К 55-летию Тюменского государственного нефтегазового университета (стр. 24 )

4. Растригин сложных систем. – Рига: Зинатне, 1981. – 375 с.

5. Интенсификация добычи нефти на месторождениях . - «Нефть и капитал», № 5. Спец. приложение «Нефтеотдача», - 2002.

6. Пьянкова исследования накопления жидкости в скважинах сложного профиля / , , // Известия вузов. Нефть и газ. – 2002. - № 6. – С. 42-46.

Сведения об авторе

, ассистент кафедры «Моделирование и управление процессами
нефтегазодобычи», Тюменский государственный нефтегазовый университет,

Katanov Yu. Ye., post graduate student of the chair «Modeling and management of oil and gas production processes», Tyumen State oil and Gas University, phone:

_________________________________________________________________________________________

УДК 622.691.4.053-19:620.19

РАЗРАБОТКА МЕТОДИКИ ОЦЕНКИ СКОРОСТИ КОРРОЗИИ

МАГИСТРАЛЬНЫХ ГАЗОПРОВОДОВ

DEVELOPMENT OF THE PROCEDURE FOR ESTIMATION OF TRUNK GAS PIPELINES CORROSION RATE METHOD

A. L. Kolosova

Тюменский государственный нефтегазовый университет, г. Тюмень

Ключевые слова: система, нечеткая логика, нечеткий вывод, коррозия, магистральный газопровод

Key words: system, fuzzy logic, fuzzy inference, corrosion, trunk gas pipeline

В настоящее время при проведении математических вычислений для анализа каких-либо технических систем наблюдается тенденция увеличения сложности таких систем и соответственно объемов вычислений. Проведение подобных расчетов требует привлечения больших вычислительных ресурсов, а также создания сложных математических моделей, описывающих наиболее полно поведение технических систем; при этом весь положительный эффект создания наиболее приближенной к реальному объекту математической модели может быть нивелирован привнесенными вычислительными погрешностями и возможной неточностью априорной информации о системе. Данная проблема в настоящее время все чаще устраняется использованием методов нечеткого моделирования при проведении вычислений [1, 2]. Методы нечеткого моделирования специально ориентированы на построение моделей, учитывающих неполноту и неточность исходных данных. Именно в таких ситуациях технология нечеткого моделирования является наиболее конструктивной, так как прежде всего ориентирована на современную тенденцию увеличения сложности математических и формальных моделей реальных систем и процессов управления, связанную с желанием повысить их адекватность и учесть все большее число различных факторов, оказывающих влияние на процессы принятия решений [1].

Нечеткое управление оказывается особенно полезным, когда технологические процессы являются слишком сложными для анализа с помощью общепринятых количественных методов или, когда доступные источники информации интерпретируются качественно, неточно и неопределенно [2, 3]. Таким образом, использование математического аппарата нечеткой логики предоставляет средства отражения нечеткости исходной информации и предоставляет возможности построения моделей, адекватных реальности.

Одним из многочисленных примеров сложной технической системы в нефтегазовой сфере являются магистральные газопроводы (МГ). Распределенная сеть магистральных газопроводов характеризуется большой протяженностью и эксплуатируется в разнообразнейших природно-климатических условиях, при этом на газопровод действует большое количество внешних и внутренних факторов, приводящих к механическим, силовым и коррозионным разрушениям труб МГ. Основная причина отказов – в коррозионном факторе.

Известно, что каждый третий отказ на магистральных газопроводах происходит по причине коррозии. Более 70% дефектов, выявленных внутритрубной дефектоскопией, имеет коррозионное происхождение [4].

К настоящему времени разработаны и используются различные способы определения и прогнозирования развития коррозионных дефектов магистральных газопроводов [5, 6]. Недостатком таких методов является то, что судить о состоянии газопроводной трубы предлагается посредством измерения и оценки одного или нескольких связанных параметров, что в конечном итоге дает одностороннюю и далеко не полную информацию о разрушающих процессах в газопроводе.

В литературе [5] предложена математическая модель, функционально описывающая участки магистрального газопровода по степени их коррозионной опасности и включающая расчет величины потенциально прогнозируемой скорости коррозии (ППСК).

Глубина коррозионного повреждения определяется суммой переменных, не зависящих друг от друга и описывающих различные параметры среды околотрубного пространства :

,

где — -я переменная, описывающая каждый из влияющих параметров среды.

Потенциально прогнозируемая скорость коррозии — это такая скорость коррозии металла , которая характеризует рост глубины дефекта наружной стенки газопровода в заданный момент времени и в зависимости от активности коррозионных факторов , допуская развитие этого дефекта в любой точке обследуемого участка. В общем виде величина потенциально прогнозируемой скорости коррозии определяется из следующего выражения:

,

где — число коэффициентов , принятых для расчета потенциально прогнозируемой скорости коррозии.

