Влияние статистического разброса толщины стенки трубы на коэффициент концентрации напряжений от коррозионного дефекта
Голофаст С.Л.
ООО «Газпром проектирование»
При оценке технического состояния магистральных трубопроводов коэффициент концентрации напряжений, возникающих в стенке трубы в зоне выявленного коррозионного дефекта, принимается детерминированной величиной. Модели, применяемые для расчета данного коэффициента, содержат такой параметр, как толщина стенки трубы, который является случайной величиной и имеет индивидуальные распределения даже для труб одного сортамента. Вследствие наличия функциональной связи с толщиной стенки трубы значения коэффициента концентрации напряжений также подчиняются
распределениям, вид которых зависит от статистического разброса значений толщины стенки трубы. На примере оценки прочностной надежности и уровня риска осложненных коррозионным дефектом линейных участков магистрального нефтепровода обоснована необходимость учета коэффициента концентрации напряжений в расчетных моделях как случайной величины.
распределениям, вид которых зависит от статистического разброса значений толщины стенки трубы. На примере оценки прочностной надежности и уровня риска осложненных коррозионным дефектом линейных участков магистрального нефтепровода обоснована необходимость учета коэффициента концентрации напряжений в расчетных моделях как случайной величины.
Введение
Оценка технического состояния линейных участков по результатам внутритрубной диагностики на основе нормативного документа [1] предполагает определение концентрации напряжений в стенке трубы в зоне выявленных коррозионных дефектов. Комплексный подход к оценке опасности коррозионных дефектов вследствие возникновения концентрации напряжений впервые представлен в отраслевом документе ВРД 39-1.10-004-99 [2] и получил развитие в последующих методиках по обоснованию работоспособности труб с повреждениями [3–6]. Среди зарубежных нормативных документов по оценке опасности коррозионных дефектов трубопроводов одним из основных является стандарт В31G [7]. Все параметры, входящие как в отечественные, так и зарубежные методики, на основе которых выполняется оценка концентрации напряжений в зоне коррозионного дефекта, принимаются при расчетах как детерминированные величины. Вследствие этого значение искомого коэффициента концентрации также является детерминированной величиной. Однако результаты, представленные в работах [8, 9], свидетельствуют, что такой геометрический параметр, как толщина стенки трубы, фактически является случайной величиной, которая имеет индивидуальные закономерности и пределы рассеивания для труб разного сортамента. Очевидно, что в таком случае коэффициент концентрации, определяемый на основе зависимостей, содержащих параметры, которые учитываются как случайные величины, будет принимать случайные значения. Вследствие этого возникает правомерный вопрос, насколько существенное влияние оказывают фактические распределения коэффициента концентрации на случайный спектр напряжений, возникающих в стенке трубы с коррозионными повреждениями, и насколько адекватно оценивается текущий уровень надежности и риска линейного участка без учета случайной природы геометрических параметров трубы.
Теоретическая часть
Условие, обеспечивающее безопасную эксплуатацию участка магистрального трубопровода (МТ), осложненного наличием коррозионного дефекта, определяется выражением:
где σкц — кольцевые напряжения, возникающие в стенке трубы под действием внешней нагрузки; [σкц] — допустимые кольцевые напряжения для материала трубы; ψ — коэффициент повышения напряжений в сечении трубы, где выявлен коррозионный дефект.
Расчет численного значения данного коэффициента с учетом установленных в процессе внутритрубной дефектоскопии параметров коррозионного дефекта может выполняться по различным методикам [2–6]. Например, в соответствии со стандартом ANSI/ASME B31G [7], значения коэффициента ψ(h,l) определяются зависимостью:
Расчет численного значения данного коэффициента с учетом установленных в процессе внутритрубной дефектоскопии параметров коррозионного дефекта может выполняться по различным методикам [2–6]. Например, в соответствии со стандартом ANSI/ASME B31G [7], значения коэффициента ψ(h,l) определяются зависимостью:
где М — корректирующий фактор Е. Фолиаса, который рассчитывают по выражениям:
где D — наружный диаметр трубы; δ — толщина стенки трубы; l — длина коррозионного дефекта; h — глубина дефекта.
Анализ зависимости (2) позволяет сделать вывод, что если при расчетах значение толщины стенки трубы δ принимается величиной детерминированной (δ=const), то коэффициент концентрации напряжений ψ от выявленного в процессе диагностики коррозионного дефекта также будет являться постоянной величиной. Однако фактически толщина стенки трубы δ является случайным по своей природе параметром. Примеры распределений данного параметра, полученные в результате статистической обработки выборок значений δi ,i=1,m (m — количество замеров), сформированных по результатам толщинометрии труб с участков линейной части (ЛЧ) магистральных нефте- (МН) и газопроводов (МГ), представлены на рисунке 1а и 1b соответственно [8, 9].
