CN102625911A - 估计管线中的最严重套管侵蚀 - Google Patents

估计管线中的最严重套管侵蚀 Download PDF

Info

Publication number
CN102625911A
CN102625911A CN2009801307387A CN200980130738A CN102625911A CN 102625911 A CN102625911 A CN 102625911A CN 2009801307387 A CN2009801307387 A CN 2009801307387A CN 200980130738 A CN200980130738 A CN 200980130738A CN 102625911 A CN102625911 A CN 102625911A
Authority
CN
China
Prior art keywords
pipeline
extreme value
candidate
statistical distribution
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2009801307387A
Other languages
English (en)
Other versions
CN102625911B (zh
Inventor
艾瑞克·齐格尔
理查德·S·贝利
吉普·P·斯普拉格
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BP Exploration Operating Co Ltd
BP Corp North America Inc
Original Assignee
BP Exploration Operating Co Ltd
BP Corp North America Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BP Exploration Operating Co Ltd, BP Corp North America Inc filed Critical BP Exploration Operating Co Ltd
Publication of CN102625911A publication Critical patent/CN102625911A/zh
Application granted granted Critical
Publication of CN102625911B publication Critical patent/CN102625911B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
    • G01N29/0654—Imaging
    • G01N29/0672—Imaging by acoustic tomography
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D1/00—Pipe-line systems
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D5/00—Protection or supervision of installations
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D5/00—Protection or supervision of installations
    • F17D5/005—Protection or supervision of installations of gas pipelines, e.g. alarm
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D5/00—Protection or supervision of installations
    • F17D5/02—Preventing, monitoring, or locating loss
    • F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B17/00—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations
    • G01B17/02—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations for measuring thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
    • G01B21/08—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness for measuring thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/043—Analysing solids in the interior, e.g. by shear waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4454—Signal recognition, e.g. specific values or portions, signal events, signatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/26—Scanned objects
    • G01N2291/263—Surfaces
    • G01N2291/2634—Surfaces cylindrical from outside

Abstract

一种用于估计管线中最严重套管侵蚀的方法和系统，针对所述管线的管线厚度测量被限制为所采样的超声或射线照相术(UT/RT)测量。数据库集包含其它管线的在役检查(ILI)测量的分布，其按需要进行校准以对应于UT/RT测量。这些ILI数据集合被多次随机采样以从每个ILI数据集合获得多个样本集合。对每个样本集合估算候选的统计分布以确定哪个候选统计分布最准确地估计了ILI所测量的最严重套管侵蚀。接着从与样本集合相关联的样本统计和管线描述符得出辨别函数，以及该样本集合的最佳候选统计分布。具有经采样的UT/RT测量的管线的样本统计和管线描述符接着被应用于所述判别函数以确定用于极值估计的最佳候选统计分布，并且接着使用该最佳统计分布确定最严重套管侵蚀。

