一种天然气管道腐蚀失效时间预测方法及装置与流程

1.本发明涉及天然气管道腐蚀预测技术领域，具体涉及一种天然气管道腐蚀失效时间预测方法及装置。


背景技术：

2.天然气管道是天然气管网的组成部分。由于天然气产品中含有硫化氢和二氧化碳等腐蚀性气体，以及环境因素对管道的影响，管道易被腐蚀导致损坏、失效。天然气管道在腐蚀方面的问题是影响我国燃气安全的主要因素之一，城镇燃气关系国计民生，管道腐蚀不仅会影响天然气管道的寿命(从埋入地下开始到因腐蚀导致失效的时间，即腐蚀失效时间)，形成安全隐患，严重时还会引发安全事故。因此，为了能够延长天然气管道的使用寿命，保障管道安全、经济、高效运行，必须开展天然气管道的腐蚀监测工作。
3.目前，广泛应用在线检测方法对管道进行腐蚀监测。该技术需要通过应用磁通量和超声波工具等高科技设备对管道状况进行频繁评估，然而，由于需要高频率的在线检查和分辨率要求，这种方法过于昂贵和耗时。近年来，研究者们将更多的注意力集中在预测模型的开发上，这些模型可用于预测腐蚀失效。但已有的这些模型没有考虑腐蚀破坏的环境因素，例如土壤温度等，从而导致模型的预测精度不高。


技术实现要素：

4.为了解决现有技术中存在的上述问题，本发明提供一种天然气管道腐蚀失效时间预测方法及装置。
5.为了实现上述目的，本发明采用以下技术方案。
6.第一方面，本发明提供一种天然气管道腐蚀失效时间预测方法，包括以下步骤：
7.通过建立管道腐蚀失效方程，确定影响管道腐蚀失效时间的管道参数；
8.选取影响管道腐蚀失效时间的环境参数；
9.对所述管道参数和环境参数基于相关性进行筛选；
10.以筛选后的参数为输入变量、以腐蚀失效时间为输出变量，构建预测模型，用训练好的模型对管道腐蚀失效时间进行预测。
11.进一步地，管道腐蚀失效方程的建立方法包括：
12.假设管道的腐蚀缺陷为矩形，则失效压力为：
[0013][0014][0015]
式中，pf为失效压力，σb为最小屈服强度，d、δ为管道直径、壁厚，d(t)为缺陷深度随时间t变化的函数，β为隆起系数，l(t)为缺陷长度随时间变化的函数；
[0016]
假设管道腐蚀为一个准稳态过程，则：
[0017]
d(t)＝d0 vr(t-t0)
[0018]
l(t)＝l0 va(t-t0)
[0019]
式中，vr、va分别为径向即深度方向的腐蚀速率和轴向即长度方向的腐蚀速率，d0、l0分别为上次检测时间t0时的缺陷深度和缺陷长度。
[0020]
更进一步地，对所述管道参数和环境参数进行筛选的方法包括：
[0021]
计算每个参数与腐蚀失效时间的相关系数，并按所述相关系数从大到小的顺序对所述参数排序；
[0022]
删除相关系数小于第一阈值的参数；
[0023]
计算剩余参数中任意两个参数之间的相关系数，对于相关系数大于第二阈值的两个参数，删除排序靠后的一个参数。
[0024]
更进一步地，所述预测模型为：
[0025][0026]
式中，ts为腐蚀失效时间，t为月土壤平均温度，h为土壤覆盖深度，pf为失效时的压力，p为最大允许压力。
[0027]
进一步地，所述方法还包括模型校正步骤：
[0028]
构建测试数据集，将所述数据集代入预测模型，得到预测的腐蚀失效时间；
[0029]
计算预测的腐蚀失效时间的标准差和预测模型的拟合度；
[0030]
如果所述标准差大于设定的阈值，且所述拟合度小于设定的阈值，则预测模型精度不满足要求，修正预测模型直到精度满足要求。
[0031]
第二方面，本发明提供一种天然气管道腐蚀失效时间预测装置，包括：
[0032]
管道参数选取模块，用于通过建立管道腐蚀失效方程，确定影响管道腐蚀失效时间的管道参数；
[0033]
环境参数选取模块，用于选取影响管道腐蚀失效时间的环境参数；
[0034]
参数筛选模块，用于对所述管道参数和环境参数基于相关性进行筛选；
[0035]
建模预测模块，用于以筛选后的参数为输入变量、以腐蚀失效时间为输出变量，构建预测模型，用训练好的模型对管道腐蚀失效时间进行预测。
[0036]
进一步地，管道腐蚀失效方程的建立方法包括：
[0037]
假设管道的腐蚀缺陷为矩形，则失效压力为：
[0038][0039][0040]
式中，pf为失效压力，σb为最小屈服强度，d、δ为管道直径、壁厚，d(t)为缺陷深度随时间t变化的函数，β为隆起系数，l(t)为缺陷长度随时间变化的函数；
[0041]
假设管道腐蚀为一个准稳态过程，则：