Анализ зависимости (2) позволяет сделать вывод, что если при расчетах значение толщины стенки трубы δ принимается величиной детерминированной (δ=const), то коэффициент концентрации напряжений ψ от выявленного в процессе диагностики коррозионного дефекта также будет являться постоянной величиной. Однако фактически толщина стенки трубы δ является случайным по своей природе параметром. Примеры распределений данного параметра, полученные в результате статистической обработки выборок значений δi ,i=1,m (m — количество замеров), сформированных по результатам толщинометрии труб с участков линейной части (ЛЧ) магистральных нефте- (МН) и газопроводов (МГ), представлены на рисунке 1а и 1b соответственно [8, 9].
Рис. 1. Гистограмма и функция плотности fδ (δ) распределения толщины стенки трубы δ
Очевидно, что если параметр δ представлен выборкой случайных значений δi ,i=1,m, то, следуя зависимости (2), для коэффициента концентрации напряжений ψ также будет получена выборка случайных значений ψi ,i=1,m. Однако закономерности распределения коэффициента ψ и параметра δ будут отличаться, поскольку зависимость (2) предполагает математические действия с параметром. Вследствие этого предсказать априори, какой закон распределения будет иметь коэффициент ψ, учитывающий концентрацию напряжений, возникающих в зоне коррозионного дефекта, не представляется возможным.
Аппроксимация функций плотности вероятности случайных величин, входящих в модели расчета показателей надежности, является одним из основных этапов решения задачи оценки прочностной надежности:
Аппроксимация функций плотности вероятности случайных величин, входящих в модели расчета показателей надежности, является одним из основных этапов решения задачи оценки прочностной надежности:
где σ — напряжения, возникающие в стенке трубы на этапе эксплуатации МН; s — предельные напряжения, допускаемые материалом трубы на данном участке.
Для напряжений σ аппроксимация функции fσ(σ) выполняется в результате статистической обработки выборки напряжений σi ,i=1,m. Данная выборка формируется на основе совокупности случайных значений pi ,i=1,m, избыточного внутреннего давления, коэффициента концентрации напряжений ψi ,i=1,m, а также толщины стенки трубы δi ,i=1,m и известных функциональных зависимостей [4, 8, 9]:
Для напряжений σ аппроксимация функции fσ(σ) выполняется в результате статистической обработки выборки напряжений σi ,i=1,m. Данная выборка формируется на основе совокупности случайных значений pi ,i=1,m, избыточного внутреннего давления, коэффициента концентрации напряжений ψi ,i=1,m, а также толщины стенки трубы δi ,i=1,m и известных функциональных зависимостей [4, 8, 9]:
где Dn — наружный диаметр трубы; ∆Т — температурный перепад; h и l — параметры коррозионного дефекта.
Аппроксимацию функции плотности fs(s) предельных для материала трубы напряжений выполняют по выборке значений sj ,j=1,n, которую получают в результате механических испытаний образцов, изготовленных из труб с обследуемого участка. В соответствии с отечественными нормативными документами в качестве предельных напряжений s принимается предел текучести σT , следовательно, выборка значений имеет вид:
Аппроксимацию функции плотности fs(s) предельных для материала трубы напряжений выполняют по выборке значений sj ,j=1,n, которую получают в результате механических испытаний образцов, изготовленных из труб с обследуемого участка. В соответствии с отечественными нормативными документами в качестве предельных напряжений s принимается предел текучести σT , следовательно, выборка значений имеет вид:
где n — количество образцов при испытаниях.
Восстановление функций плотности распределения вероятности fσ(σ) и fs(s) , необходимых для решения задачи (1), выполняют на основе методов непараметрической статистики [10, 11]. Следуя одному из них, получившему название «метод Розенблатта — Парзена», искомая функция распределения оценивается локально в каждой точке экспериментальной выборки xi , i=1,n с помощью элементов обучающей выборки из окрестности xi. При этом общая функция вероятности F(y) является некоторой линейной комбинацией известных функций:
Восстановление функций плотности распределения вероятности fσ(σ) и fs(s) , необходимых для решения задачи (1), выполняют на основе методов непараметрической статистики [10, 11]. Следуя одному из них, получившему название «метод Розенблатта — Парзена», искомая функция распределения оценивается локально в каждой точке экспериментальной выборки xi , i=1,n с помощью элементов обучающей выборки из окрестности xi. При этом общая функция вероятности F(y) является некоторой линейной комбинацией известных функций:
Тогда зависимость для плотности распределения вероятности будет иметь следующий вид:
Оптимальные значения для параметра h и ядерной функции K(t) определяются на основе информационного функционала качества:
исходя из условия достижения им максимального значения.
