本发明公开了一种γ射线程控监测保温包覆管道多相流流态诱发腐蚀异常的方法，包括以下步骤：（1）、对保温包覆管道气相区域射线剂量波动扫描，通过对比最近记录的同样位置的γ射线剂量数据，判断识别保温包覆管内是否存在流态发生异常而导致严重腐蚀风险；（2）、通过分析测量的γ射线剂量，判断保温包覆管道内流态是否是段塞流；（3）、通过对比最近记录的同样位置的γ射线剂量数据，判断当前流态是否已经转变为环雾状流。本发明的一种γ射线程控监测保温包覆管道多相流流态诱发腐蚀异常的方法,实现了在不拆除保温包覆层下，高精度地在线识别各类工况下石油石化包覆管道多相流流态腐蚀异常变化，满足了实际应用中的多种腐蚀危险状态监测需要。
1.一种γ射线监测保温包覆管道多相流流态诱发腐蚀异常的方法，其特征在于：包括以下步骤：(1)、对保温包覆管道气相区域射线剂量波动扫描，通过对比最近记录的同样位置的γ射线剂量数据，判断识别保温包覆管内是否存在流态发生异常而导致严重腐蚀风险；
(2)、在已经判断存在流态发生异常而导致严重腐蚀风险时，通过分析测量的γ射线剂量，判断保温包覆管道内流态是否是段塞流；
(3)、在已经判定为存在因流态发生异常而导致严重腐蚀风险，且并未转化为段塞流时，通过对比最近记录的同样位置的γ射线剂量数据，判断当前流态是否已经转变为环雾状流；
判断识别保温包覆管内是否存在流态发生异常而导致严重腐蚀风险包括以下步骤：
2)、记录第i次测量的γ射线剂量为di，记录对应的测量序数ni＝i，其中i取值为1到k；
3)、计算全部di的平均值davg和标准偏差dstv，如式(1)和(2)所示；
4)、提取最近记录的k个管道同样测量位置的γ射线剂量数据mi，并计算全部mi的平均值mavg和标准偏差mstv，其中i取值为1到k，如式(3)和(4)所示；
5)、采用t检验方法，用davg、dstv，mavg、mstv计算出对应的t分布计算值t0，如式(5)所示，并取置信度为0.05，计算出临界参考值tr，若t0≥tr，则判定存在因流态发生异常而导致严重腐蚀的风险，否则判定不存在流态发生异常而导致严重腐蚀的风险，并将di到dk存入背景数据库，
2.根据权利要求1所述的一种γ射线监测保温包覆管道多相流流态诱发腐蚀异常的方法，其特征在于：判断保温包覆管道内流态是否是段塞流包括以下步骤：
1)、在已经判定为存在因流态发生异常而导致严重腐蚀风险时，逐个对di与其均值davg进行比对，若di≥davg，则令gcnj＝di，否则令lcnm＝di，并分别统计gcnj的数据总量u，以及lcnm的数据总量v，其中j取值为1到u，m取值为1到v；
2)、分别计算gcnj和lcnm的均值gcnavg、lcnavg，如式(6)和(7)所示，以及标准偏差gcnstv、lcnstv，如式(8)和(9)所示；
3)、采用t检验方法，用gcnavg、lcnavg、gcnstv、lcnstv计算出对应的t分布计算值tcn，如式(10)所示，并取置信度为0.05，计算出临界参考值tcnr，若tcn≥tcnr，则判定当前流态已经转变为段塞流，计算获得段塞流特征数据，否则判定当前流态并未转变为段塞流；
3.根据权利要求2所述的一种γ射线监测保温包覆管道多相流流态诱发腐蚀异常的方法，其特征在于：段塞流特征数据计算方式如下：利用u和v计算段塞流含气率gr和含液率lr，如式(11)和(12)所示；
gr＝1-lr (11)令气塞长度频数fgsk初始值为0，液塞长度频数flsk初始值为0，并按照监测数据di的获取顺序，若di≥davg，则fgsk＝fgsk+1，直到di
利用管道内的名义流速fv和fgsk、flsk计算气塞长度glk和液塞长度llk样本，如式(13)和(14)所示，fgsk、flsk则用来确定段塞流的气塞长度和液塞长度的频数，glk＝fv·fgsk·f (13)llk＝fv·flsk·f (14)。