[0042]
d(t)＝d0 vr(t-t0)
[0043]
l(t)＝l0 va(t-t0)
[0044]
式中，vr、va分别为径向即深度方向的腐蚀速率和轴向即长度方向的腐蚀速率，d0、l0分别为上次检测时间t0时的缺陷深度和缺陷长度。
[0045]
更进一步地，对所述管道参数和环境参数进行筛选的方法包括：
[0046]
计算每个参数与腐蚀失效时间的相关系数，并按所述相关系数从大到小的顺序对所述参数排序；
[0047]
删除相关系数小于第一阈值的参数；
[0048]
计算剩余参数中任意两个参数之间的相关系数，对于相关系数大于第二阈值的两个参数，删除排序靠后的一个参数。
[0049]
更进一步地，所述预测模型为：
[0050][0051]
式中，ts为腐蚀失效时间，t为月土壤平均温度，h为土壤覆盖深度，pf为失效时的压力，p为最大允许压力。
[0052]
进一步地，所述装置还包括模型校正模块，用于，
[0053]
构建测试数据集，将所述数据集代入预测模型，得到预测的腐蚀失效时间；
[0054]
计算预测的腐蚀失效时间的标准差和预测模型的拟合度；
[0055]
如果所述标准差大于设定的阈值，且所述拟合度小于设定的阈值，则预测模型精度不满足要求，修正预测模型直到精度满足要求。
[0056]
与现有技术相比，本发明具有以下有益效果。
[0057]
本发明通过建立管道腐蚀失效方程，确定影响管道腐蚀失效时间的管道参数，选取影响管道腐蚀失效时间的环境参数，对所述管道参数和环境参数基于相关性进行筛选，以筛选后的参数为输入变量、以腐蚀失效时间为输出变量，构建预测模型，用训练好的模型对管道腐蚀失效时间进行预测，实现管道腐蚀失效时间的自动预测。本发明通过建立管道腐蚀失效方程确定影响腐蚀失效时间的管道参数，并增加管道的环境参数，而且以基于相关性进行筛选后的参数作为预测模型的输入变量，可明显提高预测模型的预测精度。
附图说明
[0058]
图1为本发明实施例一种天然气管道腐蚀失效时间预测方法的流程图。
[0059]
图2为应用预测模型得到的预测值与真实值的对比示意图。
[0060]
图3为本发明实施例一种天然气管道腐蚀失效时间预测装置的方框图。
具体实施方式
[0061]
为使本发明的目的、技术方案及优点更加清楚、明白，以下结合附图及具体实施方式对本发明作进一步说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部
的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0062]
图1为本发明实施例一种天然气管道腐蚀失效时间预测方法的流程图，包括以下步骤：
[0063]
步骤101，通过建立管道腐蚀失效方程，确定影响管道腐蚀失效时间的管道参数；
[0064]
步骤102，选取影响管道腐蚀失效时间的环境参数；
[0065]
步骤103，对所述管道参数和环境参数基于相关性进行筛选；
[0066]
步骤104，以筛选后的参数为输入变量、以腐蚀失效时间为输出变量，构建预测模型，用训练好的模型对管道腐蚀失效时间进行预测。
[0067]
本实施例中，步骤101主要用于确定影响管道腐蚀失效时间的管道参数。所述管道参数是指与管道本身结构相关的参数，如管道直径、壁厚等。这里确定的管道参数是要用作腐蚀失效时间预测模型的输入变量的，为了提高预测模型的预测精度，腐蚀失效时间对这些参数的变化应该是比较敏感的。本实施例通过建立管道腐蚀失效方程，将方程中包含的管道参数作为影响腐蚀失效时间的管道参数，相对现有技术根据经验或主观想象确定管道参数，更有说服力，也更有利于提高预测精度。建立管道腐蚀失效方程的方法较多，本实施例对具体的方程建立方法不做限定，后面的实施例将给出一种具体的技术方案。
[0068]
本实施例中，步骤102主要用于选取影响管道腐蚀失效时间的环境参数。环境参数是指管道周围的天气、地理因素，如温度、湿度和埋地深度等。实践表明，只以管道参数作为预测模型的输入变量，预测结果很难满足精度要求；而增加环境因素后预测精度有明显改观。如果将管道参数看作内因的话，那么环境参数则可看作是外因，本实施例通过增加环境参数提高预测精度，是外因通过内因起作用的哲学原理的应用。
[0069]