Примеры решения задач аппроксимации функции fσ(σ) плотности напряжений σ, возникающих в стенке трубы при случайном спектре изменения параметров p, ΔT и δ для различных участков ЛЧ магистральных нефте- и газопроводов, а также функции плотности предельных напряжений для трубных сталей различных производителей подробно рассмотрены в работах [8, 12–17].
Второй метод непараметрической аппроксимации заключается в том, что оценка неизвестной функции плотности распределения вероятности f(t) ищется в виде разложения по системе тригонометрических функций
Примеры решения задач аппроксимации функции fσ(σ) плотности напряжений σ, возникающих в стенке трубы при случайном спектре изменения параметров p, ΔT и δ для различных участков ЛЧ магистральных нефте- и газопроводов, а также функции плотности предельных напряжений для трубных сталей различных производителей подробно рассмотрены в работах [8, 12–17].
Второй метод непараметрической аппроксимации заключается в том, что оценка неизвестной функции плотности распределения вероятности f(t) ищется в виде разложения по системе тригонометрических функций
следующим образом:
где λj — коэффициенты разложения.
Для определения числа тригонометрических функций N (в данном методе «сложность» оценки) и значений коэффициентов разложения λj применяют метод структурной минимизации риска [18]. Оптимальное число членов разложения N может быть определено на основе информационного функционала:
Для определения числа тригонометрических функций N (в данном методе «сложность» оценки) и значений коэффициентов разложения λj применяют метод структурной минимизации риска [18]. Оптимальное число членов разложения N может быть определено на основе информационного функционала:
при достижении им максимального значения. Сопоставление максимальных значений информационных функционалов J и JN позволяет оценить качество аппроксимации и выбрать наиболее эффективный метод для любых выборок случайных величин, входящих в модели расчета показателей надежности.
Для известных функций fσ(σ) и fs(s) вероятность отказа Q участка ЛЧ рассчитывается на основании выражения (1), которое в результате преобразований можно представить в следующем виде [12, 13, 15]:
Для известных функций fσ(σ) и fs(s) вероятность отказа Q участка ЛЧ рассчитывается на основании выражения (1), которое в результате преобразований можно представить в следующем виде [12, 13, 15]:
Полученные значения вероятности отказа Q позволяют обоснованно ответить на вопрос, насколько значимы различия в значениях показателей надежности и оценке уровня риска для линейных участков МТ при принятии в расчетах коэффициента концентрации напряжений ψ постоянной величиной и с учетом статистического разброса данного коэффициента вследствие случайной природы толщины стенки трубы δ.
Пример расчета
Рассмотрим пример расчета, на первом этапе которого выполним оценку влияния случайной природы толщины стенки трубы δ на фактическое распределение значений коэффициента концентрации напряжений ψ в стенке трубы в зоне коррозионного дефекта.
На втором этапе выполним расчет вероятности отказа Q по критерию прочности и определим уровень риска для трех линейных участков МН, при строительстве которых применялась труба одного сортамента. Соответствующие расчеты выполним для двух вариантов. В Варианте 1 примем коэффициент концентрации напряжений ψ как детерминированную величину, значения которой рассчитаны для известных по результатам внутритрубной диагностики параметров коррозионного дефекта на основании зависимости (2). При расчетах по Варианту 2 коэффициент концентрации напряжений ψ будем учитывать как случайную величину, закономерности рассеивания которой выявлены на первом этапе рассматриваемого примера (табл. 1).
На втором этапе выполним расчет вероятности отказа Q по критерию прочности и определим уровень риска для трех линейных участков МН, при строительстве которых применялась труба одного сортамента. Соответствующие расчеты выполним для двух вариантов. В Варианте 1 примем коэффициент концентрации напряжений ψ как детерминированную величину, значения которой рассчитаны для известных по результатам внутритрубной диагностики параметров коррозионного дефекта на основании зависимости (2). При расчетах по Варианту 2 коэффициент концентрации напряжений ψ будем учитывать как случайную величину, закономерности рассеивания которой выявлены на первом этапе рассматриваемого примера (табл. 1).