Description

估计管线中的最严重套管侵蚀
相关申请的交叉引用
本申请要求于2009年1月7日提交的美国专利申请序列号12/349,851的权益，该美国专利申请要求于2008年8月1日提交的美国临时申请号61/085,692的优先权，其公开通过引用整体合并于此。
关于联邦资助的研究或开发的声明
不适用。
技术领域
本发明涉及管线检查领域。在其一个方面，本发明针对从所采样的测量估计管线中的最严重套管侵蚀。
背景技术
保持管线完整性是保证经济成功并且使得现代油气生产场所和系统对环境的影响最小化的基本功能。此外，在其它应用中也存在管线完整性的问题，包括工厂管道系统、市政用水和下水系统等。相似的问题还存在于诸如油气井的生产套管的其它应用的情况中。如管线维护领域中所已知的，由于流过管线的流体所导致的管线材料的侵蚀和烧蚀将使得管线管壁的厚度随时间减小。为了防止管线故障，对管线管壁厚度所减小的程度进行监视以便进行及时维修或替换显然是非常重要的。
由于管线管壁厚度的直接物理测量的必然破坏属性，这样的测量显然是不切实际的。因此，数年来已经研发了各种间接的管线管壁厚度测量技术。最为广泛使用的测量技术获取沿生产管线的所选择位置处的厚度测量，这样的位置被随机选择或被基于模型或者最容易发生管壁厚度损失的位置的其它假设特别选择。这些测量技术包括超声测量，以及利用x射线或射线照相术(RT)进行成像，其中它们均从特定位置(例如，在一英尺的部分上)的外部对管线管壁进行检查。然而，根据这些技术必须直接接近管线外部来获得测量。例如，在极端环境中这样的外部接近会要求去除和替换热绝缘。至于那些位于地下的管线部分，RT和超声照相术(UT)均无法进行，或者要求进行挖掘。这样，沿管线的整个长度以小的间隔获取RT和UT测量是不切实际的。相反，出于这些和其它原因，这些测量技术通常通过沿管线对管壁厚度进行随机或半随机的采样来进行。
在管线完整性的情况中，所关心的是最小管壁厚度的极值(或者相反地，最大管壁厚度损失)。由于侵蚀是管线的管壁厚度损失的主要原因，所以在实际上，该最小管壁厚度值经常被称作“最严重套管侵蚀”。因此，采样的测量方法仅对于样本测量对于极小值有所洞察的程度是有用的。假设沿管线的整个长度的管壁厚度测量(例如，沿管线长度在每一英尺的部分所取得的测量)的总体(population)遵循已知的统计分布，则基础的统计理论能够提供这样的洞察力。换句话说，假设管壁厚度沿管线长度的统计分布，测量的合理样本大小就能够提供特定置信水平的最大管壁厚度损失的指示。不幸的是，已经观察到沿实际管线长度的管壁厚度测量通常并不遵循完善的(well-behaved)统计分布。更糟糕的是，已经观察到管壁厚度测量的分布随管线不同而存在很大不同。结果，难以从管线厚度的这些采样测量以任意合理的置信水平来表征沿管线最严重套管侵蚀的极值。
另一种管线管壁厚度测量技术被称作“在役检查”(in-lineinspection，ILI)。根据该技术，通常被称作“猪”的工具在管线内部沿其长度行进，通过产品流体自身推进或者被拖行通过管线。所述猪包括传感器，其随着所述猪的行进沿管线长度反复地间接测量管线的管壁厚度。在ILI中所使用的测量技术包括磁通泄漏技术，该技术对能够将磁场引入管线管壁的程度进行测量，则能够从其推导出管壁厚度。如本领域中已知的，ILI检查也能够使用超声能量来进行。这样，ILI能够沿管线的整个程度以小的间隔获取管壁厚度的测量。不幸的是，由于诸如构造、位置或几何布局之类的因素，ILI监视无法被应用于所有管线。
通过进一步的背景，已知通过对管线的预测模型应用样本厚度测量来表征管线完整性。已知预测模型应用诸如管线所承载的流体的属性、压力、温度、流速等的参数，以使得能在给定管壁厚度的样本测量的情况下计算出最小管壁厚度。这种计算机仿真表征最小管壁厚度的精确度显然依赖于所述模型与管线的真实活动相对应的精确度。并且，所述模型的精确度进而依赖于以对实际管线的模型为基础的假设的精确度。但是在实践中，实际管线由于模型或者其根本假设无法预知的结构和环境变化而在侵蚀活动方面彼此存在很大不同。随着得出更为复杂的模型以包括这些变化的效果，所产生的计算显然也会变得更为复杂。
通过进一步的背景，已知通过选择统计分布，并且对该统计分布应用蒙特卡洛(Monte Carlo)仿真来估计设备可靠性以对可靠性估计进行计划。
通过进一步的背景，我们于2008年6月30日提交的题为“RapidData-Based Adequacy Procedure for Pipeline Integrity Assessment”的共同未决的美国专利申请S.N.12/164,971公开了一种对管线管壁厚度的超声或射线照相术(UT/RT)测量的样本覆盖评估统计有效性的方法和系统，在此通过引用而将其全部合并于此。该方法使用一些管线的在役检查(ILI)测量的分布的数据库集，并且以各种样本覆盖从那些分布的随机样本仿真生成统计。从另一管线所采样的UT/RT测量被用来识别其最为相似的一个或多个ILI测量的管线数据集合。来自那些最为相似的管线数据集合的仿真的统计接着被用来确定UR/RT测量的样本覆盖是否足以得出于所采样管线中管壁损失的极值相关的所需结论。
发明内容
因此，本发明的目的是提供一种方法和系统以基于管壁厚度的样本测量准确表征沿管线的管线管壁厚度损失的最差套管值(“最严重套管侵蚀”)。
本发明进一步的目的是提供这样一种方法和系统，其在所采样的管线管壁厚度测量方面提供改进的置信度。
本发明进一步的目的是提供这样一种方法和系统，其提高了管线管壁厚度测量资源的效率。
本发明进一步的目的是提供这样一种方法和系统，其能够通过计算机算法确定最严重套管管壁厚度损失，所述计算机算法能够针对数目巨大的管线快速执行。
本发明进一步的目的是提供这样一种方法和系统，其能够通过利用与管线侵蚀分布相关的可用信息来确定最严重套管侵蚀，所述管线侵蚀分布已经通过诸如在役检查(ILI)的针对管线的100％检查过程来表征。
通过连同其附图参考以下说明书，本发明的其它目的和优势对于本领域技术人员将是显而易见的。
本发明可以被实现为计算机化的方法、被编程为执行所述方法的评估系统以及存储在计算机可读介质中的计算机程序，利用本发明能够从样本测量确定管线管壁厚度损失的极值。通过诸如在役检查的100％检查方法对管线子集所获得的测量数据集合的库集被存储在数据库中。在本发明的一个方面，这些数据集合的模拟采样被用来得出辨别函数或等式集合，能够利用其从样本统计和其它管线描述符选择统计分布形状。从另一管线所采样的管壁厚度损失测量被统计地表征，并且该样本统计和其它管线描述符被应用于所述辨别函数以选择样本集合的统计分布形状。接着从所选择的统计分布形状确定最大管壁厚度损失的极值，所选择的统计分布形状拟合到所采样管线的采样管壁厚度损失测量。
附图说明
图1是可以结合本发明的优选实施例使用的生产场的示例的示意图。
图2是被编程为执行本发明实施例的评估系统的框图形式的电路图。
图3是图示根据本发明实施例的从在役检查校准的测量库集得出辨别函数的流程图。
图4是图示根据本发明实施例的利用图3过程中的候选统计分布估算样本集合的流程图。
图5a至图5d是图示在本发明实施例的示例中使用的候选统计分布的示例的形状的图形。
图5e图示了根据本发明实施例的极值分位数(quantile)的估算的示例。
图5f至图5i是图示根据本发明实施例的候选统计分布的极值分位数的估算的图形。
图5j图示了常规辨别函数的示例。
图6是图示根据本发明实施例的对已经获取了管壁厚度损失的采样测量的管线估计最严重套管侵蚀的流程图。
具体实施方式
将结合包括其优选实施例的实施例对本发明进行描述，将结合用于在油气的生产场所和系统中用于监视和估计管线完整性的方法和系统对其进行描述。然而，可以预见到本发明也可以在其它应用中提供重要帮助，举出几个示例，包括监视和估计油气井中的生产套管完整性，以及监视和估计诸如用水和下水系统、消费者侧的天然气分配系统以及工厂管线系统的其它应用中的管线完整性。因此，所要理解的是，以下描述仅是通过示例所提供，而并非意在限制如所要求保护的本发明的实际范围。
首先参见图1，以简化框图的形式图示了可以结合其利用本发明实施例的包括表面机构的油气生产场所的示例。在该示例中，所述生产场所包括部署在所述场所内各个位置的许多井W，以传统方式从所述井中生产油气产品。虽然图1中图示了多个井W，但是可以预见到可以结合其利用本发明的现代生产场所将会包括比图1中所示的那些井W更多的井。在该示例中，每个井W通过管线5连接到其现场的多个钻探点2中相关联的一个。通过示例，在图1中图示了八个钻探点20至27；本领域技术人员显然会理解可以在所述生产场所内部署多于八个的钻探点2。每个钻探点2可以支持多个井W；例如，钻探点23在图1中被图示为支持42个井40至441。每个钻探点2收集来自其相关联的井W的输出并且将所收集的输出经由管线5中的一个转送到处理设施6。实际上，处理设施6耦合到输出管线5中，所述输出管线5继而可以沿其它处理设施6耦合到更大规模的管线设施。
