一文详解石化腐蚀预测技术及其需求与展望

2023-03-08 14:54:11 作者：刘小辉来源：腐蚀与防护分享至：

针对石化系统的安全平稳运行，国内外已开展了大量工作，并取得了较好的效果。但随着大数据、云计算的发展，以移动设备和应用为核心，以云服务、移动宽带网络、大数据分析等技术为依托的第三计算平台已初步形成，为防腐蚀技术与信息技术的结合提供了一个崭新的舞台。

因此，急需开展石化腐蚀预测新技术和过程智能报警抑制方法研究，利用生产过程参数进行腐蚀预测性分析，建立石化系统设备腐蚀管理系统，集腐蚀监检测、腐蚀评估、腐蚀控制、防腐管理、远程诊断与服务及设备管理于一体，一方面实现腐蚀动态量化评估与监控，及时采取针对性防腐措施，实现设备预防性维修；另一方面基于设备腐蚀评估建立设备管理规范，实现风险管控及设备完整性管理；同时基于腐蚀回路进行工艺防腐管理，保障装置运行安全，为石化设备防腐技术及管理迈向智能化提供技术支撑。

石化行业面临的压力

石油化工行业竞争日益加剧

石油化工行业发展逐步成熟，产能过剩的局面已日益加剧，装置利用率也逐步下降。同时，石油化工行业新装置计划投产的项目仍较多，厂家间的竞争将更加激烈，利润由多变少，产品价格由高变低，行业存在加速洗牌的可能。产能过剩导致的装置开工率降低，造成企业经济效益下降，石化行业竞争日益加剧。

安全环保逐渐成为企业核心竞争力

随着城市化快速发展，“化工围城”“城围化工”问题日益显现，加之部分企业安全意识薄弱，安全事故时有发生，行业发展与城市发展的矛盾凸显，“谈化色变”和“邻避效应”对行业发展制约较大。

如江苏响水“3·21”爆炸事故过去一个月后，江苏省化工行业的整治提升方案出台，明确提出长江干支流两侧一公里范围内且在化工园区外的化工生产企业原则上2020年底前全部退出或搬迁，严禁在长江干支流一公里范围内新建、扩建化工园区和化工项目。

随着环保排放标准不断提高，行业面临的环境生态保护压力不断加大。企业只有在保障安全环保的前提下，才能获得良好的经济效益，安全环保已经成为企业的核心竞争力。同时，石化还面临着装置设备腐蚀的高风险及严重后果。

石化行业是腐蚀的重灾区

腐蚀造成的损失巨大

众所周知，腐蚀造成的损失约占国民经济生产总值（GDP）的3%~5%，大于自然灾害和其他各类事故损失的总和。腐蚀不仅给我们造成重大财产损失和人员伤亡，还导致设施设备的结构损伤，缩短其寿命，污染环境，引起突发性灾难事故。腐蚀与我们的生活息息相关，由腐蚀引发的安全问题、经济问题、生态文明问题至今还没有得到彻底解决。腐蚀是安全生产的大敌，这在石化领域表现得尤为突出。

石化设备腐蚀情况触目惊心

由于原料劣质化，中国和世界各国炼化企业均面临新的挑战，具体表现有高硫高酸高氯原油增多、脱盐困难、腐蚀形态和部位复杂多样化、轻油低温部位腐蚀严重、高氯问题尤其突出、新工艺设备的腐蚀等，总体上是腐蚀控制问题常态化。

从图1~6可见，石化设备的腐蚀情况触目惊心。可见石化腐蚀预测技术越发显得重要，是我们防患未然、确保安全的专有技术和工具。

石化腐蚀预测技术概况

智能报警抑制方法研究

近年来，随着DCS（分布式控制系统）和EM（设备全生命周期管理平台）在石化装置中的广泛应用以及石化行业信息化建设的不断推进，大量数据被记录和储存下来，包括过程历史监测数据、过程装备的可靠性数据（如不同类型操作单元和设备的生产负荷数据、故障历史记录及维修记录）、动设备（泵、压缩机、风机）性能历史记录等已经在物联网环境下进行了按照数字化的方式存储，并随着信息化建设的开展和深入，数据量以几何级速度增长。

