塔河油田高含硫伴生气管道腐蚀主控因素的关联分析

程晓军，肖雯雯，曾文广，刘青山，廖柯熹，陈 伟，葛鹏莉，许艳艳，杨 娜

(1. 中国石油化工股份有限公司西北油田分公司 中国石化缝洞型油藏提高采收率重点实验室，新疆 乌鲁木齐 830011； 2. 西南石油大学石油与天然气工程学院，四川 成都 610500)

0 前 言

塔河油田内腐蚀环境具有高含H2S(最高1.0×105mg/m3)、高含CO2(最高10%，摩尔分数)、高矿化度(最高2.4×105mg/L)、低pH值(最低5.5)的“三高一低”特点，其腐蚀形貌主要以点腐蚀为主[1]，现场平均点蚀穿孔速率高达3.5 mm/a。霍建军等[2]、羊东明等[3]从管道输送介质方面(如H2S和CO2)分析了影响伴生气管道腐蚀的原因，从腐蚀性介质方向提出了适用于伴生气管道腐蚀的防护措施。但是影响伴生气管道腐蚀的不仅仅是腐蚀性介质的原因，还有流动的影响[4]，如保护性腐蚀产物膜(碳酸铁)、pH值稳定剂和腐蚀抑制剂可能由于流体高流速引起的剪切应力而不稳定，而被从管壁冲走[5]。同时液滴和固体颗粒的冲击力也是流动诱导腐蚀的主要原因之一。Thaker等[6]在定性和定量分析的基础上，提出了一套适用于侵蚀腐蚀现象预测的体系图，图中给出了剪切应力侵蚀、空化侵蚀、液体冲击侵蚀和流动加速腐蚀4种不同侵蚀腐蚀现象的过渡边界。金经洋等[7]、白羽等[8]采用高温高压动态反应釜进行正交试验，考察了流速、含水率对腐蚀速率的影响，但需要大量的试验数据才能确定影响腐蚀的主控因素。李文华等[9]深入研究了密封式继电器触点的失效机理，开展了腐蚀形貌特征与腐蚀类型的关联性分析。吴静[10]开展了多种缺陷对涂层腐蚀性能影响的研究，探讨了孔隙、氧化物层、晶体相等缺陷以及缺陷造成的成分不均匀性对管道涂层腐蚀的关联性规律及机制。总之，对腐蚀的影响是多种因素相互作用的结果，因此对多种因素交互作用下的数据分析是必要的。

关联规则挖掘是数据挖掘中的一个重要方向，汪瑛[11]采用Apriori关联规则算法对燃气系统管道维修方面进行挖掘分析，为企业决策提供依据。张新建等[12]通过对管道完整性数据关联规则挖掘流程进行研究，对经典Apriori算法中频繁项集生成效率进行了优化，结合中国石油某管道开展完整性管理积累的外检测与内检测数据进行关联规则挖掘。李龙等[13]在目前传统Apriori算法的基础上改进算法中数据库的扫描次数，筛选出有用候选集。但传统的Apriori关联规则算法耗时长、无效规则多，不适用于高含硫伴生气管道腐蚀因素的关联规则分析。

Pearson相关系数法易于运行和理解，通常对于理解数据有较好的效果，但是该方法只能解决简单的线性关系，当2个变量可能有更复杂的相关关系时，Pearson系数也可能为0；Apriori关联挖掘算法可以挖掘数据内含的、未知的却又实际存在的复杂数据关系，但是该算法在循环计算中产生的组合过多，没有排除不应该参与组合的元素，并且需要很大的I/O负载。为了确定流动参数与腐蚀速率之间的关联规则，本工作提出Pearson相关系数和Apriori关联挖掘算法相结合的方法，解决单独使用Pearson相关系数法和Apriori算法计算量大、挖掘效率低的问题，并通过高温高压动态反应釜试验进行验证，证明了此方法的正确性。利用关联性规则确定塔河油田腐蚀主控因素，以此制定针对性治理对策，解决伴生气管线腐蚀失效隐患问题，有利于生产的安全运行和生态环境保护，也有利于油气田生产发展和周边社会的稳定，具有良好的社会效益。

1 多相流计算模型

高含硫伴生气在管道内流动过程中，流体流速、液相分布、湍动能、压力的大小和分布都发生了变化，引起管壁处某些部位的剪切应力、含液率、湍动能、压力发生变化，这将加速管道的腐蚀[14]。

气液两相流连续性方程：

(1)

液相：

(2)

气相：

(3)

气液相混合：

(4)

动量方程：

液相：

(5)

气相：

(6)

气液相混合：

(7)

基于高含硫伴生气管道的基础信息，利用计算流体力学方法，根据流体流动的规律，建立管道的里程 - 高程模型，运用多相流计算模型[15]，对管道内部流动状态和流动参数进行模拟，可以确定管道沿线温度、压力、流速、持液率等流动参数的变化规律。

