数据对齐在管道安全评估方面的应用研究

吴 翔 郭 永 苟建仁 黄 森 刘艳军

(1.中石油塔里木输油气分公司，新疆库尔勒，841000； 2.西南石油大学机电工程学院，四川成都，610500)

随着我国经济的快速发展，管道运输作为国家重大输送生命线，逐渐成为了目前最经济、性价比最高的油气输送方式。但据权威研究表明：我国大部分油气运输管道的服役运行时间已经超过20年。在漫长的使用过程中，由于管道自身存在的材质质量等问题和外界环境不可控因素的影响，各类油气输送管道会产生各种类型的缺陷隐患。因此对管道进行缺陷检测和安全风险评估势在必行。

在大数据和管道数字信息化的时代环境下，以多轮内检测数据为基础，结合管道建设期资料等其他数据信息，实现管道大数据的综合风险评估成为了新兴的管道安全评估方式[1]。2017年，中国石油提出建设智慧管道、数字化管道，对管道检测数据的采集和应用提出了更高的要求和标准。其中，内检测数据是管道安全风险评估的重要基础数据之一[2-5]。目前，内检测数据库主要通过开展多轮内检测来采集构建。但多轮内检测数据会存在结果差异，不仅与管道施工建设数据存在偏差，也造成检测出的缺陷难以对齐匹配。当多轮内检测采用不同的方式和工具时，上述现象则愈发严重[6]。因此，各油气运营单位需要开展多轮内检测数据整合对齐，将积累的大量建设期数据、检测数据以及开挖验证数据对齐至管道里程基线，形成沿管道里程的“管道缺陷状况图”[7-8]。最后基于对齐后的数据库，对管道各类型缺陷进行安全风险评估，以保障油气管道正常运行工作。

本文基于库鄯输油管道库尔勒-马兰段建设施工数据和检测数据，采用合适的数据对齐方法，实现了多轮内检测数据对齐；并结合对齐数据对重要的管道缺陷数据进行了多方面深度分析，且根据分析结果对管线安全进行了科学评估，不仅为实现该管段完整性评价以保障安全运行提供了可靠的数据支撑，也为基于内检测数据对齐而对管道进行安全风险评估的研究方向提供了实例支撑。

1 内检测数据对齐

1.1 概念

数据对齐是将多次内检测数据在同一基准的情况下进行数据匹配。其主要依据是利用管道建设施工数据和检测数据中相同且固定的特征[9](例如阀门、三通、弯头等)作为对齐起始点，再通过管节长度，缺陷特征点距环焊缝位置等检测数据信息进行环焊缝、金属损失等匹配对齐。最终获得风险环焊缝、腐蚀缺陷等特征点的具体位置及其风险变化情况，以便进行管道完整性评价和安全评估。

1.2 对齐方法

诸多学者开展过相关的内检测数据整合对齐比对方法的研究，例如现状分析、参数比对、对比方法总结和里程误差等[10-13]，孙鹏[14]等提出内检测数据对比模型，实现了多轮数据快速对齐。虽然对齐方法有所差异，但核心思路为：

(1)基于建设数据和两次内检测数据的相对类型，提取相同且固定的特征。

(2)根据提取的固定特征进行分段，计算每一段各个特征的分布相似度，分布相似度可用相对熵DKL来表征，如式(1)所示。

(1)

对于随机变量，DKL表征如式(2)所示。

(2)

式中：x——分布变量；P——数据的真实分布；Q——数据的理论分布；DKL——概率分布P和Q差别的非对称性的度量。

(3)通过持续迭代调整分段及对应关系，持续计算DKL直至达到达到最小值。然后引入Pearson系数来评估对齐结果的可接受程度。

数据对齐整体流程如图1所示。

图1 数据对齐整体流程图

对于数据标准化，即是对数据采取统一规则，主要有：特征类型、特征识别、特征编号、绝对距离、上游环焊缝相对距离、管节长度、管节壁厚及缺陷尺寸或时钟方位等。因内检测数据存在多因素的差异，例如特征点漏报误报、多次检测周期之间存在改管换管等，模型无法实现数据的分段匹配对齐。因此对齐过程中，需人为干预对齐，即人为参考特征属性，判断相对位置关系而进行数据匹配。数据分析包括未对齐数据原因分析和对齐数据的分析，最终在分析结果上进行管道的完整性安全评估。

2 应用测试

选择两次采用了同种内检测方式的管道内检测数据进行测试应用试验。选取管段为中石油管道联合有限公司西部塔里木输油气分公司管辖的库鄯输油管道(库尔勒站—马兰站)，管道信息如表1所示。

表1 测试管道信息表

该管道库尔勒—马兰段，分别于2016年5月、2021年9月采用了三轴高清漏磁内检测，检测数据完整。经数据对齐，管道特征数据对齐结果如表2所示。管道缺陷数据对齐结果如表3所示。

表2 管道特征数据对齐结果

表3 管道缺陷数据对齐结果

由表2可知，两次内检测管道特征数据对齐情况良好，整体对齐比例达到97.16%。其中三通、套管、弯头的检测识别存在一定的误差：2021年在管线3号阀室封堵口较2016年少识别2处三通；2021年较2016年多识别了4处套管和54处弯头，但2016年识别出的162处套管有157处能与2021年数据匹配，82处弯头均能与2021年数据匹配，说明数据匹配效果良好。