4.根据权利要求3所述的一种γ射线监测保温包覆管道多相流流态诱发腐蚀异常的方法，其特征在于：在已经判定为存在因流态发生异常而导致严重腐蚀风险，且并未转化为段塞流时，若davg>mavg，则判定当前流态已经转变为环雾状流，否则判定未发生能导致严重腐蚀异常的流态变化，并将di到dk存入背景数据库。
5.根据权利要求1所述的一种γ射线监测保温包覆管道多相流流态诱发腐蚀异常的方法，其特征在于：测量次数k的数值不低于100。
一种γ射线监测包覆管道多相流流态诱发腐蚀异常的方法
技术领域
[0001] 本发明涉及一种γ射线监测保温包覆管道多相流流态诱发腐蚀异常的方法，属于石油石化保温包覆管道腐蚀异常监测领域。
背景技术
[0002] 石油石化很多工艺环节存在多相流冲蚀的危险，多相流流态的变化将引起腐蚀机理的突变，从而引发腐蚀异常变化，由于这种变化难以察觉，因而往往导致重大的石油石化泄漏事故，在石油石化实践中，已经有多种工艺系统发生过类似泵及其附近管道流态变化导致的腐蚀泄漏案例。
[0003] 因此石油石化工艺系统的运行存在巨大的设备和管道腐蚀异常风险，这样的压力系统要实现连续长周期运行必须要实现流态异常状态在线监测。而石油石化工况复杂，存在高温、超低温等运行环境，出于生产安全等需要，则不允许破除管路保温进行监测，只能寻求高精度的保温层下在线监测技术。这种需求采用常规超声、电磁技术都无法实现。
发明内容
[0004] 本发明要解决的技术问题是，克服现有技术的不足，提供一种不拆除保温包覆层就可以非侵入式监测石油石化包覆管道多相流流态诱发腐蚀异常的方法。
[0005] 为解决上述技术问题，本发明采用的技术方案为：
[0006] 一种γ射线监测保温包覆管道多相流流态诱发腐蚀异常的方法，包括以下步骤：
[0007] (1)、对保温包覆管道气相区域射线剂量波动扫描，通过对比最近记录的同样位置的γ射线剂量数据，判断识别保温包覆管内是否存在流态发生异常而导致严重腐蚀风险；
[0008] (2)、在已经判断存在流态发生异常而导致严重腐蚀风险时，通过分析测量的γ射线剂量，判断保温包覆管道内流态是否是段塞流；
[0009] (3)、在已经判定为存在因流态发生异常而导致严重腐蚀风险，且并未转化为段塞流时，通过对比最近记录的同样位置的γ射线剂量数据，判断当前流态是否已经转变为环雾状流。
[0010] 判断识别保温包覆管内是否存在流态发生异常而导致严重腐蚀风险包括以下步骤：
[0011] 1)、对被测管道进行k次测量，每次时间间隔为f；
[0012] 2)、记录第i次测量的γ射线剂量为di，记录对应的测量序数ni＝i，其中i取值为1到k；
[0013] 3)、计算全部di的平均值davg和标准偏差dstv，如式(1)和(2) 所示；
[0014]
[0015]
[0016] 4)、提取最近记录的k个管道同样测量位置的γ射线剂量数据mi，并计算全部mi的平均值mavg和标准偏差mstv，其中i取值为1到 k，如式(3)和(4)所示；
[0017]
[0018]
[0019] 5)、采用t检验方法，用davg、dstv，mavg、mstv计算出对应的t分布计算值t0，如式(5)所示，并取置信度为0.05，计算出临界参考值tr，若t0≥tr，则判定存在因流态发生异常而导致严重腐蚀的风险，否则判定不存在流态发生异常而导致严重腐蚀的风险，并将di到dk存入背景数据库，
[0020]
[0021] 判断保温包覆管道内流态是否是段塞流包括以下步骤：
[0022] 1)、在已经判定为存在因流态发生异常而导致严重腐蚀风险时，逐个对di与其均值davg进行比对，若di≥davg，则令gcnj＝di，否则令 lcnm＝di，并分别统计gcnj的数据总量u，以及lcnm的数据总量v，其中 j取值为1到u，m取值为1到v；