以一个典型的炼化一体化企业为例，拥有30000个采样点，现场采样率达到100次/秒，每年约产生495 TB数据。海量数据一方面使得装置的报警系统能更加准确精细地掌握运行状态，使智能化操作成为可能，另一方面也为腐蚀监检测先进报警系统的设计提出了挑战。

腐蚀监测与检测的区别

腐蚀监测是获取材料腐蚀过程或环境对材料的腐蚀性随时间变化信息的活动。腐蚀检测通常是对材料状况在某一指定时间的测试，而腐蚀监测是在指定时间段内的一系列的测试。

测试挂片是最广泛应用和最可靠的方法。腐蚀监测通常依赖于电子腐蚀传感器或探头，它们布设在感兴趣的环境（如户外空气或海水）中，或插入封闭系统内部（如介质液体或气体流动的管路或储存的容器中）。电子腐蚀传感器或探头连续或半连续地发出和金属系统腐蚀有关的信息。

在如今的电子信息化时代，大部分工业过程参数，如温度、压力、pH值和流量，由自动反馈回路控制器控制。唯有引入这些参数控制器和相应的可靠的传感器，才有可能准确地操控这些参数以实现生产自动化控制。

腐蚀是一个复杂的过程，在流程工业中至少包含两相，尤其是石化装置大部分是多相流。腐蚀监测是多学科课题。进入不同的体系要求不同的方法或采用多种方法的结合。常见的情况有，需要两种或更多方法同时使用以适当地监测给定的体系。应针对给定的不同体系选择不同的监测技术。

腐蚀预测技术举例

腐蚀回路分析

腐蚀回路分析分为简单分析和详尽分析两大类，如图7和图8所示。

电感耦合探针的应用

用于指导工艺防腐、原油混炼、高温注剂和高温选材，能够及时反映工艺变化，如图9所示。

在线超声波定点测厚监测

如图10所示，可以实现不开孔、卡箍式安装或管道焊接螺柱安装；测厚数据采用无线网络模式传输，即利用网关和路由器，将数据传送到远程数据平台；实现连续测厚监测。

在线pH值监测

如图11所示，通过对pH值的在线监测，实现工艺防腐药剂注入自动调节；同时还可以预测漏点部位，及时采取工艺防腐的有效措施，避免局部强烈腐蚀并失控。

氢通量检测（Hydrosteel技术）

如图12所示，采用非插拔式氢探针紧贴于测点，经过几分钟后，迅速显示出因腐蚀而生成氢的渗透量，反应灵敏度高，可在500 ℃的高温环境下工作，适用于炼制高酸原油装置的环烷酸腐蚀监测及有氢逸出的腐蚀环境。

红外热成像检测

这是一种比较成熟的应用技术，如图13所示，可用于监测冷壁反再系统设备的内衬是否脱落，炉管是否结焦局部过烧，尤其是对空冷温度场的扫查之后可以帮助人们迅速判断介质是否偏流，间接反映垢下腐蚀状况；还可以监测电气开关触点是否过热等。

循环水系统腐蚀检测

现在已经有了比较成熟的循环水系统腐蚀泄漏检测系统，如图14所示。

值得注意的是，以上所列的部分传统的腐蚀监检测技术，只能照顾到一个点，不能够真正起到全面预测腐蚀的作用。也就是说，传统的腐蚀监检测技术已不能适应如今的电子信息化时代。

数据分析

数据分析是指用适当的统计和计算机方法对收集的数据进行分析，把隐没在杂乱无章数据中的信息集中、萃取和提炼出来，找到研究对象的内在规律，最大化地开发数据资料的功能，发挥数据的作用。

由于数据为多种不同特征的参量，在时间、空间、可信度和表达方式上不尽相同，侧重点和用途也不相同，因此需要将信息进行融合，即对多方位采集的局部环境下的不完整数据加以综合，消除多源数据间可能存在的冗余和矛盾信息，降低不确定性，形成对系统的一致性描述。

