一种预测油气管道腐蚀破裂压力的方法及装置与流程

本发明涉及油气管道维护，具体涉及一种预测油气管道腐蚀破裂压力的方法及装置。

背景技术：

1、在石油开采、输送及生产炼化过程中，通常需要借助油气管道(以下简称管道)完成石油、天然气、液化石油气等物质的转移、输送。管道的完整性和可靠性是保障输送过程稳定可靠运行的基础。但随着管道服役时间增长，管道内外表面会逐渐发生腐蚀，容易造成管道出现泄漏或破裂的情况。根据欧洲天然气管道事故数据组第11次报告，腐蚀是天然气管道事故的第二大原因，占所有失效原因的26.63％。天然气管道故障不仅会导致巨大的经济损失，而且会对人类安全和环境造成灾难性的影响。爆破压力能够反映在役管道的压力极限，是管道设计和维护的重要参数。因此，准确预测管道腐蚀爆破压力，对保证油气管道的运行安全和完整性管理至关重要。

2、管道腐蚀爆破压力预测是一个复杂的非线性力学问题。在现有的相关技术中，爆破压力预测模型存在较大的局限性。例如，经验公式相对保守，预测的爆破压力通常远低于实际爆破压力。另外，经验公式对不同强度的管线钢的适用性不同，有必要根据材料的具体牌号选择相应的型号。有限元分析要求实验者具有丰富的仿真环境和边界条件设置经验。机器学习建立的模型可解释性差，模型质量高度和预测结果的准确性依赖于数据集的质量和数量。可见，相关技术无法准确地预测油气管道的破裂压力。

技术实现思路

1、本发明所要解决的技术问题是预测油气管道腐蚀破裂压力的准确性低的问题。

2、为解决上述技术问题，本发明提供了一种预测油气管道腐蚀破裂压力的方法及装置。具体采用如下技术方案：

3、第一方面，本发明提供一种预测油气管道腐蚀破裂压力的方法，该方法包括：首先，获取腐蚀管道的第一特征空间，其中，第一特征空间包括：用于表征腐蚀管道的特征参数和用于表征腐蚀缺陷的特征参数。然后，对第一特征空间中的特征参数进行特征变换，得到第二特征空间，第二特征空间至少包括第一特征空间。最后，将第二特征空间输入预测模型，以输出腐蚀管道的预测破裂压力。其中，预测模型通过树结构贝叶斯优化(tree-structured parzen estimator，tpe)算法优化的轻量级梯度提升机(light gradientboosting machine，lightgbm)构建得到。

4、该方法中，能够根据腐蚀管道的原有特征参数(即上述第一特征空间)构建具有物理意义的新特征参数，与原有特征参数组成新的特征空间(即上述第二特征空间)，使预测模型能够充分挖掘隐藏在数据中的知识。并且，能够基于特雷斯卡(tresca)屈服准则，通过tpe优化的lightgbm来学习管道参数、腐蚀特性和爆破压力之间的关系，以构建预测模型。并通过该预测模型，得到预测的破裂压力。这样，能够提高预测油气管道腐蚀破裂压力的准确性。

5、结合第一方面，在一种可选择的实现方式中，上述第一特征空间包括：管道外径、管道壁厚、腐蚀缺陷深度、腐蚀缺陷长度、腐蚀缺陷宽度、管道屈服强度、管道极限强度以及管道强度等级。上述第二特征空间包括：管道外径、管道壁厚、腐蚀缺陷深度、腐蚀缺陷长度、腐蚀缺陷宽度、管道屈服强度、管道极限强度、管道强度等级、管道壁厚与管道外径的比值、腐蚀缺陷深度与管道壁厚的比值、腐蚀缺陷宽度与管道外径的比值、无量纲腐蚀长度、腐蚀缺陷表面积以及屈服比。其中，无量纲腐蚀长度根据腐蚀缺陷长度、腐蚀缺陷深度、管道外径和管道壁厚确定得到的，腐蚀缺陷表面积根据腐蚀缺陷深度、腐蚀缺陷长度、腐蚀缺陷宽度确定得到的，屈服比为管道极限强度与管道强度等级的比值。在本实现方式中，能够丰富特征空间，从而提高预测油气腐蚀管道的破裂压力的准确性。

6、结合第一方面，在一种可选择的实现方式中，上述预测模型的表达式为：

7、ppredict＝pmin+(2×pmax-pmin)×f(x1,x2,…,x14)；

8、其中，

9、其中，ppredict用于表示预测破裂压力，pmax用于表示与腐蚀管道相同管道外径和相同管道壁厚的完整管道的爆破压力，pmin用于表示与腐蚀管道相同管道外径和管道壁厚等于腐蚀管道剩余壁厚的完整管道的爆破压力，x1,x2,…,x14用于表示第二特征空间中的特征参数，f(x1,x2,…,x14)用于表示第二特征空间中与特征参数有关的函数，σu用于表示管道极限强度，t用于表示管道壁厚，d用于表示管道外径，d用于表示腐蚀缺陷深度。在本实现方式中，通过该预测模型能够准确地预测爆破压力，从而提高预测腐蚀管道爆破压力的准确性。