2 Pearson相关系数与Apriori关联规则挖掘算法的结合

2.1 Pearson相关系数法

Pearson相关系数(r)用于评估2个变量之间的线性关系强度[16]，可以采用从-1到+1的数值范围。正值表示正线性相关，负值表示负线性相关。该数值越接近+1或-1，线性相关性越强。Pearson相关系数定义如下[17]：

(8)

通常认为r≤0.39表示弱相关，r在0.40～0.69为中等相关，r在0.70～1.00为强相关或高相关，r≥0.90表示非常高的相关[11]。

2.2 Apriori关联规则挖掘算法

高含硫伴生气管道介质和多相流计算参数为基本数据集，设基本数据集为D，D={t1，t2，t3，t4，t5}，tk(k=1，2，3，4，5)称为事务，其中t1代表H2S浓度，t2代表压力，t3代表温度，t4代表流速，t5代表持液率。每个事务再细分，即tk= {i1，i2，i3，…，in，…，ip}，其中im(m= 1，2，3，…，p)称为项。i1代表具体的参数值。

设I= {i1，i2，i3，i4}是D中全体项的集合，I的任意子集X称为D中的项集。如果项集中项的个数为k，称为k项集。出现次数较多的项集则称为频繁项集。X、Y均为项集，X⊂I，Y⊂I，X∩Y=Ø，则蕴含式X⟹Y表示一个关联规则。X为关联前提，Y为关联规则的结果。

某数据项在事务中出现的频度称为支持度。Support(X)表示D中包含X的事务数与D的总事务数量的比值[18]：

(9)

关联规则X⟹Y的支持度等于项集X∪Y的支持度，如式(10)所示：

(10)

关联规则X⟹Y的置信度表示D中包含X的事务中同时包含Y的可信度，记作Confidence(X⟹Y)：

(11)

Apriori关联规则挖掘算法的2个主要步骤：(1)产生频繁项集。基于支持度的剪枝技术发现满足支持度阈值的全部项集。(2)产生强规则。在生成频繁项集之后，使用基于置信度的修剪技术提取满足置信阈值的规则[19，20]。

Pearson相关系数与Apriori关联规则挖掘算法的主要流程如图1所示。

3 基于Pearson相关系数的关联规则分析

10 - 2至三联为高含硫伴生气管道，全长6.268 km，公称直径323.0 mm，壁厚7.1 mm，材质为L290MCS，于2011年开始投产。管道的里程 - 高程变化如图2所示，全线高程变化在8 m左右。

10 - 2至三联高含硫伴生气管道的输送介质为气液两相流，气质组分如表1所示，H2S含量为4 567.19mg/m3(GB17820-2018中规定一类天然气含量≤6 mg/m3)。

表1 10 - 2至三联伴生气管道天然气组分含量(摩尔分数)

3.1 多相流模拟与分析

按照NACE SP0116-2016“Multiphase Flow Internal Corrosion Direct Assessment (MP - ICDA) Methodology for Pipelines”评价标准，管道节点划分按照每段≤50 m为依据，将10 - 2至三联伴生气管道划分为11 070个节点，管道进口流量4.3×105m3/d，进口压力0.64 MPa，进口温度41 ℃，出口压力0.17 MPa，出口温度35 ℃。利用全动态多相流模拟计算软件对10 - 2至三联伴生气管道进行模型的建立，分析管道沿线流动参数的变化规律。模拟温度和压力符合实际情况时，分析流速、壁面剪切力、持液率沿程的变化规律，结果如图3所示。

从图3a可知，管道压力随着里程的增加呈现逐渐下降的趋势，且下降速率较为平稳，符合实际情况。温度随着管道里程的增加也呈现下降的趋势，下降速率逐渐降低，符合热力学规律。图3(e)揭示了沿线H2S分压和CO2分压的变化规律，与压力的规律变化一致。

从图3b可知，管道气液的表观流速整体随着里程的增加呈现逐渐上升的趋势。由于管道起伏造成流速的波动，管道的壁面剪切力也是同样的规律(图3c)。

由图3d可知，管线持液率随管线高程变化而起伏，当流体处于管线低洼处时，液态水在此洼处聚集，因此管线持液率迅速升高，10 - 2至三联伴生气管道的持液率最高可达35%。在管线爬坡过程中，持液率基本保持不变；在管线下坡段，持液率迅速降低；在管线相对平缓的地方，管内持液率没有明显的波动。

3.2 Pearson相关系数分析

根据Pearson相关系数分析得到，高含硫伴生气管道中腐蚀速率与温度、压力、CO2分压、H2S分压、流速、壁面剪切力、持液率、管道倾角等因素的绝对值相关性排序为：持液率(0.732)>温度(0.696)>压力(0.677)=CO2分压(0.677)=H2S分压(0.677)>气体流速(0.618)=气体壁面剪切力(0.618)>管道倾角(0.577)>液体壁面剪切力(0.341)>液体流速(0.027)。根据Pearson相关系数的定义，确定液体壁面剪切力和液体流速为弱相关；压力与CO2分压、H2S分压的关联度相等；气体流速与气体壁面剪切力的关联度相等。因此进行Apriori关联规则分析时，不考虑液体壁面剪切力和液体流速的影响；考虑H2S分压和气体流速对腐蚀速率的影响。