常用的信息融合方法有加权平均法、卡尔曼滤波法、贝叶斯估计法、神经元网络法等。

深度学习是近年来发展起来的一种机器学习领域的新研究方向，其起源于人工神经网络，是基于样本数据通过一定的训练方法得到包含多个层级的深度网络结构，每个层级之间的连接强度在学习过程中修改并决定网络的功能。

深度学习可通过学习深层非线性网络结构，实现复杂函数逼近，表征输入数据分布式表示，并找到数据的内部结构，发现变量之间的真正关系形式，展现了强大的从少数样本集中学习数据集本质特征的能力。

腐蚀数据研究

针对腐蚀学科，李晓刚教授原创了“腐蚀大数据”的概念，指出材料腐蚀学科是严重依赖数据的学科，由于腐蚀过程及其材料所处环境的复杂性，传统的碎片化腐蚀数据已经不能适应行业发展的需要。他提出了腐蚀基因组工程理论体系，明确了处理“腐蚀大数据”的关键是建立标准化“腐蚀大数据”数据仓库以及“腐蚀大数据”的分析利用。

然而，炼油装置是一个非常复杂的腐蚀系统，影响腐蚀的因素非常多，其中最主要的是原料中的硫、氮、氧、氯及重金属和杂质等腐蚀介质的含量，以及设备运行过程中的温度、压力、流速等操作参数。若要进行腐蚀预测，保证系统可靠运行，就需要对各种复杂的数据进行细化归类，最具代表性的有以下5个方面：

(1) 原油性质参数：主要包括原油物理性质、馏分分布情况等；

(2) 工艺条件参数：主要包括操作温度、操作压力、流量、物料成分等；

(3) 腐蚀介质参数：主要包括腐蚀介质含量、结构、分布、相态等；

(4) 工艺防腐措施：主要包括注水、注剂等措施；

(5) 腐蚀监检测参数：主要包括挂片重量、铁离子分析数据、设备壁厚或管道金属损失量变化等，最终统一转化为腐蚀速率。

以上相关数据，炼油企业均具有成熟的手段进行调控或采集，在发现腐蚀隐患和指导解决腐蚀问题方面起到了良好的效果。

针对海量的数据，企业通常利用信息化方式将其进行分析处理。然而，如某炼化公司所统计，其在各个装置运行期间，DCS系统每天会产生过程归档数据约4.7亿个，2015年10月期间产生各类报警信息月8500条，工艺操作记录约9500条，这些工艺管理、设备管理和安全管理的基础信息，使用率却不及每天归档的4.7亿个的10%。在DCS系统产生的庞大数据量中，同类信息的时间跨度存在不同，且腐蚀监测系统是典型的多源传感器系统，分布在不同的控制系统和不同的生产装置中，技术管理人员在横向统计分析时耗时耗力，很可能错过发现隐患和解决问题的时机。

此外，国内大部分石化企业通常采用OPC加实时数据库的方式，将这些原始数据采集到专门的管理平台上，若工艺条件发生变化，数据不能及时得到更新，则无法真实同步反应工厂各装置的实时情况。

国外的炼油企业早在20世纪90年代就开始将炼油行业传统的挂片检测、壁厚检测升级到在线电化学监测，并开始意识到需要针对腐蚀相关数据进行分析和有效利用，建立模型用于间接摧测腐蚀状态。先后出现了BP神经网络预测模型、Fe²⁺/Fe³⁺预测模型、Hemandez人工神经网络预测模型等。

中国石化青岛安全工程研究院近年开发了一套集在线、离线监检测数据于一体的为腐蚀分析提供便利的腐蚀数据管理系统，其运用深度学习方法对炼油企业累积的海量数据进行深度分析，对关键装置的工艺参数和水质分析数据进行学习训练，建立关键信息（切水铁离子浓度、pH值、设备壁厚）与其他监测量之间的黑盒模型，达到根据工艺状态快速、准确地进行预测的目的，为指导企业腐蚀防护工作奠定了理论和技术基础，如图15和图16所示。