在实际石油生产中，图1中部分示出的管线系统将与许多其它井W、钻探点2、管线5和处理设施6一起连接到更大的管线系统。一些管线系统包括相互连接到整个生产和处理系统中的数千条个体管线。这样，图1所示的管线系统可以表示整体生产管线系统的很小一部分。
虽然图1的示意图中并未表明，但是实际上管线5彼此在构造和几何布局上、在参数方面可以彼此存在很大不同，举出几个示例，所述参数包括直径、标称管壁厚度、管线年龄、管线类型、整体长度、弯头和弯曲的数目和角度、位置(地下、地上、水下或者这些设置形式的程度)。此外，与各种管线5所承载的内容(即液体、气体、诸如沙、剥落垢片(scale)等的固体，或者这些流体和固体的组合)相关的参数也可以在组成、压力、温度、流速等方面彼此存在很大不同。如本领域已知的，管线构造、几何布局、内容和标称操作条件之间的这些变化影响管线管壁的侵蚀和烧蚀的程度和属性。此外，结合本发明还注意到，沿管线长度的管壁损失(即管壁厚度损失)测量的分布也在整个生产场所中的管线之间存在很大不同，而没有可容易辨别的与构造或流体参数相关的因果模式。
如以上所提到的，诸如图1中部分图示的生产管线系统中的一些管线可以从管线管壁厚度的观点利用在役检查(ILI)沿其整体长度进行全面检查。如本领域中已知的，ILI包括向管线中插入测量工具，诸如通常被称作“猪”的工具。传统的测量猪通常为圆柱形主体，其包括导航和定位系统以监视猪在管线中的位置，以及用于在猪通过生产流体的推进而沿管线行进时测量管线管壁厚度的仪器。替选地，如果在停工时对管线进行测量，则所述猪可以沿管线进行牵引。诸如ILI猪的传统测量设备使用磁通泄漏(MFL)、超声X线断层摄影术、静电感应等技术测量管线管壁厚度的损失。适于获得ILI测量的传统ILI猪的示例包括可从Baker Hughes管线管理集团获得的CPIG MFLCALILI仪器以及可从Rosen Inspection Technologies获得的HIRES金属损失映射工具；本领域技术人员所知的其它类型的测量设备和映射工具也适于结合本发明的该实施例使用。
如本领域中已知以及以上所提到的，大规模管线系统中相当数量的管线5为“无法使用猪的”(猪无法通过，或者无法接近以进行在役检查)，其中那些管线由于一个和多个各种原因而无法利用ILI进行检查。例如，接近管线可能受到限制，阀门和其它无法通过的装置可能阻止猪通过管线的行进，或者给定管线可能沿其长度具有不同直径使得猪无法在其行进时贴合地啮合管线管壁。然而，生产场所的操作人员也必须对这些无法使用猪的管线的管壁厚度损失进行监视。如以上所讨论的，对这些无法使用猪的管线5的监视通过使用诸如超声X线断层摄影术(UT)和射线摄影术(RT)的传统方法沿管线长度在外部进行的样本测量来执行；其它传统的测量技术也适于结合本发明的实施例所使用。在该示例中，传统的UT/RT测量典型地是作为在沿管线长度的某个增量距离(例如，一英尺)上的管壁厚度测量的平均值而获得的。传统的采样UT/RT管壁厚度测量包含相当的劳动量，诸如从管线去除绝缘和覆盖以及在采样位置之间物理行进。这样，典型地，采样UT/RT管壁厚度测量在周期性调度的基础上执行，尤其在大型管线系统中更是如此。对于恶劣气候中的管线系统而言，这样的管线管壁厚度测量仅可以在每年中的特定月份中获得，原因在于沿一些管线的一些位置在特定季节可能需要特殊预防才能够安全接近。
管线完整性监视的目标是沿给定管线确定最大管线管壁损失以使得能够及时进行维护操作。已经观察到侵蚀通常是实际管线系统中早期管线管壁厚度损失的原因。这样，即使管线管壁由于其而厚度减少的特定物理机制(侵蚀、烧蚀等)结合本发明而言并不是重要的，但是最大管壁厚度损失在本领域通常称作“最严重套管侵蚀”，并且在本说明书中也将如此。本发明的实施例旨在基于已经沿其整个长度获得了ILI测量的那些管线的统计行为而提供仅从其获取了采样测量的管线中最严重套管侵蚀的统计可靠估计。
图2图示了利用计算机系统实现的根据本发明实施例的示例的评估系统10的构造。评估系统10执行本说明书中描述的操作以确定管线的管线管壁损失的极值(最严重套管侵蚀)。显然，可结合本发明使用的计算机系统的特定体系和构造可以存在很大不同。例如，评估系统10可以由基于单个物理计算机的计算机来实现，或者替选地由以分布式方式在多个物理计算机上实现的计算机系统来实现。因此，图2所示的一般体系仅作为示例而提供。
如图2所示，评估系统10包括耦合到系统总线BUS的中央处理单元15。输入/输出接口11也耦合到系统总线BUS，其是指外部功能P(例如，键盘、鼠标、显示器等)利用其与评估系统10的其它组件进行对接的那些接口资源。中央处理单元15是指评估系统10的数据处理能力，并且由此能够由一个或多个CPU核心、共同处理电路等来实现。中央处理单元15的特定构造和能力根据评估系统10的应用需求来选择，这样的需求至少包括执行本说明书中所描述的功能，并且还包括可能需要计算机系统执行的其它功能。在根据该示例的评估系统10的体系中，数据存储器12和程序存储器14也耦合到系统总线BUS，并且提供用于其特定功能的所需类型的存储器资源。数据存储器12存储输入数据以及中央处理单元15所执行处理的结果，而程序存储器14存储中央处理单元15在执行那些功能时所要执行的计算机指令。显然，该存储器布置仅为一个示例，所要理解的是，数据存储器12和程序存储器14可以组合为单个存储器资源，或者在实现评估系统10时整体和部分分布在图2所示的特定计算机系统之外。典型地，数据存储器12将至少部分地由与中央处理单元15在时间上紧密接近的高速随机存取存储器来实现。程序存储器14可以由大型存储或随机存取存储器资源以传统方式来实现，或者替选地，可以通过网络接口16进行访问(即，如果中央处理单元15正在执行基于web的或其它远程应用)。
网络接口16是评估系统10利用其访问网络上的网络资源的传统接口或适配器。如图2所示，评估系统10经由网络接口16所访问的网络资源可以包括局域网上的那些资源，以及可以通过诸如企业内部网、虚拟私有网或互联网的广域网访问的那些资源。在本发明的该实施例中，评估系统10所处理的数据的源可以经由网络接口16在这些网络上进行访问。库集20存储通过整个生产场所或管线系统中的选定管线的在役检查(ILI)所获得的测量；ILI库集20可以存在于局域网上，或者替选地，可以经由互联网或其它广域网进行访问。可以预见到，ILI库集20也可以被与特定管线系统的操作者相关联的其它计算机所访问。此外，如图2所示，通过所述生产场所或管线系统中其它管线的采样超声或射线摄影术(UT/RT)所获得的测量输入18被存储在评估系统10可本地或经由网络接口16访问的存储器资源中。
显然，在其中存储UT/RT测量18或者ILI库集20存在于其中的特定存储器资源或位置可以在评估系统10所能够访问的各个位置中实现。例如，这些数据可以存储在评估系统10内的本地存储器资源中，或者存储在如图2所示的可网络访问的存储器资源中。此外，如本领域已知的，这些数据源可以在多个位置之间进行分布。进一步可替选地，与UT/RT测量18以及ILI库集20相对应的测量例如可以通过消息或其它通信流中的嵌入数据文件而被输入到评估系统10中。可以预见到，本领域技术人员将能够容易针对每个特定应用以适当方式来实施UT/RT测量18和ILI库集20的存储和检索。
根据本发明的该实施例，如以上所提到的，程序存储器14存储可由中央处理单元15执行以执行本说明书中所描述功能的计算机指令，利用所述计算机指令，对给定管线的UT/RT测量18进行分析来确定该管线可能的极端管壁损失值的估计。这些计算机指令可以为一个或多个可执行程序的形式，或者为从其得出、汇编、解释或编译一个或多个可执行程序的源代码或高级代码的形式。根据要执行所需操作的方式，可以使用多种计算机语言或协议中的任意一种。例如，这些计算机指令可以以传统的高级语言来编写，或者被编写为传统的线性计算机程序或者被配置为以面向对象的方式来执行。这些指令也可以嵌入在更高级的应用内。例如，本发明的实施例已经使用Visual BasicAlgorithm(VBA)指令被实现为ACCESS数据库内的可执行应用以提供EXCEL电子数据表形式的输出，由于仅要求相对低水平的用户培训，因此这是有益的。可以预见到，参考该描述的本领域技术人员将能够容易针对所需安装以适当形式实现本发明的该实施例而无需过度实验。替选地，这些计算机可执行的软件指令可以存在于局域网或广域网上的其它地方，可由评估系统10经由其网络接口16进行访问(例如以基于web的应用的形式)，或者这些软件指令可以经由其它一些接口或输入/输出设备利用电磁载波信号上的编码信息通信到评估系统10。