Табл. 1. Исходные данные для расчета вероятности отказа Q и уровня риска
Для реализации первого этапа рассчитаем на основе зависимости (2) и данных таблицы 1 значения коэффициента концентрации напряжений при условии, что толщина стенки трубы δ является детерминированной величиной. В результате получим значение коэффициента ψ(h,l) = 1,404, которое будет необходимо на втором этапе примера расчета для реализации Варианта 1.
Аппроксимацию функции плотности вероятности fψ(ψ) коэффициента концентрации выполним по выборке его значений, сформированной на основе функциональной зависимости (2) и выборки случайных значений толщины стенки трубы δ, которая приведена в виде гистограммы на рис. 1а. Решение данной задачи выполним на основе обоих методов непараметрической статистики, рассмотренных выше. Алгоритмы и примеры решения подобных задач рассмотрены в работах [8, 9, 19]. Искомые функции плотности вероятности fψ(ψ) и выборка случайных значений коэффициента ψ в виде гистограммы представлены на рисунке 2, где цифрой 1 обозначена функция fψ(ψ), полученная на основе метода Розенблатта — Парзена, а цифрой 2 — методом структурной минимизации эмпирического риска.
Аппроксимацию функции плотности вероятности fψ(ψ) коэффициента концентрации выполним по выборке его значений, сформированной на основе функциональной зависимости (2) и выборки случайных значений толщины стенки трубы δ, которая приведена в виде гистограммы на рис. 1а. Решение данной задачи выполним на основе обоих методов непараметрической статистики, рассмотренных выше. Алгоритмы и примеры решения подобных задач рассмотрены в работах [8, 9, 19]. Искомые функции плотности вероятности fψ(ψ) и выборка случайных значений коэффициента ψ в виде гистограммы представлены на рисунке 2, где цифрой 1 обозначена функция fψ(ψ), полученная на основе метода Розенблатта — Парзена, а цифрой 2 — методом структурной минимизации эмпирического риска.
Рис. 2. Гистограмма и функция плотности
fψ(ψ) распределения коэффициента
концентрации ψ
fψ(ψ) распределения коэффициента
концентрации ψ
Для первого метода максимальное значение информационного функционала качества (3) составило J = 0,48631, а для второго (9) — JN = 0,53732. Следовательно, для выборки случайных значений коэффициента концентрации напряжений ψi ,i=1,m лучшее качество аппроксимации функции fψ(ψ) обеспечивает метод структурной минимизации эмпирического риска.
Для реализации второго этапа примера необходимы функции плотности вероятности fs(s) предельных (допускаемых) s для материала трубы напряжений и функции fσ(σ) для напряжений σ, возникающих в стенке трубы в зоне коррозионного дефекта. В качестве предельных напряжений s примем предел текучести σТ стали 17Г1С, так как в соответствии с данными трубного журнала при строительстве исследуемых участков применялась труба, изготовленная из данной стали на Челябинском ТПЗ в соответствии с ТУ 14-3-109-73. Выборка значений предела текучести sj = σTj, j=1,n в виде гистограммы и функция плотности вероятности fs(s), которая представлена на рисунке 3 и обозначена цифрой 1, получены в работах [14, 16]. Отметим, что в указанных работах аппроксимация функции плотности вероятности предельных напряжений выполнена методом Розенблатта — Парзена (6). В настоящей работе восстановление функции fs(s) для той же исходной выборки sj = σTj, j=1,n выполнено на основе альтернативного метода — структурной минимизации эмпирического риска (8). Полученная в итоге функция fs(s) приведена на рисунке 3 и обозначена цифрой 2. При этом значение информационного функционала качества (9) для данного метода составило JN = 0,08654, а для метода Розенблатта — Парзена (3) — J = 0,11493. Следовательно, лучшее качество аппроксимации искомой функции fs(s) для данной выборки предела текучести обеспечивает метод Розенблатта — Парзена, что необходимо учитывать при расчете вероятности отказа Q (10) для исследуемых линейных участков.
