劉承磊1 李曉暉1 尤杰1 傅友1 陳彥云2 劉家辰2
1.中油管道檢測技術有限責任公司油氣管道輸送安全國家工程實驗室； 2.長慶油田分公司第十一采油廠

摘 要：傳統的管道剩余壽命預測方法容易造成預測結果過于保守。通過分析內檢測過程中的誤差來源和分布特性，基于正態分布的統計學原理，建立了改進腐蝕生長速率計算模型，并在工程實例統計和對比分析中得到改善，有助于制定更加可靠的管道檢測維修計劃，具有良好的應用價值。

 

傳統基于內檢測數據的腐蝕生長速率計算，一般通過一次或多次管道內檢測數據對比結果，通過檢測時間間隔內的生長尺寸變化計算其生長速率，進一步預測管道的剩余壽命[1-3]，生長速率計算通�；�于保守的原則。由于管道內檢測技術存在一定的局限性，這種生長速率計算方式可能會造成評價結果過于保守。

改進腐蝕生長速率計算模型考慮了管道內檢測的測量偏差和檢測數據存在的離散誤差。兩次內檢測缺陷深度服從一定均值μ和方差σ 的正態分布，最終計算出的缺陷各自的生長速率也服從正態分布。通過建立腐蝕缺陷生長速率的正態分布模型，結合DNVRP-F 101標準相關規定，選取腐蝕缺陷95%分位數對應的生長速率進行剩余壽命預測。

1 腐蝕生長速率計算

根據內檢測數據對比結果，應從保守性和合理性的角度出發，結合管段自身特點、缺陷生長特性以及內檢測精度指標等因素，合理計算并選取缺陷生長速率值。

1.1 傳統工程使用的計算方法

基于管道內檢測數據對比的腐蝕缺陷生長速率計算普遍采用線性生長模型，即認為兩次內檢測的時間間隔內，腐蝕缺陷呈勻速或線性增長，并且僅考慮缺陷深度的增長[4]。生長速率計算公式（1）如下。

其中：CR為缺陷的生長速率；

Depth2為本次檢測的缺陷深度， mm；

Depth1為上次檢測的缺陷深度， mm；

T2為本次檢測的日期；

T1為上次檢測的日期。

由于管道運營過程中存在的各類不確定因素以及內檢測的測量誤差等原因，通常腐蝕生長速率計算基于保守的考慮。充分保證結果的保守性就容易造成維護維修成本的增加，給管道運營，尤其是管道服役中后期的運營帶來巨大的壓力。

1.2 改進的腐蝕生長速率計算模型

內檢測技術在數據采集和缺陷量化過程中都會產生一定的誤差。行業普遍認為，內檢測的誤差來源分為兩類：測量偏差和數據離散。測量偏差是指重復性檢測過程中同一缺陷的平均檢測值與真實值之間的偏差；數據離散則反映了重復性檢測過程中同一缺陷不同次檢測值之間的分散程度[5]。測量偏差一般是由于內檢測設備本身特性和現場運行等因素造成；而數據離散則取決于內檢測精度指標。

一般認為，如果兩次內檢測采用相同的內檢測設備和缺陷量化模型，則測量偏差可以最大程度的予以降低消除，此時內檢測誤差來源于數據離散，僅與內檢測精度指標有關。這種情況下，缺陷的檢測深度服從一定均值μ和標準差σ 的正態分布，其中均值μ等于缺陷的實際尺寸，標準差σ 可以結合內檢測精度指標和正態分布特點計算得到，如圖 1。

根據正態分布規律，如果兩次檢測的缺陷深度分別服從正態分布N1（μ1,σ12）和N2（μ2,σ22），則兩次深度差值服從正態分布N3（μ2-μ1，σ12+σ22）。

根據公式（1），缺陷的腐蝕速率也可以用正態 分布模型加以描述，如圖2所示。

基于內檢測數據對比和以上計算過程，可以確定每一缺陷的生長速率正態分布模型。 DNV-RP-F 101- 2015中2.9.2.1章節對管道剩余壽命預測進行了描述， 推薦選取95%分位數對應的生長速率值計算管道剩余 壽命，如圖 3所示。其計算公式為μ+1.645σ。 該計算模型既能較為合理的反映各個缺陷的生長特性；又充分考慮了內檢測的精度誤差。

2 實例分析

以國外某管段A為實例，通過兩次內檢測數據對比，分析缺陷生長特性，分別基于傳統和改進的生長速率計算模型，預測管道剩余壽命，分析和比較剩余壽命預測結果。

該管道為32英寸原油管道，于2006年建成投產，分別于2009年和2015年采用同一高清漏磁檢測設備進行了漏磁檢測。

2.1 兩次內檢測數據對比統計分析

該管段在2009年首次檢測中共發現2 523處外部金屬損失缺陷， 2015年次輪檢測中發現了3 074處外部金屬損失缺陷。通過內檢測數據對比，得到兩次檢測深度對比和缺陷生長速率統計，如圖 4所示。