[0023] 2)、分别计算gcnj和lcnm的均值gcnavg、lcnavg，如式(6)和(7) 所示，以及标准偏差gcnstv、lcnstv，如式(8)和(9)所示；
[0024]
[0025]
[0026]
[0027]
[0028] 3)、采用t检验方法，用gcnavg、lcnavg、gcnstv、lcnstv计算出对应的t分布计算值tcn，如式(10)所示，并取置信度为0.05，计算出临界参考值tcnr，若tcn≥tcnr，则判定当前流态已经转变为段塞流，并执行步骤4)，否则判定当前流态并未转变为段塞流；
[0029]
[0030] 利用u和v计算段塞流含气率gr和含液率lr，如式(11)和(12) 所示；
[0031] gr＝1-lr (11)
[0032]
[0033] 令气塞长度频数fgsk初始值为0，液塞长度频数flsk初始值为0，并按照监测数据di的获取顺序，若di≥davg，则fgsk＝fgsk+1，直到di
[0034] 利用管道内的名义流速fv和fgsk、flsk计算气塞长度glk和液塞长度llk样本，如式(13)和(14)所示，fgsk、flsk则用来确定段塞流的气塞长度和液塞长度的频数。
[0035] glk＝fv·fgsk·f (13)
[0036] llk＝fv·flsk·f (14)。
[0037] 在已经判定为存在因流态发生异常而导致严重腐蚀风险，且并未转化为段塞流时，若davg>mavg，则判定当前流态已经转变为环雾状流，否则判定未发生能导致严重腐蚀异常的流态变化，并将di到dk存入背景数据库。
[0038] 测量次数k的数值不低于100。
[0039] 本发明的有益效果：本发明提供的一种γ射线监测保温包覆管道多相流流态诱发腐蚀异常的方法，本发明在不拆除保温包覆层下，将扫描装置安装在包覆管外，步进电机驱动射线源和探测器；扫描装置在管道气相区域，在线识别管道内足以导致严重腐蚀异常的流态异常突变，并确定流态类型，满足了实际应用中多相流腐蚀异常监测的需要。
附图说明
[0040] 图1为γ射线程控监测保温包覆管道多相流流态诱发腐蚀异常的原理示意图；
[0041] 图2为多相流保温包覆管道的示意图；
[0042] 图3为一种γ射线监测保温包覆管道多相流流态诱发腐蚀异常的方法的流程图；
[0043] 图4为包覆管道的分区及监测位置的示意图。
[0044] 其中附图标记如下：1-γ射线扫描装置；2-保温包覆管；3：步进电机；41-γ射线源；42-探测器；5-保温层；6-金属层； 7-结垢物质层；A-保温材料区；B-金属层区；C-结垢物质区； D-多相流气体区；E-多相流液体区。
具体实施方式
[0045] 下面结合附图对本发明作进一步描述，以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0046] 由于射线束切线方向扫描包覆管或多层管时，射线穿过的管道内部距离较大，因此内部介质的微小变化都会引发射线残余剂量的剧烈变化，通过对采样数据进行数据分析可以识别出管道内部介质的异常变化，从而确定流态的异常变化。本发明实现了在不拆除保温包覆层下，在线识别管道内足以导致严重腐蚀异常的流态异常突变，并确定流态类型。
[0047] 如图1、图2和图4所示，将γ射线扫描装置1安装在保温包覆管2外面，步进电机3驱动γ射线源41和探测器42置于管道气相区域的合适位置，并控制每次监测时间；γ射线扫描装置1设定在多相流管道气相区域的固定位置，对被保温包覆管2进行切线扫描，通过对气相区域射线剂量波动的扫描和数学算法，达到高精度自动识别和分析流态的目的，从而实现在线监测流态变化所引发的腐蚀异常，主要步骤如图3所示。
[0048] 下对对图3的的流程图做具体详细阐述。
[0049] 1、识别保温包覆管内的流态变化，
[0050] 1)对被测管道进行k次测量，每次时间间隔为f，且尽量保证每次测量次数k≥100；