极值估计的一般方法是识别统计分布极限端点处的分位数值。显然，对于有限总体而言，极值字面上将是有限数值集合的极值。如统计领域中已知的，分位数是标记分布中q个实质上大小相同的数据子集中连续多个之间的边界的数据值。以长度为100英尺并且以1英尺间隔考虑其测量的管线为例，极值将被得出为所述分布的第99个分位数处的数据值。因此，极值的生成明显强烈依赖于所要使用的统计分布的选择。
如所实践的，来自本发明实施例的所需结果是以沿管线取得的样本测量为基础的该管线管壁厚度损失极值(最严重套管侵蚀)的估计。不幸的是，沿管线的管线管壁厚度损失测量并不可靠地遵循已知的统计分布。实际上，已经观察到实际管线管壁厚度损失测量沿管线的分布并不符合任一种统计分布，而是经常表现为分布的混合形式。此外，这种分布的混合形式并不必然地随管线而恒定，其在给定管线在长度、材料、构造、所承载流体的成分、支撑件和耦合件以及连接件的频率和数目等方面的变化的情况下是直观的。由于管线沿其长度针对侵蚀非统一的敏感性，相信这种统计行为是不稳定的；管线的一些部分或位置(例如，管线支撑件附近)比其它部分或位置更易于被侵蚀。因此，预期单个统计分布能够准确表示沿管线长度的管壁厚度损失是不合理的。
根据本发明的实施例，来自已经例如通过ILI沿其长度进行了测量的那些管线的统计被用来得出辨别函数，利用所述辨别函数能够为仅能够获得采样测量的管线选择最优分布。一旦为采样管线选择了分布，则能够估计极值并且能够得出该极值估计的置信度间隔。
根据本发明的实施例，从其选择最优分布的候选统计分布是以沿参考管线的长度所取得的ILI测量为基础的。由于ILI技术沿所测量管线的长度以小的增量获得厚度测量的能力，ILI测量结合本发明是尤其有用的。出于本发明该实施例的原因，如果不是字面上如此，这样的ILI测量事实上可以被认为是沿管线测量长度的管壁厚度或管壁厚度损失的“100％检查”。根据本发明的该实施例，这种高度覆盖提供了沿管线的最小管壁厚度的准确测量，这进而使得ILI测量的相应统计分布能够为仅可以获得其采样测量的管线提供合理的极值估计。可以预见到，只要那些参考管线的测量覆盖实质上以能够高度确信(例如，以99％确信的量级)已经观察到真实的最大可能管壁厚度损失的程度表征了所述管线的相对长度，这些候选统计分布可以基于不同于ILI的技术所获取的测量，或者基于由ILI测量以实际上低于100％的覆盖所获取的测量。通过参考管线的在役检查所获得的完全测量覆盖结合本发明的该实施例显然是特别有用的，原因在于该方法将在参考管线的极值测量方面提供最高置信度。
根据图2所示的本发明实施例，ILI库集20包括已经对其执行了在役检查(ILI)那些管线中的每一个的测量数据，并且还包括基于那些测量的统计信息以及关于那些管线自身的其它参数。ILI测量可能对其有用的管线包括相同系统中与对其进行极值估计的感兴趣管线相同的那些管线，并且还包括其它系统中可以被认为可能类似的管线。根据本发明的该实施例，从ILI库集20中所存储的ILI测量的这些数据集合中所取得的各种样本大小的蒙特卡洛样本的属性将连同其它管线描述符一起被用来得出辨别函数，所述辨别函数用于从其它管线的样本统计和其它参数选择统计分布。现在参见图3，现在将要描述根据本发明该实施例的从整个系统中的一个或多个管线上所获取的ILI测量的ILI库集20中得出这样的辨别函数。
根据本发明的该实施例，评估系统10可以自己建立ILI库集20并且得出所述辨别函数，或者替选地，其它计算机系统可以建立ILI库集20并得出所述辨别函数，其中所述辨别函数接着被传送到评估系统10或者以其它方式使得可由评估系统10进行访问。这样，执行图3所示处理以得出所述辨别函数的特定计算机系统结合本发明并非是非常重要的。根据图3中处理的属性，根据本发明的该实施例，在评估系统分析采样测量时所要执行的操作之前，所述辨别函数的得出显然仅需要进行一次。所获取的其它ILI测量数据集合可以被处理并添加到ILI库集20中。在这种情况下，可以重新计算所述辨别函数，以便利用来自新数据集合的附加分布和统计进一步进行更新。
在过程22中，检索管线的在役检查数据。在过程22中所检索的在役检查数据集合k包括沿管线的整体长度以用来获得数据的特定ILI技术和系统所确定的间隔而取得的测量。这些数据可以在过程22中从存储器资源获得或通过网络获得，或者以其它方式由得出所述辨别函数时所涉及的操作计算机系统所接收。
出于本发明该实施例的原因，其在过程22中所检索的ILI测量以与其它管线所取得的UT/RT样本测量相一致的增量长度进行表达的情况下是有用的。因此，根据本发明的该实施例，在过程24中，所述ILI测量数据被转换为与采样测量的单位长度相对应的单位长度的测量。例如，采样UT/RT测量的感兴趣长度可以为沿管线长度的一英尺的间隔。ILI测量可能不对应于一英尺的间隔，但是当前数据比采样UT/RT测量更为精细(即，有效连续)。因此，在过程24中，所述操作计算机系统将ILI测量转换为与测量操作者所执行的UT/RT测量相对应的感兴趣的单位长度(例如，一英尺长度)的所需测量单位(例如，百分比管壁损失)。该转换可以通过传统技术来执行，例如通过选择并存储每个所需间隔内的最大管壁损失测量。
结合本发明已经注意到，管线管壁损失测量随测量技术而有所变化。更具体地，已经注意到ILI测量和从UT/RT检查所获得的那些测量之间存在偏差(其中观察到UT和RT测量彼此良好对应)。该偏差在一定程度上难以进行表征，原因在于给定管线的管壁损失的ILI测量通常指示远大于对该相同管线通过UT或RT所进行的采样测量的最小厚度损失的长度百分比。最小损失的该高百分比得出严格的校准等式有些困难。然而，由于通过任一种技术进行管线完整性监视的目标主要涉及检测管壁损失的极值(即，首先出现故障的位置)，所以可以在各种技术之间通过仅对相对高(例如，＞20％)的管壁损失的那些测量进行比较来得出有用的校准函数。测量的这种截断(truncation)能够提供有用的校准函数。如以下所要描述的，准确的校准使得ILI测量在根据本发明的该实施例表征UT/RT测量的分布时是有用的。
在一个示例中，已经从如由ILI测量所检测的若干管线的最大管壁损失数值的回归而如利用UT采样所检测的那些相同管线的最大管壁损失数值执行了ILI管壁损失测量对UT管壁损失测量的校准。该回归仅使用那些大于20％管壁损失的ILI数值，并且排除了各种意外。此外，该回归并不要求ILI测量与相应的UT(或RT)测量处于沿管线的相同物理位置。该回归的结果提供了如通过采样超声摄影术所测量的最大管壁损失厚度UTmax与所测量的相应的ILI最大管壁损失厚度ILImax的以下关系：
UTmax＝2.18+1.18(ILImax)
显然，预见到可以根据每种情况中所使用的特定测量技术和装置，管线差异和所承载流体的属性，是否需要较高级的校准等，而采用不同的校准方案。一旦例如根据利用ILI以及UT或RT管壁损失测量对合理数量的管线的分析而定义了校准函数，就根据该函数对管线数据集合k的ILI管壁损失测量执行校准过程25。
根据本发明的该实施例，由所转换和校准的ILI测量所指示的管壁厚度损失测量的真实极值将在得出所述辨别函数时得以使用。因此，在过程26中，对数据集合k识别该极值，并且将其以与数据集合k相关联的方式存储在存储器中。此外，根据本发明的该实施例，与物理管线相关的特定参数在得出所述辨别函数时可能是有用的。这些管线描述符的示例包括管线长度、管线直径、管线所承载的流体中是否存在水相(water phase)、是否存在油相(oil phase)，等等。在过程26中，这些参数也以与数据集合k相关联的方式存储在存储器中。
判定27确定是否还有其它ILI数据集合要进行转换和校准。如果是(判定27为是)，则在过程29中递增数据集合索引k，并且检索下一个数据集合k(过程22)，将其转换为所需的管线长度增量(过程24)，针对UT/RT测量进行校准(过程25)，并且识别其管壁厚度损失的极值并连同管线描述符一起进行存储(过程26)。一旦对所要考虑的所有ILI数据集合完成了这些过程(判定27为否)，则控制进行至用于确定哪个ILI数据集合适于在得出极值估计时使用的过程28。
