基于人工神经网络的常压塔顶油气系统腐蚀预测

李 昊，王 宁，潘 岩，晋西润，葛玉龙，马方义，左 甜

(中海油炼油化工科学研究院，山东 青岛 266500)

基于人工神经网络的常压塔顶油气系统腐蚀预测

李 昊，王 宁，潘 岩，晋西润，葛玉龙，马方义，左 甜

(中海油炼油化工科学研究院，山东 青岛 266500)

对某公司常减压蒸馏装置低温部位腐蚀情况进行了分析，根据一段时间内塔顶污水检测数据，通过人工神经网络建立了腐蚀速率预测模型。该模型以常压塔塔顶流出污水的pH、氯离子浓度、铁离子浓度、硫化物浓度作为输入数据，以平均腐蚀速率为输出数据。结果表明，该模型预测结果与实际结果的相对误差在10%左右，平均相对误差为7.5%，具有良好的预测精度，能够反映常压塔塔顶污水检测数据与腐蚀速率的关系。

常压塔顶 腐蚀 人工神经网络 腐蚀速率 预测

常压塔塔顶系统设备管线由于处于HCl-H2S-H2O的腐蚀环境，是常减压蒸馏装置中腐蚀问题较严重的部位之一[1]，加工重质高酸原油的常压塔受各种因素的影响，塔顶油气系统的腐蚀严重，由此造成装置停工以及维护检修人力物力的浪费，同时也为装置长周期安全运行留下隐患，因此对现有常压塔塔顶油气系统的设备管线进行腐蚀预测对装置的安全生产和经济效益提升具有重要意义。但在实际生产环境中，设备管线的腐蚀速率除了利用腐蚀探针直接检测外，通常依靠塔顶污水的pH、氯离子浓度、铁离子浓度、硫化物浓度来进行间接判定，由于上述各因素对腐蚀的影响很复杂，难以建立准确的数学模型。人工神经网络可以通过自身较强的学习能力和多因素协同作用来利用上述因素确定腐蚀数学模型，并对腐蚀速率进行预测[2]。本研究采用人工神经网络对常压塔塔顶油气系统腐蚀进行拟合、预测，为腐蚀检测提供参考。

1 管线腐蚀因素分析及训练数据源选择

某公司常减压蒸馏装置主要加工高酸重质原油，常压塔塔顶管线主要选用碳钢材质。原油加工量为50 th，常压塔塔顶温度为94～112 ℃，压力为1.9～13.4 kPa。常减压蒸馏装置低温部分腐蚀原因主要是：①电脱盐效果差，原油脱后含盐量高，大量氯化物进入常压塔和减压塔塔顶部位，与塔顶凝出水形成盐酸溶液对管线造成腐蚀；②常压塔塔顶注铵设备不完善，使得塔顶pH无法准确控制，容易形成塔顶HCl-H2S-H2O腐蚀，导致排除水中Fe2+质量浓度较高；③冷凝水pH检测手段缺乏，导致不能及时调整注氨量，使pH长期过低，致使常减压蒸馏装置长期处于酸性腐蚀状态[3]。因此选择常压塔塔顶流出污水的pH、氯离子浓度、铁离子浓度和硫化物浓度作为训练数据，平均腐蚀速率作为输出数据。

2 人工神经网络模型的建立及预测

人工神经网络是一种模拟大脑间神经突触连接结构进行信息处理的数学模型，由大量神经元个体节点和其间相互连接的加权值共同组成，每个个体节点称为激励函数代表一种运算，每两个节点间通过一个加权值连接，称为权重，输入输出值的范围称为阈值。网络的输出则取决于网络的结构、网络的连接方式、权重和激励函数等。神经网络在运行时，首先向网络提供学习样本，包括输入值和期望输出值，通过比较实际输出值和期望输出值确定其误差值，之后通过改变网络间的连接权值使误差值减小，直至误差值满足确定的允许误差[2]。

本研究选取的人工神经网络是一种多层前馈神经网络，该网络一般为输入层、隐含层、输出层三层结构，其主要特点为信号前向传递，误差反向传递。输入信号从输入层进入网络，经隐含层逐层处理，通过输出层输出。如果输出值达不到期望输出，将输出值与期望值间的误差反向传播，根据误差调整网络的权值和阈值，通过反复多次迭代减小误差，直至误差降至容许值，则完成网络训练[4]。

