一种二氧化碳环境下13Cr管材腐蚀速率预测方法与流程

本发明涉及油气管道腐蚀预测的，更具体地，涉及一种二氧化碳环境下13cr管材腐蚀速率预测方法。

背景技术：

1、ccus(carbon capture utilization and storage，碳捕获、利用与封存)技术是实现“双碳”目标的重要技术手段之一。该技术的应用主要体现在各油田持续开展的超临界co2压裂改造非常规储层、co2驱提高原油采收率以及向海上或陆地枯竭油气藏进行co2地质封存。由于co2呈酸性，在井筒中流动时易腐蚀井下管材，令管材壁厚减薄，导致井筒承压能力降低和密封泄露，严重时发生脱落等井下事故，从而造成油井产量下降甚至停产，严重影响油田的正常生产，同时，随着盲目、频繁地更换油套管，修井费用不断增加，开发成本上升。因此，需对管材腐蚀速率进行预测。

2、目前，油田co2注气井普遍采用13cr管材，对于co2环境下13cr管材腐蚀速率的预测模型主要存在以下问题：(1)现有腐蚀速率预测方法主要为经验和半经验模型，适用于一般碳钢，碳钢容易发生碳酸腐蚀和电化学腐蚀且形成的腐蚀产物膜主要成分为厚而疏松的feco3，而相比于1cr、3cr等低含cr管材，13cr管材中cr元素含量较高，更易氧化形成致密的cr2o3膜，腐蚀产物膜性质及其形成机理的差异导致现有模型在预测13cr管材的腐蚀速率时会出现较大差异；(2)现有腐蚀速率预测方法均在液相腐蚀条件下得出，液相腐蚀主要发生在储层处封隔器以下与地层水接触的管柱部分，而管柱其余部分主要受co2气体和凝析水等混合气体腐蚀，为气相腐蚀环境，目前缺少满足气相腐蚀环境下13cr管材腐蚀速率预测模型；(3)现有腐蚀速率预测方法未考虑流体流动对腐蚀速率的影响，无法实现在腐蚀介质流动条件下以及随时间变化的腐蚀速率动态预测，普通碳钢管材或防腐管材在井下服役时，表面均会形成相应的腐蚀产物。当腐蚀产物形态不稳定或存在较高流体流速时，腐蚀产物将处于生成与溶解的平衡状态，此时腐蚀方式表现为匀速腐蚀；当腐蚀产物结构逐渐致密时，腐蚀产物作为保护膜可有效阻止腐蚀介质与管材的接触，此时腐蚀方式为减速腐蚀。

3、现有技术公开了一种含二氧化碳和硫化氢六因素局部腐蚀速率预测模型，包括：建立包含油气管道常见的腐蚀环境六因素腐蚀速率计算函数模型；结合油气管道腐蚀环境，存在六因素不同时出现的情况，在某因素不存在时，该项函数可自动归零计算其他的因素腐蚀速率值；通过高温高压反应釜实验，三维显微镜表征局部腐蚀速率数据，确定不同工况下局部腐蚀速率，采用线回归算法，确定局部腐蚀速率预测模型计算模型中常数项。该方案考虑了co2分压、h2s分压交互腐蚀效应，能计算包括流速、cl-浓度、co2分压、h2s分压、ph值和温度在内的油气管道局部腐蚀速率，然而，各腐蚀环境在影响管材腐蚀反应时存在耦合作用，并非线性叠加的关系，该方案中函数模型为各影响因素与相应权重系数相乘后的叠加，在腐蚀因素大范围波动时管道腐蚀速率预测结果准确性较低。

技术实现思路

1、本发明的目的在于克服现有技术管道腐蚀速率预测结果准确性较低的不足，提供一种二氧化碳环境下13cr管材腐蚀速率预测方法，考虑各腐蚀因素的综合作用对管材腐蚀速率的影响，更贴近复杂环境下的管材腐蚀规律，提高管材腐蚀速率预测结果的准确性。

2、为解决上述技术问题，本发明采用的技术方案是：

3、提供一种二氧化碳环境下13cr管材腐蚀速率预测方法，包括以下步骤：

4、s1：建立多因素数据的正交实验矩阵，进行多因素数据匹配组合下的13cr管材气相腐蚀室内试验，获取多因素数据匹配组合下的腐蚀速率；

5、s2：以所述多因素数据作为自变量，以所述腐蚀速率作为因变量，建立样本数据集，并按照预设比例将所述样本数据集分为训练集和测试集；

6、s3：基于所述训练集对预先建立的决策树模型进行训练，获得训练后的初始决策树模型；

7、s4：将所述测试集中的所述多因素数据输入所述初始决策树模型，输出测试腐蚀速率；

8、s5：判断所述测试腐蚀速率与所述测试集中的腐蚀速率的误差是否小于预设误差；若是，将所述初始决策树模型作为目标决策树模型，进入步骤s6；若否，修改预先建立的决策树模型的参数，返回步骤s3；