Для реализации второго этапа примера необходимы функции плотности вероятности fs(s) предельных (допускаемых) s для материала трубы напряжений и функции fσ(σ) для напряжений σ, возникающих в стенке трубы в зоне коррозионного дефекта. В качестве предельных напряжений s примем предел текучести σТ стали 17Г1С, так как в соответствии с данными трубного журнала при строительстве исследуемых участков применялась труба, изготовленная из данной стали на Челябинском ТПЗ в соответствии с ТУ 14-3-109-73. Выборка значений предела текучести sj = σTj, j=1,n в виде гистограммы и функция плотности вероятности fs(s), которая представлена на рисунке 3 и обозначена цифрой 1, получены в работах [14, 16]. Отметим, что в указанных работах аппроксимация функции плотности вероятности предельных напряжений выполнена методом Розенблатта — Парзена (6). В настоящей работе восстановление функции fs(s) для той же исходной выборки sj = σTj, j=1,n выполнено на основе альтернативного метода — структурной минимизации эмпирического риска (8). Полученная в итоге функция fs(s) приведена на рисунке 3 и обозначена цифрой 2. При этом значение информационного функционала качества (9) для данного метода составило JN = 0,08654, а для метода Розенблатта — Парзена (3) — J = 0,11493. Следовательно, лучшее качество аппроксимации искомой функции fs(s) для данной выборки предела текучести обеспечивает метод Розенблатта — Парзена, что необходимо учитывать при расчете вероятности отказа Q (10) для исследуемых линейных участков.
Рис. 3. Гистограмма и функция плотности
fs(s) допускаемых напряжений s
fs(s) допускаемых напряжений s
В качестве параметра внешней нагрузки примем избыточное внутреннее давление р. Выборки случайных значений pi ,i=1,m данного параметра для каждого из рассматриваемых в примере участков представлены в виде гистограмм в первой строке таблицы 2.
Табл. 2. Гистограммы и функции плотности fσ(σ) напряжений σ , возникающих в стенке трубы
Результаты аппроксимации функций плотности вероятности напряжений, возникающих в стенке трубы на каждом из участков, полученные в результате решения задачи (4) по Варианту 1, представлены во второй строке таблицы 2. Аналогичные результаты, полученные при решении поставленной задачи по Варианту 2, приведены в третьей строке таблицы 2.
Полученные искомые функции плотности вероятности напряжений fσ(σ) и fs(s), графическая иллюстрация которых представлена на рисунке 3 и в таблице 2, позволяют на основе зависимости (10) выполнить в соответствии с Вариантом 1 и Вариантом 2 расчет значений вероятности отказа Q для каждого из принятых в примере участков ЛЧ. Результаты расчета и соответствующая графическая информация приведены в таблице 3.
Полученные искомые функции плотности вероятности напряжений fσ(σ) и fs(s), графическая иллюстрация которых представлена на рисунке 3 и в таблице 2, позволяют на основе зависимости (10) выполнить в соответствии с Вариантом 1 и Вариантом 2 расчет значений вероятности отказа Q для каждого из принятых в примере участков ЛЧ. Результаты расчета и соответствующая графическая информация приведены в таблице 3.
Табл. 3. Графическая иллюстрация и результаты расчета вероятности отказа Q для линейных участков магистрального нефтепровода
Анализ полученных результатов
Анализ данных, представленных в таблице 2, свидетельствует, что спектр напряжений, возникающих в стенке трубы на каждом из рассматриваемых участков, отличается в зависимости от того, детерминированной (вторая строка табл. 2) или случайной (третья строка табл. 2) величиной принят в расчетах коэффициент концентрации напряжений ψ. Следствием этого являются отличия в приведенных в таблице 3 значениях показателя надежности — вероятности отказа Q, полученных при расчете по каждому из рассматриваемых в примере вариантах. Так, для Участка 1 при расчете по Варианту 1, когда коэффициент принят детерминированной величиной, вероятность отказа для рассматриваемого участка составила Q11=2,871×10-2. Для этого же участка при расчете по Варианту 2, согласно которому коэффициент концентрации ψ при вычислении вероятности отказа учитывается как случайная величина, значение вероятности отказа составляет Q12=4,363×10-2 и отличается по отношению к предыдущему варианту расчета для этого же участка ~ в 1,5 раза.
Аналогичные данные о значениях вероятности отказа Q для Участка 2 составляют Q21=8,24×10-3 и Q22=1,38×10-2, а для Участка 3 — Q31=9,83×10-3 и Q32=1,657×10-2. Таким образом, результаты, полученные для Участка 2 и Участка 3, позволяют также констатировать отличия ~ в 1,5 раза в значениях вероятности отказа Q для рассматриваемых расчетных случаев. При этом вероятность отказа Q имеет большие значения для каждого из рассматриваемых в примере участков МН при учете статистического разброса значений толщины стенки трубы δ.
Полученные значения показателей Q11 и Q12 на основе приведенной в таблице 4 матрицы позволяют классифицировать вид отказа для Участка 1 как «Вероятный» вне зависимости от варианта расчета. При этом риск эксплуатации данного участка с учетом того, что тяжесть последствий его отказа является критической, является выше допустимого и соответствует уровню «А».