在过程28中，操作计算机系统通过选择在其测量数值中展现出与通过UT/RT从所要检查的其它管线获得的采样测量数值相类似模式的那些数据集合来确定哪些所转换和校准的数据集合适于在极值估计中使用。如以下将要描述的，根据本发明的该实施例，用来选择最优统计分布的辨别函数不是基于统计分布对于整个测量分布的拟合，而是将基于统计分布在估计最严重套管侵蚀的极值时的准确性。如以上所提到的，管壁厚度损失测量的实际分布通常表现为分布的混合形式。给定这些因素，以零管壁损失测量加大权重的ILI数据集合将不是特别有助于选择要从其估计极值的统计分布。因此，过程28排除对其所转换和校准的ILI测量不满足类似标准的那些数据集合。在过程28中有用的类似标准的示例是非零管壁损失测量的百分比阈值。例如，如果数据集合多于50％的所转换校准的管壁厚度损失测量为零值，则该数据集合将被过程28从辨别函数的得出中排除。
一旦在过程28中识别了用于极值估计的适当ILI数据集合，就接着在过程30中以各种样本大小执行这些数据集合的蒙特卡洛仿真采样。现在将结合图4的流程图对根据本发明该实施例的过程30的操作进行描述。
如图4所示，过程30以在过程32中对管线数据集合k中经校准的ILI管壁损失测量的随机采样作为开始。这些随机样本对应于沿管线长度的随机位置处的管壁厚度测量(在该实施例中表示为管壁厚度损失的百分比)。过程32的每个实例以指定的样本大小j对管线数据集合k中的校准ILI测量的分布进行采样；对于最优结果，样本大小j通常将对应于现场中管线的UT/RT测量的可能样本大小的范围。例如，在实践中，本发明该实施例的方法在与范围从大约10到大约1000的UT/RT测量样本大小相结合时是最为有用的。此外，过程32可以减少以较高样本大小j执行的随机采样的数量，原因在于这些较高样本大小将会在彼此之间展现出较少的变化性(并且由此会给出相同的结果)。而且在过程32中，还对该样本集合计算可以证明在得出辨别函数时有用的特定样本统计并存储在存储器中。这些统计至少包括将各种统计分布拟合到样本数值(例如平均值、中间值、标准背离或变化)时有用的那些统计，以及可以帮助所述辨别计算的其它统计(例如，75％分位数值、峰度、偏态、样本大小、最大样本数值等)。校准ILI测量的这种以该相同样本大小的蒙特卡洛仿真采样以及相关统计的计算在过程32中重复n次，其中n是相对适度的数目(例如，为10的量级)，并且对每次采样记录结果。执行判定33以确定是否还要对数据集合k分析其它样本大小；如果是(判定33为是)，则在过程34中调整样本大小j，并且对新的样本大小重复过程32。一旦以数据集合k的所有所需样本大小获得了所需数量的样本，判定35就确定是否还有要采样的其它数据集合。如果是(判定35为是)，则递增数据集合索引k(过程36)，并且对下一个数据集合执行采样过程32。
一旦经由过程32对所有要考虑的数据集合以所有所需样本大小获得了所有所需的样本集合(判定35为否)，这些样本集合就接着被用来在候选统计分布的集合中确定为每个样本集合最佳地预测了最严重套管侵蚀的极值的一个统计分布。这种确定通过使用应用于样本集合的这些统计分布中的每一个估计极值来执行，根据本发明的该实施例，其在过程39(图3)中执行。结合本发明已经注意到，沿管线长度的管壁厚度损失的参数不必遵循单种统计分布。相反，已经注意到在许多情况下，管壁损失测量沿管线的分布表现为分布的混合形式。考虑到这些观察，统计分布的选择是基于来自统计分布的极值的估计对于管线实际极值的“拟合度”，而不是统计分布对于整个样本数值集合的拟合度。
预见到，在本发明的该实施例中为了极值估计所估算的候选统计分布的集合要预先进行选择。结合本发明已经注意到，相对于诸如一般Pareto分布和一般极值(GEV)分布的三参数统计分布，通过两个参数所表征的统计分布最适于最严重套管侵蚀的估计。图5a至5d图示了预见为通常结合本发明的该实施例有用的一些统计分布的形状。这些统计分布包括分别如图5a至5d所示的最小极值分布、逻辑分布、最大极值分布和Weibull分布。为了描述本发明的该实施例，这四个统计分布将作为候选统计分布。
给定候选统计分布的集合，针对每个样本集合对每个候选统计分布进行估计。再次参见图4，对于给定样本集合而言(每个样本集合被单独考虑，而除通过参考其真实极值以及过程26中所存储的任意相关联的管线描述符外不关于其所属的ILI数据集合)，该操作在过程34中开始。在该过程34中，每个候选统计分布通过在过程32中为样本集合所计算的统计而拟合至该样本集合。预期候选统计分布对样本集合的这种拟合由传统的统计或数学计算机软件所执行，其典型地应用最大似然技术，并且由评估系统10或者运行以得出辨别函数的这种其它计算机系统所执行；用于执行该功能的各种传统计算机软件程序对于本领域技术人员是已知的。在过程34中，对当前样本集合的每个候选统计分布执行该拟合。
在过程36中，询问每个候选统计分布以获得管壁厚度损失的极大值估计。如之前所提到的，用于获得极值的分布估计相当于以特定分位数的分布估计。在本发明的该实施例中，该极值分位数具有针对管线整体长度的关系。例如，如果管线长度为20000英尺，并且如果以1英尺间隔考虑测量(如所转换的)，则在以分位数的统计分布中，所述极值将为：
极值分位数＝100*(1-1/20,000)＝99.995％
通常，所述极值分位数由此被确定为
极值分位数＝100*(1-1/长度)
在过程36中，每个候选统计分布的估计可以使用本领域已知的传统统计计算机软件来执行。这种在该估计过程36中特别有用的计算机软件的一个示例为爱荷华州立大学的William Meeker教授所研发的SPLIDA统计软件包；所述SPLIDA软件包以S-Plus统计编程语言所实现，并且遵循Meeker和Escobar的Statistical Methods for Reliability Data(Wiley-Interscience，纽约，1998)中所描述的方法。图5c图示了来自SPLIDA统计软件包以极值分位数识别数值时的结果示例。在该示例中，所述软件包返回了以99.995％分位数所取得的45％管壁厚度损失的极值估计。图5e中图示了该估计的置信度水平分布，并且以95％的置信度水平示出了该极值的范围从38％到53％管壁厚度损失。
在过程38中，将对每个候选统计分布所计算的极值分位数与过程26中对该数据集合k所存储的真实极值进行比较。过程38的该比较可以是过程36中所确定的最可能极值与真实极值的比较，替选地，可以考虑与所计算的极值相关的置信度水平。针对其中通过ILI(并且校准为UT/RT)所测量的管壁厚度损失为38％的真实极值的示例，图5f至5i图示了比较过程38的示例。图5f图示了最大极值分布所指示的极值为30％。图5g图示了逻辑分布所指示的极值为26％。图5h图示了最小极值分布所指示的极值为29％。图5i图示了Weibull分布所指示的极值为40％，显然在该示例中这是这四个候选分布中最为接近的。还是在过程38中，接着在存储器中存储最接近的估计候选分布的标识符，以及所计算的样本统计和与从其取得该样本集合的ILI数据集合k相关联的管线描述符。例如，对于全部从样本管线数据集合所得出的10个样本集合而言，过程38的结果示例为：
Figure BPA00001309441100191
在该示例中，数字“N”是特定样本集合的样本大小。“Serv PW”、“Serv PO”和“Serv O”的管线描述符分别指示管线服务是否包括所生产的水、所生产的油(例如，管线中从地下泵送的油)以及“油”(例如，管线中从分离器流出的油)。该表格中其它统计和管线描述符无需加以说明。对于每个样本集合，最佳的极值拟合统计分布被图示为最后一栏中的类型响应：“E”指示最大极值分布，“W”指示Weibull分布，“S”指示最小极值分布，并且“L”指示逻辑分布。
如果还有其它样本集合有待分析(判定37为是)，则选择下一个样本集合(过程39)并且对所述下一个样本集合重复评估过程34、36、38。一旦对所有样本集合进行了估计并且识别了最佳候选统计分布(判定37为否)，过程39完成，并且现在可以在过程40(图3)中得出辨别函数。
根据本发明的该实施例，将以线性等式集合的形式得出所述辨别函数。在这方面，有用的步骤为最初识别对要与另一数据集合关联的每个数据集合所存储的任意样本统计，从而优选地从所述辨别函数得出中去除那些关联统计之一。否则，那些关联统计将在所产生的函数中被过分强调。例如，在该方法的一个示例中，峰度与偏态相关联并由此从分析中排除。
在这种具有类型响应(最佳拟合统计分布)的情形中用于得出辨别函数的统计方法被称作线性辨别分析，其方法由Afifi等人在Computer-Aided Multivariate Analysis 4th Edition(Chapman&Hall/CRC，Boca Raton，2004)进行了描述。针对具有单个预测因子变量x的两响应集合(总体I和总体II)的示例，图5j利用Afifi的参考文献的示图图示了这类问题的简化图示。预测因子x的值确定了特定成员应当分配给总体I还是总体II。该示例中的辨别函数在图5h中被简单示为两个总体之间的垂直线。
