm；B为防腐蚀层破损面积，cm2；C为破损点个数，个；D为土壤电阻率，Ω·m；F为外加电压，V；G为破损点位置，cm。

2.3.2 非线性回归

利用SPSS软件和1stOpt软件进行数学回归模型的建立，IR降为试验指标，其回归模型思路如图2所示[5-6]。

通过SPSS软件的拟合，得出a点的各影响因素对应的最佳一元曲线模型分别为

图2 多元非线性回归模型思路图Fig. 2 Multivariate nonlinear regression model figure

D(IR,a)=68.589-8.733D+1.168D2-

将最佳的一元曲线模型人工拟合成管道IR降与各因素的非线性模型为

式中:l0…l11分别为常数。

应用编程软件1stOpt进行常数估算，结果如表6所示。

将表6中的常数项代入式(10)中，可以得到设定试验条件下，a点的非线性回归模型，见式(11),且IR降与各因素的多元非线性模型的相关系数R≈0.999，拟合度R2≈0.998。

D(IR,a)=-300.244-4.678A+0.153A2-

4.023D-0.509D2+0.017D3-0.826F+

同理，可得出c，g两点的相关系数R分别为0.999 7，0.979，拟合度R2分别为0.999 4，0.958，非线性回归模型分别为式(12)和式(13)。

表6 a点管道IR降的多元非线性回归模型计算结果Tab. 6 Calculation result of pipeline IR drop at point a using multivariate nonlinear regression model

D(IR,c)=0.440 5-2.369A+0.077A2-

2.700D-0.343D2+0.012D3+0.967F+

D(IR,g)=-225.312+16.873A-0.005A2+

54.976D-6.989D2+0.235D3+4.689F+

对比线性回归模型，非线性回归模型的可决系数均大于线性回归模型的可决系数，说明非线性回归模型更适合表征管道IR降与各影响因素之间的关系；根据式(11)～(13)可知，a，c，g三点的非线性回归模型中，管道埋深均是三次曲线模型、破损点面积均是S型曲线模型、破损点个数均是指数曲线模型、土壤电阻率均是三次曲线模型、外加电压和管道破损点位置均为线性模型。因此，数学回归模型可用式(10)表示。

3 结论

[1] NACE International. Pipeline external corrosion direct assessment methodology：NACE Standard RP0502-2002[S]. Houston:NACE International,2002.

[2] 国家质检总局,国家标准委员会. 埋地钢质管道阴极保护技术规范:GBT 21448-2008[S]. 北京：国家标准出版社，2008.

[3] 张曼曼. 埋地管道防腐层破损对阴极保护参数影响规律研究[D]. 天津：中国民航大学，2016.

[4] 中国科学院数学研究所统计组. 正交实验简介[M]. 镇江:镇江市革命委员会科技组,1974.

[5] 王蕊，董祥旻，何卫苹. 一种多元非线性回归模型的建立方法及其应用[J]. 评价与测量，2010,11:17-22.

[6] 李力新. 炼油厂常压系统腐蚀因素关系模型及评价研究[D]. 西安：西安石油大学，2015.

InfluentialFactorsofIRDropsforPipelinewithDamagedAnticorrosionLayer

CUI Yanyu, ZHANG Manman, FAN Yueming, WEI Jinzhuo

(Department of Oil & Gas Storage and Transportation Engineering， Airport College， Civil Aviation University of China， Tianjin 300300， China)

IR drop, as an error which cannot be eliminated in the measurement of pipeline cathodic protection potential, affects the measured value of pipeline cathodic protection potential, leading to influence the judgment about the effectiveness of pipeline cathodic protection. The relationships between IR drop and its influential factors were studied by means of orthogonal experiment method. Mathematical models between IR drop and its influential factors were achieved by experimental data process. And the dominant factors affecting pipeline IR drop were analyzed. The results show that the damaged area and location of anticorrosion coating and the impressed voltage were the dominant factors which affected pipeline IR drop. The relationships between IR drop and influential factors followed nonlinear regression.

coating damage; IR drop; mathematical model; dominant impact factor

10.11973/fsyfh-201712009

TE988

A

1005-748X(2017)12-0943-06

2016-05-19

崔艳雨(1973-)，副教授，博士，从事航油储运与腐蚀防护技术研究，13820199777，yycui@cauc.edu.cn