Аналогичные данные о значениях вероятности отказа Q для Участка 2 составляют Q21=8,24×10-3 и Q22=1,38×10-2, а для Участка 3 — Q31=9,83×10-3 и Q32=1,657×10-2. Таким образом, результаты, полученные для Участка 2 и Участка 3, позволяют также констатировать отличия ~ в 1,5 раза в значениях вероятности отказа Q для рассматриваемых расчетных случаев. При этом вероятность отказа Q имеет большие значения для каждого из рассматриваемых в примере участков МН при учете статистического разброса значений толщины стенки трубы δ.
Полученные значения показателей Q11 и Q12 на основе приведенной в таблице 4 матрицы позволяют классифицировать вид отказа для Участка 1 как «Вероятный» вне зависимости от варианта расчета. При этом риск эксплуатации данного участка с учетом того, что тяжесть последствий его отказа является критической, является выше допустимого и соответствует уровню «А».
Табл. 4. Матрица «вероятность — тяжесть последствий»
Для Участка 2 и Участка 3 вид отказа в соответствии с результатами расчета значений показателя надежности Q21 и Q31 по Варианту 1 классифицируется в отличие от Участка 1 как «Возможный». При этом риск для Участка 2 и Участка 3 соответствует уровню «В» и является ниже допустимого. В случае учета статистического разброса значений толщины стенки и фактических закономерностей изменения коэффициента концентрации напряжений, что соответствует расчету по Варианту 2, вид отказа для данных участков на основании полученных значений показателей Q22 и Q32 классифицируется уже как «Вероятный». При этом риск для Участка 2 и Участка 3 соответствует уровню «А», который выше допустимого. Таким образом, для Участков 2 и 3 следует отметить существенные отличия в результатах оценки надежности и уровня риска в зависимости от того, какой величиной при выполнении расчетов учитывается коэффициент концентрации ψ — детерминированной или случайной.
В заключении следует отметить, что в рассмотренном примере расчеты коэффициента концентрации напряжений в зоне коррозионного дефекта выполнены на базе стандарта B31G [7]. Аналогичные расчеты могут быть получены на основе любого другого стандарта, принятого в качестве нормативного документа в компании-операторе.
В заключении следует отметить, что в рассмотренном примере расчеты коэффициента концентрации напряжений в зоне коррозионного дефекта выполнены на базе стандарта B31G [7]. Аналогичные расчеты могут быть получены на основе любого другого стандарта, принятого в качестве нормативного документа в компании-операторе.
ИТОГИ
Оценка уровня прочностной надежности и риска для осложненных коррозионными дефектами линейных участков магистральных трубопроводов предполагает расчет показателей надежности на основе вероятностных моделей. При этом коэффициент концентрации напряжений вследствие наличия коррозионных дефектов принимается в данных моделях детерминированной величиной. Результаты исследований и примеры расчета, приведенные в статье, позволяют сделать вывод, что коэффициент концентрации напряжений фактически является случайной величиной. Учет данного факта при расчете показателей надежности позволяет повысить достоверность полученных результатов и более корректно выполнить оценку уровня риска для участков магистральных нефтепроводов, осложненных коррозионными дефектами.
ВЫВОДЫ
- Статистический разброс фактических значений толщины стенки трубы определяет случайный спектр изменения коэффициента концентрации напряжений в зоне выявленных коррозионных дефектов. Вследствие этого закономерности изменения напряжений, возникающих в стенке трубы, осложненной коррозионными дефектами, имеют существенные отличия в зависимости от того, случайной или детерминированной величиной принимается при расчетах коэффициент концентрации напряжений.
- Допущение, согласно которому коэффициент концентрации напряжений принимается детерминированной величиной в вероятностных моделях, на базе которых выполняется расчет показателей надежности, является необоснованным, так как это приводит к занижению значений показателей надежности и, как следствие, некорректной оценке уровня риска обследуемых участков магистрального нефтепровода.
- Детерминированные методы оценки прочности не позволяют учесть статистический разброс и случайную природу параметров, значимых для определения фактической надежности и тем более уровня риска для осложненных коррозионными дефектами линейных участков МН. Следствием этого является необходимость совершенствования существующих и разработки новых вероятностных методов индивидуальной оценки фактического технического состояния и текущего уровня надежности линейных участков потенциально опасных протяженных объектов, которыми являются магистральные нефтепроводы.