本实施例中，步骤103主要用于对所述管道参数和环境参数进行筛选。影响管道腐蚀失效时间的因素很多，或者说前面选取的管道参数和环境参数的数量很多，如果将它们不加选择地全部作为预测模型的输入变量，不但不能提高预测精度，还可能适得其反。因此，本实施例在构建预测模型之前要对这些参数进行筛选，删除那些对腐蚀失效时间影响不明显的参数。本实施例是基于相关性对所述参数进行筛选，所述相关性主要是指所述参数与腐蚀失效时间的相关性，相关性越强的参数对腐蚀失效时间的影响越明显。可通过计算相关系数得到相关性的强弱。相关系数有正负之分，相关系数为正表示正相关，一个量增大时另一个量也增大；相关系数为负表示负相关，一个量增大时另一个量反而减小。因此，相关系数的绝对值越大相关性越强。后面的实施例将给出一种具体的筛选方法。
[0070]
本实施例中，步骤104主要用于构建预测模型并用训练好的模型进行预测。本实施例以筛选后的参数为输入变量、以腐蚀失效时间为输出变量，构建预测模型。预测模型可以采用回归模型，也可以采用人工神经网络。回归模型可以是多元线性模型，也可以是多元二次模型，即将腐蚀失效时间看作是输入参数的多元一次或多元二次函数。后者复杂度较高，但精度也高。人工神经网络可以看作是一个黑匣子，可以不知道具体的函数表达式，只知道输入和输出即可。人工神经网络的特点是精度高，但模型内部结构复杂，需要学习的内部参数多，计算量大。通过收集历史数据构建训练数据集，利用所述数据集对预测模型进行训练得到模型参数。将筛选后的管道参数和环境参数的值代入训练好的预测模型，模型输出即为腐蚀失效时间的预测值。
[0071]
作为一可选实施例，管道腐蚀失效方程的建立方法包括：
[0072]
假设管道的腐蚀缺陷为矩形，则失效压力为：
[0073][0074][0075]
式中，pf为失效压力，σb为最小屈服强度，d、δ为管道直径、壁厚，d(t)为缺陷深度随时间t变化的函数，β为隆起系数，l(t)为缺陷长度随时间变化的函数；
[0076]
假设管道腐蚀为一个准稳态过程，则：
[0077]
d(t)＝d0 vr(t-t0)
[0078]
l(t)＝l0 va(t-t0)
[0079]
式中，vr、va分别为径向即深度方向的腐蚀速率和轴向即长度方向的腐蚀速率，d0、l0分别为上次检测时间t0时的缺陷深度和缺陷长度。
[0080]
本实施例给出了建立管道腐蚀失效方程的一种技术方案。由于管道腐蚀的规律性并不强，因此管道腐蚀失效计算属于近似的工程计算，无法得到准确的理论表达式，只能基于一定的近似假设才能得到最后的结果。本实施例首先假设管道腐蚀缺陷(腐蚀斑点)的形状是一个矩形，然后根据力学原理得到失效压力pf的表达式，如果管道的压力超过pf就会发生腐蚀失效。pf的表达式中包含管道本身的不随时间改变的固有结构参数，如管道直径、壁厚等；也包含两个随时间变化的未知函数，分别是缺陷长度和缺陷深度随时间变化的函数，因此需要对这两个函数进一步处理。本实施例进一步假设管道腐蚀为一个准稳态过程，也就是可以将相邻两次检测期间缺陷长度和缺陷深度看作是随时间匀速增长的，由此可得到用增长速率表示的递推公式，具体见上面的公式。
[0081]
作为一可选实施例，对所述管道参数和环境参数进行筛选的方法包括：
[0082]
计算每个参数与腐蚀失效时间的相关系数，并按所述相关系数从大到小的顺序对所述参数排序；
[0083]
删除相关系数小于第一阈值的参数；
[0084]
计算剩余参数中任意两个参数之间的相关系数，对于相关系数大于第二阈值的两个参数，删除排序靠后的一个参数。
[0085]
本实施例给出了参数筛选的一种技术方案。如前述，本实施例基于相关性进行参数筛选。本实施例涉及的相关性有两种：一种是待筛选参数与腐蚀失效时间的相关性；另一种是待筛选参数之间的相关性，因为管道参数与环境参数之间的相关性很弱，因此实际上可分别计算管道参数之间的相关性和环境参数之间的相关性。本实施例采取的方法是：先计算待筛选参数与腐蚀失效时间的相关系数，并按照相关系数大小排序，删除相关系数较小的参数(小于设定阈值)，理由是相关系数较小的参数对腐蚀失效时间的影响较小；然后，根据筛选后剩下的任意两个参数之间的相关系数，删除相关系数较大的两个参数中的一个参数，因为相关系数较大的两个参数的作用具有重复性，只保留其中一个即可。本实施例删除的是与腐蚀失效时间相关系数较小的一个参数，即排序靠后的一个。
[0086]
作为一可选实施例，所述预测模型为：
[0087][0088]
式中，ts为腐蚀失效时间，t为月土壤平均温度，h为土壤覆盖深度，pf为失效时的压力，p为最大允许压力。