2.1 神经网络建立

2.1.1网络初始化将实验得到的100组数据随机分为90组训练数据，10组测试数据。以pH、氯离子浓度、铁离子浓度和硫化物含量作为训练数据，腐蚀速率作为输出数据。首先对输入、输出数据进行归一化。然后通过经验公式(1)选择隐含层节点数的大概范围后，由试凑法确定最佳节点数。通过多次实验后，确定隐含层节点数为5时训练样本的预测结果最为准确。因此，选取隐含层节点数为5，采用三层神经网络，拓扑结构为4-5-5-1。通过测试选用双层隐含层网络，其相对单隐含层具有泛化能力强、预测精度高的特点。

(1)

式中：n为输入层节点数；l为隐含层节点数；m为输出层节点数；a为0～10间的常数。

2.1.2节点转移函数确定隐含层输出函数根据输入变量x、输入层和隐含层间连接权值wij以及隐含层阈值a，通过式(2)计算隐含层输出H，权值和阈值初始化赋值在(0，1)区间内随机选取。选取函数为logsig函数。

(2)

式中，f为隐含层激励函数。

通过式(3)可计算人工神经网络预测输出O,选取输出层激励函数为tansing函数。

(3)

式中：h为隐含层输出；wjk为连接权值；b为阈值。

2.1.3误差计算网络预测误差e由式(4)可得：

ek=Yk-Okk=1，2，…m

(4)

式中：O为预测输出；Y为期望输出。

2.1.4权值更新通过式(5)、式(6)更新网络连接权值wij和wjk：

(5)

wjk=wjk+ηHjekj=1，2，…，l；k=1，2，…，m

(6)

式中，η为学习速率。

2.1.5阈值更新通过式(7)、式(8)更新网络节点阈值a，b：

(7)

bk=bk+ekk=1，2，…，m

(8)

式中,e为网络预测误差。

2.1.6算法流程判定判断算法迭代是否结束，若没有结束，返回步骤2。

2.2 腐蚀速率模型建立及预测

通过MATLAB语言进行编程，输入值为inputn，输出值为outputn。随机取90组数据作为训练数据，10组数据为预测数据，预测输出与期望输出数据对比见图1。腐蚀速率模型预测误差见图2。从图1可以看出，预测输出与期望输出数据基本吻合，表明试验所建立的BP神经网络可以较准确预测常减压蒸馏装置低温部位的腐蚀情况。从图2可以看出，除极少数数据外，其它数据的预测结果与实际结果的相对误差在10%左右，平均相对误差为7.5%。针对样本9出现较大误差，原因为人工神经网络在复杂的系统下拟合能力具有局限性，预测会出现一定的偏差，目前解决方案主要有两种：①改变预测算法，如利用遗传算法能增加数据样本较少时的预测准确性；②增加数据样本，由于人工神经网络是基于大量数据进行预测的，所以在样本量增大时，其预测误差会降低。

图1 预测输出与期望输出数据对比 ■—预测输出； ●—期望输出

图2 腐蚀速率模型预测误差

基于人工神经网络腐蚀预测结果与实际腐蚀速率在整体上符合性较好，体现出人工神经网络具有较强的学习能力和预测能力，表明该方法对常压塔塔顶油气系统的腐蚀预测研究是可行的。

2.3 腐蚀速率模型运行

在实际生产环境中，腐蚀是由于多种因素共同作用而成，很难确定单一因素对其影响，这给对防腐的研究造成一定困难。该模型可以通过单一变量的考察，确定在一定条件下不同因素的变化对腐蚀速率的影响。为进一步研究各因素对腐蚀速率的影响，将主要选取因素进行单一值变化，利用建立的网络考察各因素对腐蚀速率的影响。塔顶污水中的铁离子是塔顶设备管线腐蚀后的产物，铁离子浓度增加，表明塔顶管线的腐蚀速率增加，铁离子浓度越高，管线腐蚀越严重，腐蚀产物以铁离子的形式存在于污水中。保持pH为8、氯离子浓度为30 mgL、硫化物浓度为30 mgL，将铁离子浓度从1 mgL逐渐增加到10 mgL，铁离子浓度与腐蚀速率的关系见图3。从图3可以看出，铁离子浓度越高，腐蚀速率越大，符合自然腐蚀规律，但其腐蚀速率随着单一变量的增加变化值过小，可能是因为选取的数据样本大部分在正常值范围内，腐蚀速率变化较小，导致预测时单一变量超出正常范围后其腐蚀速率变化值依然较小。在实际运用中检测数据在合理范围之内，模型对腐蚀速率的预测依然具有较高精度。