10、结合第一方面，在一种可选择的实现方式中，上述预测模型的构建方法包括：首先，获取爆破压力样本数据集，爆破压力样本数据集包括：管道外径样本参数、管道壁厚样本参数、腐蚀缺陷深度样本参数、腐蚀缺陷长度样本参数、腐蚀缺陷宽度样本参数、管道屈服强度样本参数、管道极限强度样本参数、管道强度等级样本参数以及爆破压力样本参数。然后，根据爆破压力样本数据集建立lightgbm模型。接下来，通过tpe算法优化lightgbm模型，得到优化后的lightgbm模型。最后，根据优化后的lightgbm模型，确定预测模型。这样，可以提高爆破压力样本数据集中数据的丰富性和多样性，从而提高lightgbm模型训练的精度，进而提高预测腐蚀管道爆破压力的准确性。

11、结合第一方面，在一种可选择的实现方式中，上述通过tpe算法优化lightgbm模型，得到优化后的lightgbm模型，包括：通过tpe算法对lightgbm模型的超参数进行优化，超参数包括：学习率，决策树数量，每棵树最大深度，训练实例的子样本比率以及叶中所需实例权重的最小和。根据优化后的超参数得到优化后的lightgbm模型。

12、结合第一方面，在一种可选择的实现方式中，上述通过tpe算法对lightgbm模型的超参数进行优化，包括：首先，确定超参数的每个参数组合对应的负均方根误差。通过五折交叉验证法确定超参数的每个参数组合对应的lightgbm模型的平均相对误差、平均绝对误差、平均绝对百分比误差和相关系数。将负均方根误差最小，并且，平均相对误差、平均绝对误差、平均绝对百分比误差最小，并且，相关系数与1的差值最小的参数组合确定为优化后的超参数。这样，可以提高lightgbm模型的预测精度。

13、第二方面，本发明提供一种预测油气管道腐蚀破裂压力的装置，装置包括：获取模块，特征变换模块和预测模块。其中，获取模块，用于获取腐蚀管道的第一特征空间，第一特征空间包括：用于表征腐蚀管道的特征参数和用于表征腐蚀缺陷的特征参数。特征变换模块，用于对第一特征空间中的特征参数进行特征变换，得到第二特征空间，第二特征空间至少包括第一特征空间。预测模块，用于将第二特征空间输入预测模型，以输出腐蚀管道的预测破裂压力，其中，预测模型通过tpe算法优化的lightgbm构建得到。

14、结合第二方面，在一种可选择的实现方式中，上述第一特征空间包括：管道外径、管道壁厚、腐蚀缺陷深度、腐蚀缺陷长度、腐蚀缺陷宽度、管道屈服强度、管道极限强度以及管道强度等级。第二特征空间包括：管道外径、管道壁厚、腐蚀缺陷深度、腐蚀缺陷长度、腐蚀缺陷宽度、管道屈服强度、管道极限强度、管道强度等级、管道壁厚与管道外径的比值、腐蚀缺陷深度与管道壁厚的比值、腐蚀缺陷宽度与管道外径的比值、无量纲腐蚀长度、腐蚀缺陷表面积以及屈服比；其中，无量纲腐蚀长度根据腐蚀缺陷长度、腐蚀缺陷深度、管道外径和管道壁厚确定得到的，腐蚀缺陷表面积根据腐蚀缺陷深度、腐蚀缺陷长度、腐蚀缺陷宽度确定得到的，屈服比为管道极限强度与管道强度等级的比值。

15、结合第二方面，在一种可选择的实现方式中，上述预测模型的表达式为：

16、ppredict＝pmin+(2×pmax-pmin)×f(x1,x2,…,x14)；

17、其中，

18、其中，ppredict用于表示预测破裂压力，pmax用于表示与腐蚀管道相同管道外径和相同管道壁厚的完整管道的爆破压力，pmin用于表示与腐蚀管道相同管道外径和管道壁厚等于腐蚀管道剩余壁厚的完整管道的爆破压力，x1,x2,…,x14用于表示第二特征空间中的特征参数，f(x1,x2,…,x14)用于表示第二特征空间中与特征参数有关函数，σu用于表示管道极限强度，t用于表示管道壁厚，d用于表示管道外径，d用于表示腐蚀缺陷深度。

19、结合第二方面，在一种可选择的实现方式中，上述预测模块，还用于构建预测模型，具体用于：获取爆破压力样本数据集，爆破压力样本数据集包括：管道外径样本参数、管道壁厚样本参数、腐蚀缺陷深度样本参数、腐蚀缺陷长度样本参数、腐蚀缺陷宽度样本参数、管道屈服强度样本参数、管道极限强度样本参数、管道强度等级样本参数以及爆破压力样本参数。根据爆破压力样本数据集建立lightgbm模型。通过tpe算法优化lightgbm模型，得到优化后的lightgbm模型。根据优化后的lightgbm模型，确定预测模型。

20、可以理解地，上述第二方面的预测油气管道腐蚀破裂压力装置所能达到的有益效果，可参考第一方面及其任一种可能的设计方式中的有益效果，此处不再赘述。