一种油管腐蚀程度预测方法及装置制造方法及图纸
【技术实现步骤摘要】
一种油管腐蚀程度预测方法及装置
本专利技术涉及油田井下
，特别涉及一种油管腐蚀程度预测方法及装置。
技术介绍
随着油气田的开发，油气井下的高温高压多相流环境含有的硫化氢、二氧化碳、氯离子、水及微生物等介质会作为伴生物质出现,使井下油管受到严重腐蚀，这样不仅影响了油气井的正常生产,而且给试修井作业带来许多困难。影响油管钢腐蚀的因素可分为环境因素、材料因素和力学因素等。其中，环境因素包括温度、气体分压、腐蚀产物膜、pH值、流速、流型、溶液过饱和度、细菌等。以上这些因素不同程度地影响着油管的腐蚀，因此预测油管腐蚀程度主要从这几方面因素着手。实际工程中井下油管的腐蚀影响因素要非常复杂，例如：井深的变化、作业条件的不同和开发周期的进程不同使得井下不同位置、不同时期的介质浓度及工况条件等复杂多变，油管腐蚀程度不一。此外，许多诸如油管接头部位存在的缝隙和电偶腐蚀问题、管内油膜缓蚀作用机理及井下管柱复合受力状态等问题在本领域内目前尚未研究透彻。由于现有的腐蚀试验方法和设备尚不能完全模拟井下实际工况，因此仅通过现场工况数据检测油管腐蚀情况，或者仅通过现有腐蚀预测理论模型和模拟...
【技术保护点】
一种油管腐蚀程度预测方法，其特征在于，在数据库中预先存储多组不同环境中井下工况数据和对应的油管实际腐蚀速率数据，所述井下工况数据包括CO2浓度、Cl
【技术特征摘要】
1.一种油管腐蚀程度预测方法，其特征在于，在数据库中预先存储多组不同环境中井下工况数据和对应的油管实际腐蚀速率数据，所述井下工况数据包括CO2浓度、Cl-浓度、H2S浓度、温度和压力数据，所述方法包括：S1，选取存储的至少两组井下工况数据及其对应的油管实际腐蚀速率数据，并对选取的数据进行归一化，将归一化后的数据分为训练数据样本和检验数据样本；S2，对典型线性回归模型yi＝a1x1i+a2x2i+…+amxmi使用最小二乘法，并基于训练数据样本，确定aj，其中，xji代入第i组训练数据样本中的第j个影响因素的数据，yi代入第i组训练数据样本中的油管实际腐蚀速率数据，j＝1，2，...，m；根据和所述训练数据样本以及确定出的aj，确定cj，其中，H为预设的置信水平值，且0≤H≤1；根据三角模糊数的隶属函数和确定出的aj、cj，得出三角模糊数Aj(aj，cj)的取值，所述a和所述c为常量，作为模糊线性回归模型y＝A1x1+A2x2+…+Amxm中的回归系数Aj，将该模糊线性回归模型作为所述油管腐蚀预测模型，所述z为选取的工况数据及其对应的腐蚀速率数据，所述x1，x2，...，xm为所述y的相关自变量，所述y为油管实际腐蚀速率，所述x1，x2，...，xm为所述井下工况数据；S3，使用所述检验数据样本验证所述油管腐蚀预测模型的正确性，如果检验通过，则执行S4，否则，转至S1，选取新的数据重复执行流程；S4，采用所得到的油管腐蚀预测模型，对指定环境下的在役油管进行腐蚀程度预测。2.根据权利要求1所述的方法，其特征在于，所述训练数据样本的组数不小于所述自变量的个数。3.根据权利要求1所述的方法，其特征在于，所述对选取的数据进行归一化，具体为：确定选取的数据的取值范围z∈[zmin，zmax]，并确定归一化的尺度范围其中z为选取的数据，为归一化后的数据；根据和所述选取的数据，得出归一化后的数据。4.根据权利要求1所述的方法，其特征在于，所述使用所述检验数据样本验证所述油管腐蚀预测模型的正确性，具体为：将所述检验数据样本中的井下工况数据代入所述油管腐蚀预测模型，得到油管预测腐蚀速率数据，将所述检验数据样本中该井下工况数据对应的油管实际腐蚀速率数据与所述油管预测腐蚀速率数据的差同该油管实际腐蚀速率数据的比值与预设阈值比较，来验证所述油管腐蚀预测模型的正确性，如果该比值不超过预设阈值，则验证通过，否则...
【专利技术属性】
技术研发人员：王鹏，陈光达，宋生印，王振，胡美娟，申昭熙，冯耀荣，贾君君，
申请(专利权)人：中国石油天然气集团公司，中国石油天然气集团公司管材研究所，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。