3.3 数据预处理

结合OLGA计算得到的多相流参数，原始数据共11 070项。数据预处理后得到影响腐蚀的主要因素共5个，如表2所示。为方便计算、表达和存储，对数据进行分类编码，各腐蚀影响因素的分类及编码见表2。

表2 腐蚀影响因素的编码

(续表2)

编码后的数据存储形式如表3所示。表格中的1行就是1条记录，1个事务。用这样的数据形式进行Apriori关联规则挖掘。

表3 挖掘过程中的数据形式

3.4 Apriori关联规则挖掘算法分析

以10 - 2至三联高含硫伴生气管道的介质数据、流动数据和腐蚀数据进行挖掘分析，挖掘出的部分腐蚀分布规律如表4所示。

从表4得到的挖掘信息，可以发现管道的腐蚀速率>0.38 mm/a的情况较多，可以从表4中得出以下结论：

表4 基于Apriori挖掘的强关联规则

(1)H2S分压在0.05～0.06 MPa，温度在36～40 ℃，气体流速在0～8 m/s，持液率在10%～30%，管道倾角<-50°时，腐蚀速率vcorr>0.38 mm/a；

(2)H2S分压在0.05～0.06 MPa，温度在36～40 ℃，气体流速在5～8 m/s，持液率在>31%，管道倾角在-50～0°时，腐蚀速率vcorr>0.38 mm/a；

(3)H2S分压在0～0.03 MPa，温度在30～35 ℃，气体流速9～11 m/s，持液率在10%～20%，管道倾角<-50°时，腐蚀速率vcorr为0.21～0.38 mm/a；

(4)H2S分压在0.03～0.05 MPa，温度在36～40 ℃，气体流速在9～11 m/s，持液率在21%～30%，管道倾角<-50°时，腐蚀速率为0.21～0.38 mm/a。

3.5 关联规则验证分析

根据Pearson相关系数与Apriori关联规则挖掘算法得到的规则，采用高温高压动态反应釜进行试验验证。根据Pearson相关系数的分析结果，考虑H2S分压、温度和气体流速对腐蚀速率的影响，验证的关联规则分布是：(1)H2S分压在0.05～0.06 MPa，温度在36～40 ℃，气体流速在5～8 m/s时，腐蚀速率vcorr>0.38 mm/a；(2)H2S分压在<0.03 MPa，温度在30～35 ℃，气体流速>9 m/s时，腐蚀速率为0.21～0.38 mm/a。高温高压动态反应釜的试验方案如表5所示。

表5 高温高压动态反应试验方案

试验方法参考SY/5273-2014，详细试验步骤如下：

(1)试样用400，600，800，1 000号砂纸逐级打磨；

(2)试样采用石油醚和无水乙醇清洗；

(3)将试样用冷风吹干后，用滤纸包好放入干燥器中，24 h后称量腐蚀前试样的质量m1，精确到0.1 mg，再用游标卡尺测量试样尺寸，精确到0.01 mm，计算出腐蚀试样的表面积S；

(4)配置4 L模拟水，并用N2除氧4 h，倒入反应釜内；

(5)将试样悬挂放入反应釜内，通N2约2 h除去釜内空气；

(6)根据试验的工况条件进行试验；

(7)试验完成后，将试样取出用去膜液超声清洗，去膜液参考GB/T 16545-2015进行配制，采用无水乙醇浸泡清洗10 min，同样将试样用冷风吹干后，放入干燥器中，2 h后称量试样腐蚀后的质量m2，精确至0.1 mg；

(8)根据公式(12)计算腐蚀速率。

(12)

式中：vcorr为试样腐蚀速率，mm/a；m1为试样腐蚀前质量，g；m2为试样腐蚀后质量，g；t为试样腐蚀反应时间，h；ρ为试样钢材的密度，g/cm3；S为试样的表面积，cm2。

高温高压动态反应釜的试验结果表明：试验条件1的腐蚀速率0.529 3 mm/a>0.38 mm/a，试验条件2的腐蚀速率0.211 4 mm/a∈0.21～0.38 mm/a之间，与Pearson+Apriori分析方法得到的规则一致，说明了关联规则分析的正确性。

4 结 论

根据多相流瞬态模型计算结果，结合Pearson相关系数和Apriori关联挖掘算法分析了伴生气管道腐蚀速率与介质组分、流动参数之间的关联规则，结论如下：

(1)基于多相流瞬态模拟仿真软件模拟结果，揭示了流动参数温度、压力、流速、持液率沿程的规律。

(2)采用Pearson相关系数和Apriori关联挖掘相结合的算法，确定了流动参数对腐蚀的影响程度分布：持液率(0.732)>温度(0.696)>压力(0.677)=CO2分压(0.677)=H2S分压(0.677)>气体流速(0.618)=气体壁面剪切力(0.618)>管道倾角(0.577)；管道腐蚀速率与H2S分压、温度、持液率、流速、管道倾角之间具有强关联规则。

(3)采用高温高压动态反应釜验证了腐蚀速率与介质组分、流动参数关联规则的正确性。