Основываясь на предложенной модели, построим систему нечеткого вывода, призванную рассчитывать потенциально прогнозируемую скорость коррозии магистрального газопровода на основе анализа расширенного спектра факторов, действующих на МГ. Для этого в качестве входных переменных будем использовать следующие оценки:

1) срок эксплуатации газопровода;

2) уровень напряжений в стенках газопровода;

3) степень анаэробности грунта;

4) удельное электрическое сопротивление грунта;

5) качество марки стали;

6) ионная сила грунтовой влаги;

7) окислительно-восстановительный потенциал грунта (редокс-потенциал);

8) средняя плотность катодного тока;

9) уровень рН грунта;

10) влажность грунта.

Эти данные могут быть получены из проектной документации на магистральные газопроводы, посредством проведения полевых исследований, получения данных от датчиков, станций электрохимической защиты МГ, а также за счет выполнения математических вычислений от измеренных значений косвенных факторов.

Выходным параметром примем оценку потенциально прогнозируемой скорости коррозии , которая является основой для дальнейших оценок технического ресурса газопровода и принятия решений по эксплуатации и срокам его ремонта.

Функциональная схема системы нечеткого моделирования представлена на рис. 1.

Рис. 1. Функциональная схема системы нечеткого вывода

Система организует нечеткий вывод, который может быть представлен так

Знание «Если есть , то есть »

Факт « есть »

___________________________________________

Вывод « есть »

Таким образом, изначально известны конкретные значения всех входных переменных, то есть множество значений:

,

где — область определения лингвистической переменой .

При этом — нечеткое множество на с известной функцией принадлежности . То есть . При этом значение используется в качестве аргумента , тем самым находится количественное значение , которое и является результатом фаззификации подусловия «есть ,».

Если условие состоит из нескольких подусловий, то определяется степень истинности сложного высказывания на основе известных значений истинности подусловий. Этот этап нечеткого вывода называется агрегированием.

Активация — процедура нахождения истинности каждого из подзаключений базы правил. В данном случае степень истинности подзаключения « есть » каждого правила равна соответствующему значению истинности условия, определенного на этапе агрегирования. Этап активации считается законченным, когда определены значения истинности для выходной переменной в каждом из правил нечетких продукций.

Следующим этапом нечеткого вывода является аккумуляция, которая представляет процедуру нахождения функции принадлежности выходной переменной . До начала этого этапа предполагаются известными значения истинности всех подзаключений, входящих в базу правил системы нечеткого вывода. Аккумуляция осуществляется как объединение нечетких множеств , где — количество подзаключений в базе правил:

.

Дефаззификация в системах нечеткого вывода представляет процедуру нахождения значения (не нечеткого) выходной переменной. Будем использовать метод центра тяжести, который основывается на формуле

,

где min и max — левая и правая точки интервала носителя нечеткого множества рассматриваемой выходной переменной .

Построение системы нечеткого вывода осуществляется с использованием пакета Fuzzy Logic Toolbox среды MATHLAB [1, 2, 3, 7]. Для этого в среде MATHLAB необходимо определить входные и выходную переменные, задать параметры модели и создать базу правил системы нечеткого вывода на основе экспертных знаний.

Разработанная система позволяет выполнить расчеты потенциально прогнозируемой скорости коррозии труб МГ.

Проведем повторный расчет скорости коррозии МГ, выполненный в [5], и сравним результаты. Исходные данные, предполагаемые результаты по итогам балльной оценки и полученные расчетные значения потенциально-прогнозируемой скорости коррозии по двум альтернативным методикам приведены в табл. 1.

Таблица 1

Расчет потенциально прогнозируемой скорости коррозии

по двум альтернативным методикам

Номер участка	1	2	3	4	5	6
Срок эксплуатации, лет	20	20	20	20	20	20
Литология	Торф + ожеле-зенная супесь	Ожеле-зенная супесь	Ожеле-зенная супесь	Ожеле-зенная супесь	Торф	Торф + суглинок
Удельное электрическое сопротивление грунта, Ом·м	28	38	52	35	30	24
Влажность, %	18	20	26	28	25	12
Марка стали	17 Г1С	17 Г2СФ	17 Г2СФ + 17 Г1С	17 Г1С	17 Г2СФ	17 Г1С
Ионный состав, мг/кг	Cl-	300	400	220	145	320	110
SO4-2	150	100	80	25	100	50
Общая щелочь	250	350	145	80	120	180
Редокс-потенциал	0,25	0,45	0,27	0,20	0,47	0,23
Коэффициент потенциала защиты	0,0028	0,0018	0,0014	0,0017	0,0017	0,0016
pH	8	8	6,4	6,1	7,1	6,7
Коррозионная активность грунта, сумма баллов	Средняя 7	Слабая 4	Средняя 7	Средняя 7	Средняя 9	Средняя 7
Скорость коррозии (методика [5]), мм/год	0,25	0,24	0,22	0,24	0,36	0,22
Скорость коррозии (нечеткая модель), мм/год	0,281	0,253	0,275	0,272	0,449	0,277

Результаты расчетов представлены в графическом виде на рис. 2.