由表3可知，两次内检测管道缺陷数据对齐情况良好，整体对齐比例达到79.63%。其中环焊缝异常对齐比例最差，为42.93%。经过查证，其原因为2016年的312处轻度异常环焊缝由于检测仪器的识别误差在2021年中并未被定义为异常。除去异常环焊缝，对齐比例达到85.74%。

两者对比可知，管道特征数据对齐比例较管道缺陷数据对齐比例较高，其原因在于：缺陷存在变化性，既有新增缺陷，也有部分缺陷在第一次检测后被修复；检测仪器的识别精度误差，导致识别缺陷的标准不同。

部分数据未对齐的原因在于：管道特征处的识别误差，造成仪器漏报误报；检测仪器的识别能力不同；两次检测之间，管道存在缺陷修复等施工情况。

3 基于对齐结果的分析评估

对管道进行安全风险评估，主要围绕影响管道安全运行的管道缺陷进行分析评估。主要的缺陷特征有金属损失、焊缝异常以及凹陷。

3.1 基于金属损失的评估

未对齐的金属损失点是指在2016年检测到，2021年未检测到的特征点，这类特征点需从腐蚀率进行评估；对齐的金属损失点则需基于腐蚀速率计算剩余寿命，缺陷体积增长倍率来进行综合评估。

根据《钢质管道管体腐蚀损失评价方法》、《钢制管道及储罐腐蚀评价标准》及检测实际数据，将腐蚀率在10% 及以下定义为Ⅳ级风险；腐蚀率在10% 至20%(含20%)之间为Ⅲ级风险；20% 至最大壁厚减薄率(含最大壁厚减薄率)之间为Ⅱ级风险；腐蚀率在最大壁厚减薄率以上为Ⅰ级风险，各级风险对应建议如表4所示。最大壁厚减薄率为管道允许的最大减薄厚度占实际壁厚的百分比。而管道允许的最小剩余壁厚按式(3)计算。

δ=PD/(2Kφσs)

(3)

式中：δ——设计内压力(MPa)；P——设计内压力(MPa)；D——管道外直径(mm)；K——设计系数，计算管道允许最小壁厚时取1；ψ——焊缝系数；σs——管道最低屈服强度(MPa)。

数据分析对应的管道中，各壁厚管段最小壁厚和最大壁厚减薄率计算结果如表5所示。

表4 管道腐蚀率风险等级及建议

表5 各壁厚管段最小壁厚和最大壁厚减薄率计算结果表

金属损失缺陷腐蚀速率计算方法为：

s=Δd/t

(4)

式中：s——腐蚀速率；Δd——缺陷深度增加的绝对值；t——检测周期。

剩余寿命评估按腐蚀速率和管道允许的最小剩余壁厚来进行，其中新增金属损失2016年对应的缺陷深度值默认为0mm；缺陷体积增长倍率为2021年与2016年的缺陷绝对体积差值占2016年缺陷绝对体积的百分比。

按上述计算和判断方法，所有未对齐金属损失评估如表6所示；对齐金属损失评估如表7所示。

表6 未对齐金属损失评估表

表7 对齐金属损失评估表

3.2 基于焊缝异常的评估

焊缝异常包括环焊缝异常、螺旋焊缝异常以及直焊缝异常。对于焊缝异常，需评估其异常程度的变化。经数据对齐匹配后，并未发现存在异常程度变化的螺旋焊缝和直焊缝，而环焊缝异常程度变化结果如表8所示。

表8 对齐环焊缝程度变化表

由对齐环焊缝程度变化表可作出评估：异常程度为重度的异常环焊缝存在高风险，对管道安全运行产生重大影响，需立即开挖修复。

3.3 基于凹陷的评估

对于凹陷特征点，其凹陷面积是影响管道安全运行的最大因素，因此需对其面积进行分析评估。其结果如表9所示。

表9 对齐凹陷面积结果表

由对齐凹陷面积结果表可作出评估：0.3m2以上的凹陷存在高风险，对管道安全运行产生重大影响，需立即开挖修复。

4 总体评估结果

通过以上分析，库鄯输油管道库尔勒—马兰段总体情况较好，经评价当前满足安全运行条件；管道腐蚀随时间增长而增长，说明当前阴保系统未能完全杜绝管道腐蚀，应定期开展检测、治理，确保阴保系统可靠性；对于检测报告的缺陷，应及时开展完整性评价及修复措施，确保管道安全。

5 结论

(1)管道运营企业应开展多轮内检测数据对齐工作，并基于对齐后的数据库，对管道各类型缺陷进行安全风险评估，以保障油气管道正常运行工作。

(2)本文通过对库鄯输油管道(库尔勒站—马兰站)进行内检测数据对齐，发现其管道特征对齐比例达到97.16%，管道缺陷特征对齐比例达到79.63%，数据对齐匹配情况良好。

(3)本文根据对齐数据的多方面分析结果，对管线安全进行了科学评估，不仅为实现该管段完整性评价以保障安全运行提供了可靠的数据支撑，也为基于内检测数据对齐而对管道进行安全风险评估的研究方向提供了实例支撑。