通過兩次檢測深度對比發現，絕大多數金屬損失在檢測時間間隔內出現了生長，并存在部分新增的金屬損失。但大部分缺陷的生長速率較低，腐蝕速率在0～0.2 mm/y之間的缺陷2 370處，約占總數的78 %。僅部分缺陷速率較高，最高速率值達0.7 mm/y。

2.2 缺陷生長速率計算

兩次內檢測采用相同的檢測設備和量化模型，誤差取決于內檢測精度指標，符合正態分布。內檢測精度指標和對應標準差如表 1所示。

分別選取傳統的最大生長速率（通過2.1確定為 0.7 mm/y，記為速率1）和改進計算模型確定的生長速率（記為速率2），預測管道缺陷剩余壽命，兩種生長速率對比如圖 5。

2.3 剩余壽命預測結果對比

基于兩種缺陷生長速率得到管道缺陷處剩余壽命預測結果，進行統計分析和對比，基于速率1的缺陷剩余壽命絕大部分集中在9～15年（84.7%）；而基于壽命2的缺陷剩余壽命大部分大于15年（78.1%），保守程度明顯下降。

根據以往工程經驗，以5年作為維護維修計劃周期，對5年需要計劃維修的金屬損失進行統計分析，如圖 6。結果顯示，基于速率1計算得到的計劃維修缺陷點數量（265處）多于速率2（164處）；兩種速率得到的計劃維修點大部分集中在檢測里程的前18 km，有明顯的聚集趨勢，分別占總數的70.9 % （188處）和76.8 %（126處）。

從缺陷深度的角度分析，計劃維修缺陷中深度30% wt以上的缺陷數量基本相同，但基于速率1得到的深度0～30% wt范圍內的計劃維修缺陷點數量較多；從計劃維修年份角度分析， 2015年（立即維修點）和2016年計劃維修的缺陷點數量基本持平，但2017至2020年，計劃維修的缺陷數量差別逐年增加；基于速率1得到的計劃維修缺陷點中，深度范圍為0～30% wt的缺陷點數量較多且剩余壽命集中在3～5年，分析結論具有一致性。

通過剩余壽命預測結果統計分析，基于速率2的缺陷剩余壽命兩種方法得到的計劃維修缺陷點沿檢測里程分布規律基本相同；深度30% wt以上和計劃維修年在1年以內的缺陷點數量幾乎沒有差別；但由于速率1計算的保守性，有相當數量深度范圍0～30% wt的缺陷點需要在3～5年內計劃維修。因此，基于速率2的剩余壽命預測方法，在制定5年甚至更長的維護維修計劃時，會得到較為合理的結果；而基于速率1的剩余壽命預測方法則可能會出現較多不必要的維修點，造成運營成本的增加。

3 結論

（1）基于兩輪或多輪內檢測數據對比分析流程主要包括環焊縫對齊、缺陷對齊、缺陷匹配和缺陷生長特性分析，將內檢測數據集對比和信號對比相結合，保證數據對比的準確性，為腐蝕缺陷剩余壽命預測提供良好的數據基礎。

（2）采用相同的檢測設備和缺陷量化模型，則可以認為內檢測誤差僅來自數據離散，缺陷檢測深度服從正態分布，以此為基礎建立了腐蝕缺陷生長速率的正態分布模型。

（3）改進的管道腐蝕速率計算方法更加符合腐蝕缺陷實際的生長特性，有助于管道運營商全面深入的了解和監測管道的腐蝕生長狀態，制定更加可靠的檢測周期和維護維修策略，具有良好的應用價值。

參考文獻：

[1]姜曉紅，洪險峰，劉爭，張新榮，陳敏娟. 管道內檢測數據對比對完整性評價的影響[J]. 油氣儲運，2016， 31(1):28-31.

[2]王良軍，李強，梁菁嬿 .長輸管道內檢測數據比對國內外現狀及發展趨勢 [ J ] . 油氣儲運， 2015,34(3):233-235.

[3]王丹丹，林曉，駱秀媛，詹燕紅. 海底管道兩輪漏磁內檢測數據的比對方法[J]. 海船工程，2016,45(3):122-126.

[4]林現喜，張克政，陳劍健，李銀喜，周信，王聯偉. 油氣長輸管道腐蝕速率計算方法評述[J].2016.35(2):192-197.

[5]Kevin Spencer, ShahaniKariyawasam, Cathy Tetreault,Jon Wharf .A Practical Application to Calculating  Corrosion Growth Ratesby

Comparing SuccessiveILI Runs From Different ILI Vendors.[C].Calgary,Alberta, Canada: IPC Press, 2010.

作者：劉承磊， 1990年生， 2012年畢業于西南石油大學石油天然氣安全工程專業， 2015年畢業于中國石油大學（北京）安全技術及工程專業，碩士，工程師，主要從事管道完整性評價相關工作。