9、s6：将目标多因素数据输入所述目标决策树模型，得到腐蚀速率预测结果。

10、本发明的二氧化碳环境下13cr管材腐蚀速率预测方法，采用正交矩阵法进行多腐蚀因素下13cr管材气相腐蚀室内实验，将实验的多因素数据和腐蚀速率建立的样本数据集导入决策树模型进行训练和测试，获得目标决策树模型，实现13cr管材在气相动态腐蚀条件下的腐蚀速率预测。本发明考虑多腐蚀因素的综合作用对管材腐蚀速率的影响，更贴近石油行业中涉及co2驱油井、co2封存井、反吐co2的生产井等井筒内含co2的复杂环境下的管材腐蚀规律，提高在腐蚀因素大范围波动时13cr管材腐蚀速率预测结果的准确性。

11、优选地，步骤s1中，多因素数据包括影响co2腐蚀反应的条件数据，包括温度、co2分压、气相含水率、cl-浓度、气体流速和腐蚀时间。

12、优选地，步骤s1中，13cr管材气相腐蚀室内试验包括以下步骤：

13、s101：对油田现场提供的13cr管材进行车铣得到挂片，对挂片进行预处理，对预处理后的挂片称重得到挂片质量为g1；

14、s102：将称重后的13cr挂片放入高温高压反应釜中，根据实际地层水矿化度配置含cl-的模拟用水加入至高温高压反应釜中，打开加热按钮使反应釜内温度加热至预设腐蚀温度，通入co2至反应釜内达到预设腐蚀压力，根据生产井产出速率设置并打开反应釜内流体流速控制器，按不同的预设腐蚀周期分别进行13cr管材腐蚀实验；

15、s103：到达预设腐蚀周期后，将腐蚀后的挂片取出，对挂片进行后处理，再对挂片称重得到腐蚀后的挂片质量为g2；

16、s104：根据步骤s101的称重数据g1和步骤s103的称重数据g2，采用失重法计算13cr管材在不同腐蚀周期内的气相腐蚀速率。

17、优选地，步骤s101中，对挂片进行预处理的过程为：利用金刚砂纸逐步打磨挂片表面达到镜面状态，依次采用去离子水、无水酒精清洗后，放置真空干燥箱中干燥。

18、优选地，步骤s102中，通入co2过程中，需通入co2将反应釜内的空气排除，然后关闭出口阀，再持续通入co2至预设腐蚀压力。

19、优选地，步骤s103中，将腐蚀后的挂片取出时，首先关闭反应釜内的流体流速控制器，再关闭加热按钮，待温度下降至常温后，进行泄压处理，再打开反应釜，将反应釜中装载挂片的容器去除，用镊子将挂片取出，并用吸水纸吸干挂片表面残留的水分，逐片装入实验保存袋中。

20、优选地，步骤s103中，对挂片进行后处理的过程为：将挂片表面用蒸馏水冲洗去除腐蚀残留物cr2o3膜，用无水酒精除水后烘干挂片。

21、优选地，步骤s104中，气相腐蚀速率的计算如下：

22、

23、δg＝g1-g2；

24、式中，vcor表示平均腐蚀速率；δg表示挂片的质量损失；ρ表示挂片的密度；s表示接触面积；t表示实验时间。

25、优选地，步骤s3中，预先建立决策树模型的过程为：根据决策树机器学习原理，以腐蚀速率作为根节点，计算腐蚀影响因素的特征信息增益，选择信息增益最大的特征作为相应腐蚀因素的特征，由此特征的不同取值建立子节点，重复上述操作从剩余腐蚀影响因素中选择特征的不同取值建立下一子节点，直到没有特征选择为止，完成决策树的构建。

26、优选地，步骤s6中，根据得到的腐蚀速率预测结果，计算各时间点的腐蚀速率标准离差率，若各时间点的腐蚀速率预测值的标准离差率不超过10％，则判定为匀速腐蚀，腐蚀速率不随时间变化，为决策树模型预测结果；若各时间点的腐蚀速率预测值的标准离差率超过10％且有明显随时间下降的趋势，则判定为变速腐蚀，不同腐蚀时间下的腐蚀速率结果采用关于决策树模型学习结果与腐蚀时间的函数关系式进行计算。