根据本发明的该实施例，所述辨别函数在所要分隔的总体数目以及预测因子变量的数目方面都将比图5j所示的简单示例更为复杂。然而，现代的计算能力完全能够使用传统技术得出作为线性等式集合的适当辨别函数。结合本发明已经注意到，一些预测行为是非线性的，并且这样其可用于预测所有可能预测因子的线性和二次行为。为了提高效率，根据本发明的该实施例，可以使用对数来表示一些预测因子以简化等式。针对考虑来自18条ILI管线的538个数据集合的示例，根据本发明该实施例的示例所得出的结果辨别等式示例在表1中示出：
Figure BPA00001309441100201
表1
(max最大值   stedv标准背离或变化    skewness偏态Diameter直径)
如本领域已知的，作为辨别变量，该表中较小的p-level值对应于较高的明显程度。在确定统计分布的类别时无用的那些参数(统计和管线描述符)没有在该表中示出。例如，在该示例中，管线长度的管线描述符以及管线服务指示符(所生产的水、所生产的油，以及油)不影响统计分布预测的准确度。然而，预见到这样的描述符在一些管线中可能是重要的，并且由此适于在其它情况下作为重要预测因子加以考虑。
给定如表1所示的辨别分析，可以由评估系统10或者用于得出辨别函数并将该辨别函数存储在ILI库集20中的其它这种计算机系统在过程40中执行传统数学运算。根据本发明的该实施例，过程40创建并存储一组类别等式，其中每个候选统计分布一个。表2中示出了这些类别等式的示例：
Figure BPA00001309441100211
表2
(Variable变量max最大值stedv标准背离或变化skewness偏态Diameter直径Constant常数)
根据本发明该实施例的辨别函数是一组线性等式，其中每个线性等式与一个候选统计分布相关联。在表2的示例中，每个候选分布的线性等式是表2的栏中每个数字与对应于每一行的样本统计或管线描述符的感兴趣管线的数据数值的简单线性组合。附加常数也在该表底部包括在每个线性等式中(“Constant”)。例如，最小极值分布(“S”)的线性等式将被表示为：
“S”＝-2.425(Max)+1.200(Stdev)+26.49(Skewness)+1.104(Pipeline_diameter)+142.6(log10(Mean))+19.41(ln(Q3+))+23.73(log10(n))+3.747(skew2)+51.23((log10(Mean))2)-113.5
通过对每个等式进行估计，线性等式集合(其基于统计或管线描述符可以包括平方或对数项)的该辨别函数将被应用于所采样管线的样本统计和管线描述符数值。在被应用到样本统计和管线描述符时从其线性等式返回最高数值的统计分布将作为所选择的统计分布以用于确定该所采样管线的最严重套管侵蚀。过程40一旦完成，如现在将要关于图6所描述的，就可以对其它管线的管壁厚度损失的采样值进行分析以得出它们最严重套管侵蚀数值。
根据本发明的该实施例，一旦基于ILI数据集合的辨别函数已经被得出并存储在ILI库集20中，现在就可以对不同于已经对其执行了ILI的那些管线的管线的样本测量进行分析以获得那些采样管线中最严重套管侵蚀的估计。图6图示了根据本发明该实施例的对UT/RT测量进行分析以获得这种极值估计的方法的整体操作。预见到该过程可以由评估系统10所执行，其示例已经在上文中关于图3进行了描述，其可以是确定一条或多条管线的UT/RT样本覆盖充分性的分析人员所操作的工作站。如以上结合评估系统10的描述所提到的，还预见到执行该过程的计算资源和组件可以以各种方式进行部署，包括利用web应用或其它分布式方法。
根据本发明的该实施例，如图6的过程50所示，被检查的特定管线(该管线在这里被称作“管线PUI”)的UT/RT测量的分析以从数据源18接收所采样的UT/RT测量作为开始。管线PUI通常为“无法使用猪”的管线，对于其仅获得了管壁损失的采样测量。在本发明的该实施例中，对管线PUI所检索的数据包括例如通过超声照相术(UT)或射线照相术(RT)或者其它一些测量技术在沿管线PUI的位置所获得的多个样本中每一个的独立管壁损失数值。可以对这些UT/RT测量进行预先处理以便将其表示为管壁厚度损失的图形(例如，百分比管壁损失)。虽然也可以取得或使用其它测量，但是在所描述的该示例中，每个UT/RT样本被认为是在管线PUI长度的相对小的间隔(例如，1英尺)上所检测到的最大百分比管壁损失。UT/RT测量的采样间隔应当与变换ILI测量数据(图4的过程40)的间隔相匹配。在过程50中所检索的数据还应当包括管线PUI的长度、所获取的UT/RT样本的数目、管线PUI的直径，以及如将应用于以上所描述的辨别函数的其它管线描述符。
一旦检索到管线PUI的UT/RT测量数据，评估系统10就接着在过程52中基于所检索的UT/RT样本测量计算样本统计。这些样本统计包括如以上所描述的在从ILI数据集合得出辨别函数时作为考虑因素的那些统计。预见到在过程52中所计算的这些样本统计通常将包括诸如平均值、中间值、标准背离、偏态等一般统计。
根据本发明的该实施例，在过程54中，评估系统10访问ILI库集20以检索线性等式集合形式的辨别函数。如以上所描述的，构成所述辨别函数的这些线性等式使得能够选择最为适当的候选统计分布以便估计管线PUI的最严重套管侵蚀的极值。评估系统10接着执行过程56以对过程54中所检索的辨别函数应用管线PUI的样本统计和管线描述符。在本发明的该实施例中，其中所述辨别函数作为一组线性等式而得出，一个等式用于每个候选统计分布，过程56涉及利用管线PUI的样本统计和管线标识符对每个线性等式进行评估，并且将来自那些线性等式中每一个的估计结果进行比较以识别返回最大数值结果的等式。根据本发明的该实施例，与所述辨别函数估计的最大数值结果相关联的候选统计分布是用于准确预测管线PUI的最严重套管侵蚀的极值的最佳候选统计分布。
在过程60中，一旦在过程58中选择了统计分布，评估系统10就对管线PUI的分位数极值的估计进行评估，以提供最严重套管侵蚀的估计。如以上对于ILI数据集合所描述的，评估过程60涉及首先例如由评估系统10将所选择的统计分布拟合到管线PUI的样本UT/RT数值，所述评估系统10执行如本领域技术人员所已知的应用最大似然函数的传统统计计算机软件。一旦所述分布被拟合到样本数据，该分布就被用来获得管壁厚度损失的最大极值估计(最严重套管侵蚀)。如以上所讨论的，在本发明的该实施例中，所述极值估计相当于与管线PUI的整体长度相关的以特定分位数的分布估计：
极值分位数＝100*(1-1/长度)
以上所提到的SPLIDA统计软件包非常适于在根据本发明该实施例的过程60中估计极值分位数；显然，本领域技术人员将会轻易认识到也可以使用或便于研发其它软件包和计算机程序以从所选择的统计分布估计该极值分位数。而且根据本发明的该实施例，评估系统10还返回一个或多个置信度水平及其相关联的与所计算的极值相关的间隔。从过程60所返回的结果与以上关于图5e所讨论的那些结果的相似之处在于极值分布的峰值对应于最严重套管侵蚀，其具有以一个或多个置信度水平所识别的该峰值周围的间隔。
在过程62中，由系统用户或评估系统10自身的编程操作估计最严重套管侵蚀的极值以及置信度水平和相关间隔，以确定过程60中识别最严重套管侵蚀的精确程度是否足以用于分析人员的目的。如果是这样，则过程完成并且可以对进行检查的另一条管线进行类似分析。如果以专家用户的意见或者关于评估系统10预先编程的极限，最严重套管侵蚀的数值足够高，可以执行其它动作以根据管线PUI的最严重套管侵蚀定义所要采取的适当动作，所述其它动作诸如对已经针对管线PUI所获得的采样数据执行额外的统计评价，以及可能获取新的或额外的样本数据。如果过程60中所确定的最严重套管侵蚀的数值有些高，则所要采取的适当动作还可以取决于以所需置信度水平所进行的估计的精度。
根据本发明能够获得在大规模管线系统中监视管线完整性的重要好处。操作者能够通过使用本发明从所采样的管线管壁厚度损失测量获得最严重套管侵蚀的现实估计，而不依赖于与管壁损失沿管线的统计分布相关的无法支持的假设，并且不依赖于具有不现实或不可支持的基本假设的流体和材料模型。通过提供相对快速和有效的最严重套管侵蚀的评估以及以一个或多个置信度水平的置信度间隔，生产场所或管线系统的操作者能够通过将注意力集中在最为需要的测量和分析资源而更有效地执行必要监视和深入统计分析以确保适当的完整性水平。
虽然已经根据其实施例对本发明进行了描述，但是显然可以预见到这些实施例的修改和替换，获得本发明的优势和好处的这些修改和替换对于已经参考了本说明书及其附图的本领域技术人员将是显而易见的。预见到这样的修改和替换处于所要求保护的本发明的范围之内。