ЛИТЕРАТУРА
1. СНиП 2.05.06-85*. Магистральные трубопроводы. М.: Госстрой, ФАУ «ФЦС». 2013. 81 с.
2. ВРД 39-1.10-004-99 Методические рекомендации по количественной оценке состояния магистральных газопроводов с коррозионными дефектами, их ранжирования по степени опасности и определению остаточного ресурса.
М.: ИРЦ Газпром, 2000. 41 с.
3. Киселев В.К., Столов В.П. Модель оценки прочности и конструктивной надежности газопроводов с произвольно ориентированными поверхностными дефектами // Надежность и ресурс газопроводных конструкций. М.: ВНИИГАЗ, 2003. С. 67–77.
4. Теплинский Ю.А., Быков И.Ю. Управление эксплуатационной надежностью магистральных газопроводов. М.: ЦентрЛитНефтеГаз, 2007. 395 с.
5. Макаров Г.И. Стратегия технической политики модернизации систем трубопроводного транспорта нефти и газа // Сварочное производство. 2013. № 9. С. 44–48.
6. СТО Газпром 2-2.3-112-2007 //
Методические указания по оценке работоспособности участков магистральных газопроводов с коррозионными дефектами. М.: ИЦРГазпром, 2007. 67 с.
7. ASME-B31G. Manual for determining the remaining strength of corroded pipelines: A supplement to ASME B31G code for pressure piping. New York: American Society for Mechanical Engineers, 1991, 69 p. (In Eng).
8. Голофаст С.Л. Оценка прочностной надежности магистрального газопровода с учетом фактических закономерностей распределения толщины стенки трубы // Безопасность труда в промышленности. 2020. № 6. С. 21–28.
9. Голофаст С.Л., Шоцкий С.А. Обоснование прочностной надежности и уровня риска для линейных участков магистрального нефтепровода с учетом статистического разброса толщины стенки трубы // Экспозиция Нефть Газ. 2021. № 1. С. 62–66.
10. Maritz J.S. Distribution-free statistical methods. 2nd Ed. London: Chapman & Hall, 1995, 255 p. (In Eng).
11. Hollander M., Wolfe D.A., Chicken E. Nonparametric Statistical Methods. John Wiley & Sons, 2014, 848 p. (In Eng).
12. Голофаст С.Л. Мониторинг надежности линейных участков магистрального газопровода в различные периоды эксплуатации // Безопасность труда в промышленности. 2019. № 7. С. 7–14.
13. Филатов А.А., Георге М.С. Влияние условий эксплуатации газопровода на показатели его прочностной надежности // Наука и техника в газовой промышленности. 2013. № 2. С. 75–82.
14. Голофаст С.Л. Оценка влияния механических свойств трубной стали 17Г1С различных производителей на прочностную надежность магистральных трубопроводов // Экспозиция Нефть Газ. 2018. № 7. С. 67–72.
15. Шоцкий С.А. Учет случайной природы предела текучести материала труб при оценке прочности пригруженных сплошным покрытием криволинейных участков трубопроводов // Экспозиция Нефть Газ. 2019. № 5. С. 69–73.
16. Голофаст С.Л. Влияние статистического разброса предела текучести трубной стали марки 17Г1С на прочностную надежность магистральных газопроводов // Безопасность труда в промышленности. 2019. № 2. С. 42–47.
17. Давыдов А.Н. Сопоставление надежности линейных участков с учетом изменения свойств трубной стали 14ХГС длительно эксплуатируемых нефтепроводов // Экспозиция Нефть Газ. 2019. № 4. С. 103–107.
18. Вапник В.Н. Алгоритмы и программы восстановления зависимостей. М.: Наука, 1984. 815 c.
19. Сызранцев В.Н., Невелев Я.П., Голофаст С.Л. Расчет прочностной надежности изделий на основе методов непараметрической статистики. Новосибирск: Наука, 2008, 187 с.
2. ВРД 39-1.10-004-99 Методические рекомендации по количественной оценке состояния магистральных газопроводов с коррозионными дефектами, их ранжирования по степени опасности и определению остаточного ресурса.
М.: ИРЦ Газпром, 2000. 41 с.
3. Киселев В.К., Столов В.П. Модель оценки прочности и конструктивной надежности газопроводов с произвольно ориентированными поверхностными дефектами // Надежность и ресурс газопроводных конструкций. М.: ВНИИГАЗ, 2003. С. 67–77.
4. Теплинский Ю.А., Быков И.Ю. Управление эксплуатационной надежностью магистральных газопроводов. М.: ЦентрЛитНефтеГаз, 2007. 395 с.
