李 昊，王 宁，潘 岩，晋西润，葛玉龙，马方义，左 甜

(中海油炼油化工科学研究院，山东 青岛 266500)

基于人工神经网络的常压塔顶油气系统腐蚀预测

李 昊，王 宁，潘 岩，晋西润，葛玉龙，马方义，左 甜

(中海油炼油化工科学研究院，山东 青岛 266500)

对某公司常减压蒸馏装置低温部位腐蚀情况进行了分析，根据一段时间内塔顶污水检测数据，通过人工神经网络建立了腐蚀速率预测模型。该模型以常压塔塔顶流出污水的pH、氯离子浓度、铁离子浓度、硫化物浓度作为输入数据，以平均腐蚀速率为输出数据。结果表明，该模型预测结果与实际结果的相对误差在10%左右，平均相对误差为7.5%，具有良好的预测精度，能够反映常压塔塔顶污水检测数据与腐蚀速率的关系。

常压塔顶 腐蚀 人工神经网络 腐蚀速率 预测

常压塔塔顶系统设备管线由于处于HCl-H2S-H2O的腐蚀环境，是常减压蒸馏装置中腐蚀问题较严重的部位之一[1]，加工重质高酸原油的常压塔受各种因素的影响，塔顶油气系统的腐蚀严重，由此造成装置停工以及维护检修人力物力的浪费，同时也为装置长周期安全运行留下隐患，因此对现有常压塔塔顶油气系统的设备管线进行腐蚀预测对装置的安全生产和经济效益提升具有重要意义。但在实际生产环境中，设备管线的腐蚀速率除了利用腐蚀探针直接检测外，通常依靠塔顶污水的pH、氯离子浓度、铁离子浓度、硫化物浓度来进行间接判定，由于上述各因素对腐蚀的影响很复杂，难以建立准确的数学模型。……