[0051] 2)记录第i次测量的γ射线剂量为di，记录对应的测量序数ni＝i，其中i取值为1到k；
[0052] 3)计算全部di的平均值davg和标准偏差dstv，如式(1)和(2) 所示；
[0053]
[0054]
[0055] 4)提取最近记录的k个管道同样测量位置的γ射线剂量数据mi，并计算全部mi的平均值mavg和标准偏差mstv，其中i取值为1到k，如式(3)和(4)所示；
[0056]
[0057]
[0058] 5)采用t检验方法，用davg、dstv，mavg、mstv计算出对应的t分布计算值t0，如式(5)所示，并取置信度为0.05，通过查询t分布标准统计表计算出临界参考值tr，若t0≥tr，则判定存在因流态发生异常而导致严重腐蚀的风险，否则判定不存在流态发生异常而导致严重腐蚀的风险，并将di到dk存入背景数据库。
[0059]
[0060] 2、识别保温包覆管内的流态是否为段塞流，
[0061] 步骤1，在已经判定为存在因流态发生异常而导致严重腐蚀风险时，逐个对di与其均值davg进行比对，若di≥davg，则令gcnj＝di，否则令lcnm＝di，并分别统计gcnj的数据总量u，以及lcnm的数据总量v，其中j取值为1到u，m取值为1到v；
[0062] 步骤2，分别计算gcnj和lcnm的均值gcnavg、lcnavg，如式(6)和 (7)所示，以及标准偏差gcnstv、lcnstv，如式(8)和(9)所示；
[0063]
[0064]
[0065]
[0066]
[0067] 步骤3，采用t检验方法，用gcnavg、lcnavg、gcnstv、lcnstv计算出对应的t分布计算值tcn，如式(10)所示，并取置信度为0.05，通过查询t分布标准统计表计算出临界参考值tcnr，若tcn≥tcnr，则判定当前流态已经转变为段塞流，并执行步骤4，否则判定当前流态并未转变为段塞流；
[0068]
[0069] 步骤4，利用u和v计算段塞流含气率gr和含液率lr，如式(11) 和(12)所示；
[0070] gr＝1-lr (11)
[0071]
[0072] 步骤5，令气塞长度频数fgsk初始值为0，液塞长度频数flsk初始值为0，并按照监测数据di的获取顺序，若di≥davg，则fgsk＝fgsk+1，直到di
[0073] 步骤6，利用管道内的名义流速fv和fgsk、flsk计算气塞长度glk和液塞长度llk样本，如式(13)和(14)所示，fgsk、flsk则用来确定段塞流的气塞长度和液塞长度的频数。
[0074] glk＝fv·fgsk·f (13)
[0075] llk＝fv·flsk·f (14)
[0076] 3、识别保温包覆管内的流态是否为环雾状流，
[0077] 在已经判定为存在因流态发生异常而导致严重腐蚀风险，且并未转化为段塞流时，若davg>mavg，则判定当前流态已经转变为环雾状流，否则判定未发生能导致严重腐蚀异常的流态变化，并将di到dk存入背景数据库。
[0078] 本发明实施例提供了一种不拆除保温包覆层就可以非侵入式监测石油石化包覆管道多相流流态诱发腐蚀异常的方法。为了达到高精确识别流态异常以及危险流态类型等的要求，本方法公开了一种切向监测多相流管道气相区域射线剂量波动并通过数学算法自动识别和分析流态的γ射线扫描技术。其特点是不拆除保温包覆层，将扫描装置安装在包覆管外，步进电机驱动射线源和探测器；扫描装置设定在多相流管道气相区域，对被保温包覆管进行切线扫描，通过对气相区域射线剂量波动的扫描和数学算法，达到高精度自动识别和分析流态的目的，从而实现在线监测流态变化所引发的腐蚀异常。
[0079] 以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