Claims (24)

1.一种估计管线的完整性的方法，包括步骤：
接收所述管线的管线管壁厚度损失的采样测量数据，所述测量数据是在沿所述管线的多个采样位置获得的；
计算所述采样测量数据的样本统计；
将所计算的样本统计应用于辨别函数，所述辨别函数被配置为识别多个候选统计分布中的一个以便准确估计管线管壁厚度损失的极值，所述多个候选统计分布中的每一个基于多条参考管线中相应一条的管壁厚度损失测量；以及
评估拟合到所述采样测量数据的所识别的候选统计分布的极值分位数以获得所述管线的管线管壁厚度损失的极值的估计。
2.如权利要求1所述的方法，进一步包括：
获得所述管线的管线描述符；
并且其中所述应用步骤还将所述管线描述符应用于所述辨别函数。
3.如权利要求1所述的方法，其中所述辨别函数包括多个线性等式，每个线性等式与候选统计分布相关联。
4.如权利要求1所述的方法，进一步包括：
从所述多条参考管线的在役检查测量数据集合的蒙特卡洛采样得出所述辨别函数。
5.如权利要求4所述的方法，其中所述得出步骤包括：
识别所述多个数据集合中的每一个中的管线管壁厚度损失的极值；
对于所述多个数据集合中的每一个，以多个样本大小中的每一个对每个所述数据集合进行一次或多次随机采样以得出多个参考样本集合；
对于每个所述参考样本集合：
计算所述样本集合的一个或多个样本统计；
使用拟合到所述样本集合的所述多个候选统计分布中的每一个评估极值分位数，以获得管线管壁厚度损失的极值的估计；
将来自所述多个候选统计分布中的每一个的所评估的极值分位数与从中取得所述参考样本集合的数据集合的管线管壁厚度损失的极值进行比较；并且
接着对于每个所述数据集合，识别所评估的极值分位数与从中取得所述参考样本集合的数据集合的管线管壁厚度损失的极值最为接近的所述候选统计分布中的一个；并且
对于每个所述候选统计分布，使用其候选统计分布是所识别的候选统计分布的参考样本集合的样本统计得出辨别等式。
6.如权利要求5所述的方法，其中所述得出步骤进一步包括：
根据在役检查测量和采样测量数据之间的校准函数对所述数据集合中的在役检查测量数据进行校准。
7.如权利要求5所述的方法，进一步包括：
对于每个数据集合，获取其相关联的参考管线的管线描述符，其在役检查测量数据从所述相关联的参考管线所获得；
其中得出辨别等式的步骤还对从中取得所述参考样本集合的数据集合使用所述参考管线的管线描述符。
8.如权利要求7所述的方法，进一步包括：
获得所述管线的管线描述符；
其中所述应用步骤还对所述辨别函数应用所述管线描述符。
9.一种用于对管线管壁厚度的测量进行评估的评估系统，包括：
存储器资源，用于存储数据库集；
一个或多个中央处理单元，用于执行程序指令；和
程序存储器，其耦合到所述中央处理单元，用于存储包括程序指令的计算机程序，当被所述一个或多个中央处理单元所执行时，所述程序指令能够使得计算机系统执行用于估计管线完整性的操作序列，所述操作序列包括：
接收所述管线的管线管壁厚度损失的采样测量数据，所述测量数据是在沿所述管线的多个采样位置获得的；
计算所述采样测量数据的样本统计；
从所述数据库集检索辨别函数；
将所述样本统计应用于辨别函数，所述辨别函数被配置为识别多个候选统计分布中的一个以便准确估计管线管壁厚度损失的极值，所述多个候选统计分布中的每一个基于多条参考管线中相应一条的管壁厚度损失测量；以及
评估拟合到所述采样测量数据的所识别的候选统计分布的极值分位数以获得所述管线的管线管壁厚度损失的极值的估计。
10.如权利要求9所述的评估系统，进一步包括：
网络接口，用于向用户能够访问的网络提供通信信号以及接收通信信号；
其中所述存储器资源能够由所述中央处理单元经由所述网络接口进行访问。
11.如权利要求9所述的评估系统，其中所述接收采样测量数据的操作包括：
访问所述存储器资源。
12.如权利要求9所述的评估系统，其中所述操作序列进一步包括：
获得所述管线的管线描述符；
并且其中所述管线描述符在所述应用操作中也被应用于所述辨别函数。
13.如权利要求9所述的评估系统，其中所述辨别函数包括多个线性等式，每个线性等式与候选统计分布相关联。
14.如权利要求9所述的评估系统，其中所述操作序列进一步包括：
从所述数据库集检索所述多条参考管线的在役检查测量数据集合；并且
从所述在役检查测量数据集合的蒙特卡洛采样得出所述辨别函数。
15.如权利要求14所述的评估系统，其中得出所述辨别函数的操作包括：
识别所述多个数据集合中的每一个中的管线管壁厚度损失的极值；
对于所述多个数据集合中的每一个，以多个样本大小中的每一个对每个所述数据集合进行一次或多次随机采样，以得出多个参考样本集合；
对于每个所述参考样本集合：
计算所述样本集合的一个或多个样本统计；
使用拟合到所述样本集合的所述多个候选统计分布中的每一个评估极值分位数，以获得管线管壁厚度损失的极值的估计；
将来自所述多个候选统计分布中的每一个的所评估的极值分位数与从中取得所述参考样本集合的数据集合的管线管壁厚度损失的极值进行比较；并且
接着对于每个所述数据集合，识别所评估的极值分位数与从中取得所述参考样本集合的数据集合的管线管壁厚度损失的极值最为接近的所述候选统计分布中的一个；并且
对于每个所述候选统计分布，使用其候选统计分布是所识别的候选统计分布的所述参考样本集合的样本统计得出辨别等式。
16.如权利要求15所述的评估系统，其中得出所述辨别函数的操作进一步包括：
根据在役检查测量和采样测量数据之间的校准函数对数据集合中的在役检查测量数据进行校准。
17.如权利要求15所述的评估系统，其中所述操作序列进一步包括：
对于每个数据集合，检索其相关联的参考管线的管线描述符，其在役检查测量数据从所述相关联的参考管线获得；
并且其中得出辨别等式的操作还对从中取得所述参考样本集合的数据集合使用所述参考管线的管线描述符。
18.如权利要求17所述的评估系统，其中所述操作序列进一步包括：
获得所述管线的管线描述符；
并且其中所述应用操作还对所述辨别函数应用所述管线描述符。
19.一种存储计算机程序的计算机可读介质，当在计算机系统上执行时，所述计算机程序使得所述计算机系统执行用于估计管线的完整性的操作序列，所述操作序列包括：
接收所述管线的管线管壁厚度损失的采样测量数据，所述测量数据是在沿所述管线的多个采样位置获得的；
计算所述采样测量数据的样本统计；
将所述样本统计应用于辨别函数，所述辨别函数被配置为识别多个候选统计分布中的一个以便准确估计管线管壁厚度损失的极值，所述多个候选统计分布中的每一个基于多条参考管线中相应一条的管壁厚度损失测量；以及
评估拟合到所述采样测量数据的所识别的候选统计分布的极值分位数以获得所述管线的管线管壁厚度损失的极值的估计。
20.如权利要求1所述的计算机可读介质，其中所述操作序列进一步包括：
获得所述管线的管线描述符；
并且其中将所述样本统计应用于辨别函数的操作也将所述管线描述符应用于所述辨别函数。
21.如权利要求19所述的计算机可读介质，其中所述辨别函数包括多个线性等式，每个线性等式与候选统计分布相关联。
22.如权利要求19所述的计算机可读介质，其中所述操作序列进一步包括：
通过以下操作从所述多条参考管线的在役检查测量数据集合得出所述辨别函数：
识别所述多个数据集合中每一个中的管线管壁厚度损失的极值；
对于所述多个数据集合中的每一个，以多个样本大小中的每一个对每个所述数据集合进行一次或多次随机采样以得出多个参考样本集合；
对于每个所述参考样本集合：
计算所述样本集合的一个或多个样本统计；
使用拟合到所述样本集合的所述多个候选统计分布中的每一个评估极值分位数，以获得管线管壁厚度损失的极值的估计；
将来自所述多个候选统计分布中的每一个的所评估的极值分位数与从中取得所述参考样本集合的数据集合的管线管壁厚度损失的极值进行比较；并且
接着对于每个数据集合，识别所评估的极值分位数与从中取得所述参考样本集合的数据集合的管线管壁厚度损失的极值最为接近的所述候选统计分布中的一个；并且
对于每个所述候选统计分布，使用其候选统计分布是所识别的候选统计分布的参考样本集合的样本统计得出辨别等式。
23.如权利要求22所述的计算机可读介质，其中得出所述辨别函数的操作进一步包括：
根据在役检查测量和采样测量数据之间的校准函数对所述数据集合中的在役检查测量数据进行校准。
24.如权利要求22所述的计算机可读介质，其中所述操作序列进一步包括：
对于每个数据集合，获取其相关联的参考管线的管线描述符，其在役检查测量数据从所述相关联的参考管线获得；并且
获取所述管线的管线描述符；
其中得出辨别等式的步骤还对从中取得所述参考样本集合的数据集合使用所述参考管线的管线描述符；
并且其中所述应用步骤还将所述管线描述符应用于所述辨别函数。
CN200980130738.7A 2008-08-01 2009-07-22 估计管线中的最严重套管侵蚀 Expired - Fee Related CN102625911B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US8569208P 2008-08-01 2008-08-01
US61/085,692 2008-08-01
US12/349,851 US7941282B2 (en) 2008-08-01 2009-01-07 Estimating worst case corrosion in a pipeline
US12/349,851 2009-01-07
PCT/US2009/051379 WO2010014471A2 (en) 2008-08-01 2009-07-22 Estimating worst case corrosion in a pipepline