图3 铁离子浓度与腐蚀速率的关系

图4 pH对腐蚀速率的影响

图5 氯离子浓度对腐蚀速率的影响

图6 硫化物浓度对腐蚀速率的影响

3 结 论

基于人工神经网络的特点，建立了具有双隐含层的人工神经网络腐蚀速率预测模型。根据某公司实际生产情况确定常压塔塔顶流出污水的pH、氯离子浓度、铁离子浓度和硫化物浓度作为训练数据，腐蚀速率作为输出数据。经过训练，结果证明所建立的人工神经网络腐蚀速率预测模型预

测值与实际值具有良好的吻合度，预测精度较高。通过建立的模型进行单一因素考察，确定氯离子浓度和硫化物浓度对腐蚀速率有促进作用，提高污水的pH对腐蚀速率有抑制作用，铁离子浓度增加表明腐蚀速率增大。

[1] 崔蕊，于焕良，钟广文.常压塔塔顶循环管线结垢腐蚀的原因分析及解决措施[J].石油炼制与化工，2015，46(6)：89-94

[2] 张代远.神经网络新理论与方法[M].北京：清华大学出版社，2006：11

[3] 薛光亭.加工海洋高酸原油常减压装置的腐蚀与防护[J].石油化工腐蚀与防护，2013，30(5)：50-53

[4] 王小川，史峰，郁磊，等.MATLAB神经网络43个案例分析[M].北京：北京航空航天大学出版社，2013：8

[5] 吕胜杰，程学群，段振国.循环水中氯离子含量对碳钢腐蚀行为影响规律的研究[J].石油炼制与化工，2011，42(3)：84-87

[6] 杜荣归，刘玉，林昌健.氯离子对钢筋腐蚀机理的影响及其研究进展[J].材料保护，2006，39(6)：45-50

简 讯

加拿大哥伦比亚大学研究人员开发了高效生物反应器

加拿大英属哥伦比亚大学(BUC)的Cigdem Eskicioglu副教授与欧洲和澳大利亚的合作者找到了一种新的生物质处理技术，可将发酵生产沼气的时间减少一半。Eskicioglu将该技术与传统发酵工艺比较后发现，新技术用杉树皮产生甲烷的速率快72%。这种生物反应器更小、成本更低，更容易实施。虽然在发酵前，新工艺要在高温高压下用二氧化碳在水中对粗有机原料进行预处理，但预处理方法所需设备和材料均为工业品，因此生物反应器无论是改造还是新建都较为简单、经济。

[靳爱民摘译自Biofuels Journal，2017-07-13]

CORROSIONPREDICTIONFOROILANDGASSYSTEMATTOPOFATMOSPHERICPRESSURETOWERBYARTIFICIALNEURALNETWORK

Li Hao， Wang Ning， Pan Yan， Jin Xirun， Ge Yulong， Ma Fangyi， Zuo Tian

(CNOOCOilRefiningandChemicalEngineeringResearchInstitute，Qingdao，Shandong266500)

Based on the data of low temperature corrosion of atmospheric and vacuum distillation unit，a model was established for predicting corrosion rate of oil and gas system at top of atmospheric tower by artificial neural network.The corrosion factors of pH value，the concentrations of chloride and iron ion as well as sulfide were used as input data and the average corrosion rates as output data.The experimental results showed that the model has good prediction accuracy with a relative error of 10% and average relative error of 7.5%，indicating that the model can reflect the relationship between corrosion factors and corrosion rate predicted.

top of atmospheric tower； corrosion； artificial neural network； corrosion rate； prediction

2017-04-28；修改稿收到日期2017-07-12。

李昊，主要从事炼油设备的腐蚀与防护研究及设备检测工作。

李昊，E-mail：lihao27@cnooc.com.cn。