27、本发明的二氧化碳环境下13cr管材腐蚀速率预测方法与现有技术相比，产生的有益效果为：

28、考虑多腐蚀因素的综合作用对管材腐蚀速率的影响，更贴近复杂环境下的管材腐蚀规律，提高在腐蚀因素大范围波动时管材腐蚀速率预测结果的准确性。

技术特征：

1.一种二氧化碳环境下13cr管材腐蚀速率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的二氧化碳环境下13cr管材腐蚀速率预测方法，其特征在于，步骤s1中，多因素数据包括影响co2腐蚀反应的条件数据，包括温度、co2分压、气相含水率、cl-浓度、气体流速和腐蚀时间。

3.根据权利要求1所述的二氧化碳环境下13cr管材腐蚀速率预测方法，其特征在于，步骤s1中，13cr管材气相腐蚀室内试验包括以下步骤：

4.根据权利要求3所述的二氧化碳环境下13cr管材腐蚀速率预测方法，其特征在于，步骤s101中，对挂片进行预处理的过程为：利用金刚砂纸逐步打磨挂片表面达到镜面状态，依次采用去离子水、无水酒精清洗后，放置真空干燥箱中干燥。

5.根据权利要求3所述的二氧化碳环境下13cr管材腐蚀速率预测方法，其特征在于，步骤s102中，通入co2过程中，需通入co2将反应釜内的空气排除，然后关闭出口阀，再持续通入co2至预设腐蚀压力。

6.根据权利要求3所述的二氧化碳环境下13cr管材腐蚀速率预测方法，其特征在于，步骤s103中，将腐蚀后的挂片取出时，首先关闭反应釜内的流体流速控制器，再关闭加热按钮，待温度下降至常温后，进行泄压处理，再打开反应釜，将反应釜中装载挂片的容器去除，用镊子将挂片取出，并用吸水纸吸干挂片表面残留的水分，逐片装入实验保存袋中。

7.根据权利要求6所述的二氧化碳环境下13cr管材腐蚀速率预测方法，其特征在于，步骤s103中，对挂片进行后处理的过程为：将挂片表面用蒸馏水冲洗去除腐蚀残留物cr2o3膜，用无水酒精除水后烘干挂片。

8.根据权利要求3所述的二氧化碳环境下13cr管材腐蚀速率预测方法，其特征在于，步骤s104中，气相腐蚀速率的计算如下：

9.根据权利要求1所述的二氧化碳环境下13cr管材腐蚀速率预测方法，其特征在于，步骤s3中，预先建立决策树模型的过程为：根据决策树机器学习原理，以腐蚀速率作为根节点，计算腐蚀影响因素的特征信息增益，选择信息增益最大的特征作为相应腐蚀因素的特征，由此特征的不同取值建立子节点，重复上述操作从剩余腐蚀影响因素中选择特征的不同取值建立下一子节点，直到没有特征选择为止，完成决策树的构建。

10.根据权利要求2至9任一项所述的二氧化碳环境下13cr管材腐蚀速率预测方法，其特征在于，步骤s6中，根据得到的腐蚀速率预测结果，计算各时间点的腐蚀速率标准离差率，若各时间点的腐蚀速率预测值的标准离差率不超过10％，则判定为匀速腐蚀，腐蚀速率不随时间变化，为决策树模型预测结果；若各时间点的腐蚀速率预测值的标准离差率超过10％且有明显随时间下降的趋势，则判定为变速腐蚀，不同腐蚀时间下的腐蚀速率结果采用关于决策树模型学习结果与腐蚀时间的函数关系式进行计算。

技术总结
本发明涉及油气管道腐蚀预测的技术领域，更具体地，涉及一种二氧化碳环境下13Cr管材腐蚀速率预测方法，采用正交矩阵法进行多腐蚀因素下13Cr管材气相腐蚀室内实验，将实验的多因素数据和腐蚀速率建立的样本数据集导入决策树模型进行训练和测试，获得目标决策树模型，实现13Cr管材在气相动态腐蚀条件下的腐蚀速率预测。本发明考虑多腐蚀因素的综合作用对管材腐蚀速率的影响，更贴近石油行业中涉及CO<subgt;2</subgt;驱油井、CO<subgt;2</subgt;封存井、反吐CO<subgt;2</subgt;的生产井等井筒内含CO<subgt;2</subgt;的复杂环境下的管材腐蚀规律，提高13Cr管材腐蚀速率预测结果的准确性。

技术研发人员：姜平,贾辉,王闯,宫汝祥,刘其鑫,张雪娜,薄振宇
受保护的技术使用者：中海石油（中国）有限公司海南分公司
技术研发日：
技术公布日：2024/12/5