Publications (2)

Publication Number Publication Date
CN102625911A true CN102625911A (zh) 2012-08-01
CN102625911B CN102625911B (zh) 2015-06-03

Family

ID=41609214

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200980130738.7A Expired - Fee Related CN102625911B (zh) 2008-08-01 2009-07-22 估计管线中的最严重套管侵蚀

Country Status (9)

Country Link
US (1) US7941282B2 (zh)
EP (1) EP2361382A2 (zh)
CN (1) CN102625911B (zh)
AU (1) AU2009276891B2 (zh)
BR (1) BRPI0916855A2 (zh)
CA (1) CA2730569A1 (zh)
EA (1) EA201100274A1 (zh)
EG (1) EG26277A (zh)
WO (1) WO2010014471A2 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679307B (zh) * 2012-09-04 2018-02-02 中国石油天然气股份有限公司 一种长输油气管道管体缺陷闭环评估方法及系统

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8542127B1 (en) * 2012-11-12 2013-09-24 Valerian Goroshevskiy Apparatus for the non-contact metallic constructions assessment
US8447532B1 (en) * 2012-10-27 2013-05-21 Valerian Goroshevskiy Metallic constructions integrity assessment and maintenance planning method
EP2725352A1 (en) 2012-10-27 2014-04-30 Valerian Goroshevskiy Apparatus for non-contact metallic constructions assessment
CA2895400C (en) * 2013-01-25 2017-12-05 Landmark Graphics Corporation Well integrity management using coupled engineering analysis
US9933353B2 (en) 2014-02-13 2018-04-03 Infosys Limited Method for assessing corroded pipeline defect growth from partial inspection data and devices thereof
WO2015130406A1 (en) * 2014-02-28 2015-09-03 Landmark Graphics Corporation Estimation and monitoring of casing wear during a drilling operation using casing wear maps
US10372708B1 (en) * 2014-12-31 2019-08-06 Teradata Us, Inc. Statistic normalization in a data store system
WO2017052712A2 (en) * 2015-06-29 2017-03-30 The Charles Stark Draper Laboratory, Inc. System and method for characterizing ferromagnetic material
US10330587B2 (en) 2015-08-31 2019-06-25 Exxonmobil Upstream Research Company Smart electrochemical sensor for pipeline corrosion measurement
US11237132B2 (en) 2016-03-18 2022-02-01 Schlumberger Technology Corporation Tracking and estimating tubing fatigue in cycles to failure considering non-destructive evaluation of tubing defects
US11073011B2 (en) 2017-07-24 2021-07-27 Halliburton Energy Services, Inc. Methods and systems for wellbore integrity management
NO20211100A1 (en) * 2019-05-16 2021-09-10 Landmark Graphics Corp Corrosion prediction for integrity assessment of metal tubular structures
GB2586659B (en) * 2019-09-02 2021-09-08 Imrandd Ltd Inspection related systems and methods
CN112488191B (zh) * 2020-11-30 2022-11-25 海南电网有限责任公司电力科学研究院 一种基于knn智能算法的金属腐蚀分布图绘制方法
CN115899595B (zh) * 2023-03-08 2023-05-23 成都秦川物联网科技股份有限公司 一种智慧燃气管道防腐优化方法、物联网系统及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010032064A1 (en) * 2000-03-31 2001-10-18 Kenji Araki Method of offering wall-thickness thinning prediction information, and computer-readable recording medium storing wall-thickness thinning prediction program, and method of planning piping work plan
US6813949B2 (en) * 2001-03-21 2004-11-09 Mirant Corporation Pipeline inspection system
US7263887B2 (en) * 2003-03-07 2007-09-04 Sfeir George M Method for inspection of metal tubular goods

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4998208A (en) 1987-03-16 1991-03-05 The Standard Oil Company Piping corrosion monitoring system calculating risk-level safety factor producing an inspection schedule
US4935195A (en) 1988-08-29 1990-06-19 Westinghouse Electric Corp. Corrosion-erosion trend monitoring and diagnostic system
US5072388A (en) 1990-01-31 1991-12-10 Union Oil Company Of California Lined casing inspection method
US5965818A (en) 1998-01-15 1999-10-12 Shell Oil Company Ultrasonic Lamb wave technique for measurement of pipe wall thickness at pipe supports
JP3832142B2 (ja) 1999-06-24 2006-10-11 株式会社日立製作所 配管系の減肉管理システム
US6556924B1 (en) 2000-07-27 2003-04-29 Hydroscope Canada Inc. Maintenance optimization system for water pipelines
US7013249B1 (en) 2001-07-16 2006-03-14 Kinder Morgan, Inc. Method for detecting near neutral/low pH stress corrosion cracking in steel gas pipeline systems
US20060288756A1 (en) 2003-02-21 2006-12-28 De Meurechy Guido D K Method and apparatus for scanning corrosion and surface defects
CA2435626A1 (fr) 2003-07-28 2005-01-28 Benoit Godin Methode d`echantillonnage et de gestion du risque lors de l`inspection metallurgique de conduits ou reservoirs
US7328618B2 (en) 2005-06-21 2008-02-12 National Research Council Of Canada Non-destructive testing of pipes
EP2069724A2 (en) 2006-08-01 2009-06-17 CiDra Corporation Method for monitoring a flowing fluid
CN101071098A (zh) 2007-06-19 2007-11-14 广州市煤气公司 地下钢质燃气管网管道腐蚀预测系统
US9182081B2 (en) * 2008-06-30 2015-11-10 Bp Corporation North America Inc. Rapid data-based data adequacy procedure for pipeline integrity assessment

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010032064A1 (en) * 2000-03-31 2001-10-18 Kenji Araki Method of offering wall-thickness thinning prediction information, and computer-readable recording medium storing wall-thickness thinning prediction program, and method of planning piping work plan
US6813949B2 (en) * 2001-03-21 2004-11-09 Mirant Corporation Pipeline inspection system
US7263887B2 (en) * 2003-03-07 2007-09-04 Sfeir George M Method for inspection of metal tubular goods

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CALEYO, F.等: "Criteria for performance assessment and calibration of in-line inspections of oil and gas pipelines", 《MEASUREMENT SCIENCE & TECHNOLOGY》 *
KHAN, F.等: "statistical approach to inspection planning and integrity assessment", 《INSIGHT》 *
文畅平: "岩体质量分级的Bayes判别分析方法", 《煤炭学报》 *
李纲等: "基于极值理论的风险价值度量", 《决策借鉴》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679307B (zh) * 2012-09-04 2018-02-02 中国石油天然气股份有限公司 一种长输油气管道管体缺陷闭环评估方法及系统

Also Published As

Publication number Publication date
AU2009276891B2 (en) 2013-05-02
EA201100274A1 (ru) 2011-12-30
BRPI0916855A2 (pt) 2016-02-10
EP2361382A2 (en) 2011-08-31
CN102625911B (zh) 2015-06-03
EG26277A (en) 2013-06-11
US20100030491A1 (en) 2010-02-04
WO2010014471A3 (en) 2012-10-26
US7941282B2 (en) 2011-05-10
WO2010014471A2 (en) 2010-02-04
CA2730569A1 (en) 2010-02-04
AU2009276891A1 (en) 2010-02-04

Similar Documents

Publication Publication Date Title
CN102625911B (zh) 估计管线中的最严重套管侵蚀
CN102077197B (zh) 用于管线完整性评估的基于数据的快速数据适当性过程
Nouvel et al. The influence of data quality on urban heating demand modeling using 3D city models
Goulet et al. Model falsification diagnosis and sensor placement for leak detection in pressurized pipe networks
Zhang et al. Leakage zone identification in large-scale water distribution systems using multiclass support vector machines
Kang et al. Novel approach to detecting pipe bursts in water distribution networks
US20140278148A1 (en) Virtual in-line inspection of wall loss due to corrosion in a pipeline
Pandey et al. Estimation of parameters of degradation growth rate distribution from noisy measurement data
Piller et al. Installing fixed sensors for double calibration and early-warning detection purposes
Kim et al. Adaptive approach for estimation of pipeline corrosion defects via Bayesian inference
JP7239859B2 (ja) 予測式導出方法及び予測式導出装置
Li Exploring the potential of utilizing unsupervised machine learning for urban drainage sensor placement under future rainfall uncertainty
Agathokleous et al. Real-time monitoring of water distribution networks
WO2014142825A1 (en) Virtual in-line inspection of wall loss due to corrosion in a pipeline
Chen et al. Optimizing inspection routes in pipeline networks
EP3605050B1 (en) Pipe diagnosis device, asset management device and pipe diagnosis method.
AU2021101888A4 (en) System and method for corrosion prediction in oil and gas pipeline
Stubelj et al. Pipeline predictive analitics trough on-line remote corrosion monitoring
Hilgefort Big data analysis using Bayesian network modeling: a case study with WG-ICDA of a gas storage field
Baeté The role of mechanistic modeling in corrosion management strategy for buried pipelines
Ayad et al. A Model-Based Approach for Leak Detection in Water Distribution Networks Based on Optimisation and GIS Applications
Alamilla et al. Estimation of corrosion damages by Bayesian stochastic models
Manchanda et al. Using unsupervised machine learning to identify risk of failure at ageing oil and gas assets
Schal Water Quality Sensor Placement Guidance for Small Water Distribution Systems
AU2021102974A4 (en) A computer implemented method for determining fair value of a drainage asset

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20150603

Termination date: 20160722