[0089]
本实施例给出了训练后的一种具体模型。所述模型为二次回归模型，模型的输入变量参数共7个，其中管道参数5个，分别为管道直径、管道壁厚、失效时的压力、最大允许压力和最小屈服强度；环境参数2个，分别是月平均土壤温度和土壤覆盖深度。预测模型中的常数项、一次项系数和二次项系数均是通过模型训练确定的。
[0090]
作为一可选实施例，所述方法还包括模型校正步骤：
[0091]
构建测试数据集，将所述数据集代入预测模型，得到预测的腐蚀失效时间；
[0092]
计算预测的腐蚀失效时间的标准差和预测模型的拟合度；
[0093]
如果所述标准差大于设定的阈值，且所述拟合度小于设定的阈值，则预测模型精度不满足要求，修正预测模型直到精度满足要求。
[0094]
本实施例给出了对预测模型进行检验校正的一种技术方案。首先通过收集历史数据构建测试数据集，可以与构建训练数据集一起进行，将构建的历史数据集按比例分配，如80％的样本作为训练数据集，20％的样本为作为测试数据集。然后将测试数据集中的样本数据代入预测模型，得到腐蚀失效时间的预测结果。计算预测结果的标准差和模型的拟合度，所述标准差反映了预测结果的分散程度，标准差越大数据越分散；所述拟合度反映了模型的预测误差的大小。最后将所述标准差和拟合度分别与设定的阈值进行比较，据此判定模型精度是否满足要求。如果不满足要求，修改回归模型的参数，直到所述标准差和拟合度在阈值范围内。
[0095]
为验证本发明的有效性，对某地区部分天然气管道建立预测模型，图2给出了应用所述预测模型得到的腐蚀失效时间的预测值和真实值的结果对比图。由图2可知应用情况良好，准确率高达87％。
[0096]
图3为本发明实施例一种天然气管道腐蚀失效时间预测装置的组成示意图，所述装置包括：
[0097]
管道参数选取模块11，用于通过建立管道腐蚀失效方程，确定影响管道腐蚀失效时间的管道参数；
[0098]
环境参数选取模块12，用于选取影响管道腐蚀失效时间的环境参数；
[0099]
参数筛选模块13，用于对所述管道参数和环境参数基于相关性进行筛选；
[0100]
建模预测模块14，用于以筛选后的参数为输入变量、以腐蚀失效时间为输出变量，构建预测模型，用训练好的模型对管道腐蚀失效时间进行预测。
[0101]
本实施例的装置，可以用于执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。后面的实施例也是如此，均不再展开说明。
[0102]
作为一可选实施例，管道腐蚀失效方程的建立方法包括：
[0103]
假设管道的腐蚀缺陷为矩形，则失效压力为：
[0104][0105][0106]
式中，pf为失效压力，σb为最小屈服强度，d、δ为管道直径、壁厚，d(t)为缺陷深度随时间t变化的函数，β为隆起系数，l(t)为缺陷长度随时间变化的函数；
[0107]
假设管道腐蚀为一个准稳态过程，则：
[0108]
d(t)＝d0 vr(t-t0)
[0109]
l(t)＝l0 va(t-t0)
[0110]
式中，vr、va分别为径向即深度方向的腐蚀速率和轴向即长度方向的腐蚀速率，d0、l0分别为上次检测时间t0时的缺陷深度和缺陷长度。
[0111]
作为一可选实施例，对所述管道参数和环境参数进行筛选的方法包括：
[0112]
计算每个参数与腐蚀失效时间的相关系数，并按所述相关系数从大到小的顺序对所述参数排序；
[0113]
删除相关系数小于第一阈值的参数；
[0114]
计算剩余参数中任意两个参数之间的相关系数，对于相关系数大于第二阈值的两个参数，删除排序靠后的一个参数。
[0115]
作为一可选实施例，所述预测模型为：
[0116][0117]
式中，ts为腐蚀失效时间，t为月土壤平均温度，h为土壤覆盖深度，pf为失效时的压力，p为最大允许压力。
[0118]
作为一可选实施例，所述装置还包括模型校正模块，用于，
[0119]
构建测试数据集，将所述数据集代入预测模型，得到预测的腐蚀失效时间；
[0120]
计算预测的腐蚀失效时间的标准差和预测模型的拟合度；
[0121]
如果所述标准差大于设定的阈值，且所述拟合度小于设定的阈值，则预测模型精度不满足要求，修正预测模型直到精度满足要求。
[0122]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。