5. Макаров Г.И. Стратегия технической политики модернизации систем трубопроводного транспорта нефти и газа // Сварочное производство. 2013. № 9. С. 44–48.
6. СТО Газпром 2-2.3-112-2007 //
Методические указания по оценке работоспособности участков магистральных газопроводов с коррозионными дефектами. М.: ИЦРГазпром, 2007. 67 с.
7. ASME-B31G. Manual for determining the remaining strength of corroded pipelines: A supplement to ASME B31G code for pressure piping. New York: American Society for Mechanical Engineers, 1991, 69 p. (In Eng).
8. Голофаст С.Л. Оценка прочностной надежности магистрального газопровода с учетом фактических закономерностей распределения толщины стенки трубы // Безопасность труда в промышленности. 2020. № 6. С. 21–28.
9. Голофаст С.Л., Шоцкий С.А. Обоснование прочностной надежности и уровня риска для линейных участков магистрального нефтепровода с учетом статистического разброса толщины стенки трубы // Экспозиция Нефть Газ. 2021. № 1. С. 62–66.
10. Maritz J.S. Distribution-free statistical methods. 2nd Ed. London: Chapman & Hall, 1995, 255 p. (In Eng).
11. Hollander M., Wolfe D.A., Chicken E. Nonparametric Statistical Methods. John Wiley & Sons, 2014, 848 p. (In Eng).
12. Голофаст С.Л. Мониторинг надежности линейных участков магистрального газопровода в различные периоды эксплуатации // Безопасность труда в промышленности. 2019. № 7. С. 7–14.
13. Филатов А.А., Георге М.С. Влияние условий эксплуатации газопровода на показатели его прочностной надежности // Наука и техника в газовой промышленности. 2013. № 2. С. 75–82.
14. Голофаст С.Л. Оценка влияния механических свойств трубной стали 17Г1С различных производителей на прочностную надежность магистральных трубопроводов // Экспозиция Нефть Газ. 2018. № 7. С. 67–72.
15. Шоцкий С.А. Учет случайной природы предела текучести материала труб при оценке прочности пригруженных сплошным покрытием криволинейных участков трубопроводов // Экспозиция Нефть Газ. 2019. № 5. С. 69–73.
16. Голофаст С.Л. Влияние статистического разброса предела текучести трубной стали марки 17Г1С на прочностную надежность магистральных газопроводов // Безопасность труда в промышленности. 2019. № 2. С. 42–47.
17. Давыдов А.Н. Сопоставление надежности линейных участков с учетом изменения свойств трубной стали 14ХГС длительно эксплуатируемых нефтепроводов // Экспозиция Нефть Газ. 2019. № 4. С. 103–107.
18. Вапник В.Н. Алгоритмы и программы восстановления зависимостей. М.: Наука, 1984. 815 c.
19. Сызранцев В.Н., Невелев Я.П., Голофаст С.Л. Расчет прочностной надежности изделий на основе методов непараметрической статистики. Новосибирск: Наука, 2008, 187 с.
Голофаст С.Л.
ООО «Газпром проектирование», Санкт-Петербург, Россия
trasser@inbox.ru
ООО «Газпром проектирование», Санкт-Петербург, Россия
trasser@inbox.ru
Материалы и методы
Ключевые слова
Для цитирования
Поступила в редакцию
УДК и DOI
Замеры толщины стенки трубы производились ультразвуковым толщиномером модели DM2 (фирма «Krautkrämer GmbH & CO», Germany), обработка результатов замеров и расчет значений показателей
надежности выполнены на основе методов непараметрической статистики и теории надежности, расчет коэффициента концентрации напряжений выполнен на базе стандарта B31G.
надежности выполнены на основе методов непараметрической статистики и теории надежности, расчет коэффициента концентрации напряжений выполнен на базе стандарта B31G.
магистральный нефтепровод, линейный участок, коррозионный дефект, коэффициент концентрации напряжений, прочностная надежность, вероятность отказа
Голофаст С.Л. Влияние статистического разброса толщины стенки трубы на коэффициент концентрации напряжений от коррозионного дефекта // Экспозиция Нефть Газ. 2021. № 3. С. 50–55. DOI: 10.24412/2076-6785-2021-3-50-55
27.04.2021
УДК 622.276
DOI: 10.24412/2076-6785-2021-3-50-55
DOI: 10.24412/2076-6785-2021-3-50-55
Рекомендуемые статьи
© Экспозиция Нефть Газ. Научно-технический журнал. Входит в перечень ВАК
+7 (8552) 92-38-33