腐蚀预测模型避免了受成本和技术限制，生产中难以对腐蚀关键参量进行实时掌控的问题，及时的数据预测可为切实指导装置防腐工作提供技术支持。

技术需求与建议

腐蚀监测急需解决的问题

(1) 腐蚀监测传感器的智能化和低成本化；

(2) 腐蚀预测模型与腐蚀数据挖掘；

(3) 数据的标准化和云平台；

(4) 腐蚀在线状态监测：炼化装置的腐蚀监检测从单一的、离线的检测向实时在线的状态监测发展；

(5) 腐蚀数据驱动决策：通过腐蚀预测模型、数据挖掘技术发现规律，实现状态监测+诊断决策。

腐蚀数据研究方向

虽然大多数炼厂已经上了腐蚀监检测设施，且积累了大量监检测数据，但由于腐蚀机理的复杂性和影响因素的多样性，难以建立可靠的腐蚀演化模型，不能对腐蚀的发展趋势进行准确的预判。

同时，受成本和技术的限制，生产中也难以对能够表征腐蚀严重程度的参量进行实时监测，以致工艺状态发生波动时，不能及时根据变化对工艺防腐参数（如注水注剂）进行调整。

处于快速发展中的炼化企业不断转向自动化、信息化、智能化、智慧化模式，对如何提高数据利用效率、提高企业经济效益和社会效益提出了新要求，基于大数据分析技术的腐蚀预测将是腐蚀研究领域发展的新方向。因此，整合庞大的生产经营数据，通过实时数据感知、监控装置运行状态和异常情况、诊断故障类型与部位、预测关键参数的发展趋势并评估风险等级，对生产参数进行优化控制，实现提前预防和调整，使生产过程平稳安全高效进行。

同时从现在开始，应着手考虑如何建立“智慧防腐”，即以数字防腐为基础、智能防腐为核心、智慧防腐为目标。

“智慧防腐”建设分三步走

第一步：数字防腐。布设大量传感器，重点开发能够实现面扫的腐蚀监检测技术，收集和积累腐蚀数据，构建腐蚀大数据库，实现可视化。构建可视化的设备防腐管理系统，通过二三维一体化平台与传统的设备管理系统相结合，实现设备防腐信息的可视化、集成化和维修作业协同化。

第二步：智能防腐。对“腐蚀大数据”分析利用，实现防腐智能管控、智能运维、智能监检测，建立标准化数据仓库。

第三步：智慧防腐。防腐业务智慧化，实现整体优化及标准化，包括体系化管理、智慧防控链、材料腐蚀基因组工程优化。

腐蚀防护应用大数据分析技术

整合庞大的生产经营数据，通过实时数据感知、监控装置运行状态和异常情况、诊断故障类型与部位、预测关键参数的发展趋势并评估风险等级，对生产参数优化控制，实现提前预防和调整，使生产过程平稳安全高效进行。

智能化炼化设备腐蚀信息系统

以腐蚀为抓手建立健全石化静设备管理体系，实现腐蚀数据集中管理和综合分析、腐蚀状态量化评估与监控预警、防腐专家远程诊断与服务，满足设备防腐管理需求。建议第一步应将日常的人工定点测厚改为智能化的实时定点测厚，第二步是针对重点腐蚀部位大量采用在线监测手段，实现腐蚀数据集中管理和综合分析、腐蚀状态量化评估与监控预警、防腐专家远程诊断与服务，满足设备防腐管理需求。

设备的本质安全要靠智能化来实现

从石化的腐蚀与防护技术现状看，腐蚀无疑是安全生产的大敌，任务依然艰巨，设备仍未全面达到本质安全要求。

石化腐蚀预测工作永远在路上

由于装置长周期运行、原料不稳定、设备新度系数降低、人员质素参差不齐以及承包商管理难等因素的影响，石化腐蚀预测工作应是常做常新，永远在路上。

应清醒地认识到，我们正处在一个由工业社会过渡到信息社会的加速转型时期，经济新常态、全球经济一体化发展趋势等在很大程度上加剧了行业竞争的严峻性。

可喜的是，腐蚀与防护新技术层出不穷，为我们提供了强有力的技术支撑。展望未来，石化腐蚀预测技术前景看好，大有可为。

免责声明：本网站所转载的文字、图片与视频资料版权归原创作者所有，如果涉及侵权，请第一时间联系本网删除。