Applications and Exploration of Intelligence Technology for CO2 Transportation Pipelines in the Background of Carbon Peak and Carbon Neutrality#br#

doi:10.12388/j.issn.1673-2677.2024.04.011

Abstract

Abstract:

CCUS （Carbon Capture，Utilization and Storage） is widely considered as an indispensable key technology for achieving the goals of global temperature control and China's vision of carbon neutrality，since it can effectively and significantly reduce industrial CO₂ emissions. The transportation of CO₂ from the source to the utilization site is a key link for achieving the technological goals of the CCUS industry. This paper mainly focuses on the pipeline transportation method and firstly outlines the development status of intelligent pipeline technology in both China and other countries. Then，the phase classification and related problems of CO₂ transportation pipelines are addressed，and a problem-oriented investigation of the mechanism of deep fusion between artificial neural network models and pipeline corrosion rate prediction is presented. Moreover，the pipeline leak positioning principles and applications of distributed optical fiber，characteristic spectrum，and robot inspection technologies are clarified，and finally the development orientation of CO₂ transportation pipeline intelligence is discussed. Comprehensive perception，centralized sharing，prediction and early-warning，and collaborative operation of CO₂ pipeline data，driven by the business demand of CO₂ transportation pipelines and delivered by pipeline transportation technology plus ICT technology，are believed to be the future trend of intelligent development of CO₂ transportation pipelines，although no wide agreement has been reached yet. The findings of this research provide references for the sustained development and gradual application promotion of intelligent pipelines in the future.

摘要：

碳捕获、利用与封存（CCUS）能够大规模有效降低工业CO₂的排放，被广泛认为是实现全球温控目标和我国碳中和远景不可或缺的关键技术之一。CO₂从起源地输送到利用地，是实现CCUS产业技术目标的关键环节。以管道输送方式为主，概述了管道智能化技术在国内外的发展现状；介绍了CO₂输送管道相态分类及存在的相关问题，并结合问题分析了人工神经网络模型与管道腐蚀速率预测的深度融合机理；阐述了分布式光纤、特征波谱及机器人巡检技术在管道泄漏中的定位原理及应用；探索了CO₂输送管道在智能化建设的发展方向。CO₂输送管道智能化发展虽然目前尚未形成广泛统一的认识，但以CO₂输送管道业务需求为驱动、管道输送技术+信息通讯技术（ICT）为手段，围绕CO₂管道数据全面感知、集中共享、预测预警及协同运营将是今后CO₂输送管道智能化发展趋势。研究结果可为今后智能管道的持续发展及智慧管道的逐步推进提供借鉴与参考。

关键词:

CO₂输送管道, 人工智能, 腐蚀速率预测, 泄漏监测, CCUS

CLC Number:

TE832 ','1');return false;" target="_blank">
TE832

MA Yun , ZHAO Li. Applications and Exploration of Intelligence Technology for CO2 Transportation Pipelines in the Background of Carbon Peak and Carbon Neutrality#br#[J]. Xinjiang Oil & Gas, 2024, 20(4): 87-96.

马赟 , 赵黎. 双碳背景下二氧化碳输送管道智能化技术应用及探索#br#[J]. 新疆石油天然气, 2024, 20(4): 87-96.

References

［1］李阳，赵清民，薛兆杰. “双碳”目标下二氧化碳捕集、利用与封存技术及产业化发展路径［J］. 石油钻采工艺，2023，45（6）：655-660.LI Y，ZHAO Q M，XUE Z J. Carbon dioxide capture，utilization and storage technology and industrialization development path under the dual carbon goal［J］. Oil Drilling & Production Technology，2023，45（6）：655-660.

［2］胡其会，李玉星，张建，等.“双碳”战略下中国 CCUS 技术现状及发展建议［J］.油气储运，2022，41（4）：361-371.HU Q H，LI Y X，ZHANG J，et al. Current status and development suggestions of CCUS technology in China under the "Double Carbon" strategy［J］. Oil & Gas Storage and Transportation，2022，41（4）：361-371.

［3］程万洲，王巨洪，王学力，等.我国智慧管道建设现状及关键技术探讨［J］. 石油科技论坛，2018，37（3）：34-40.CHENG W Z，WANG J H，WANG X L，et al. Present conditions of China’s intelligent pipelines construction and key technologies［J］. Petroleum Science and Technology Forum，2018，37（3）：34-40.

［4］沈惠良.基于BIM技术的智慧管网运维解决方案［J］. 住宅与房地产，2021，3（22）：161-162. SHEN H L. A smart pipeline network operation and maintenance solution based on BIM technology［J］. Housing and Real Estate，2021，3（22）：161-162.

［5］钱建华，牛彻，杜威.管道智能化管理的发展趋势及展望［J］.油气储运，2021，40（2）：121-130.QIAN J H，NIU C，DU W. Development trend and prospect of intelligent pipeline management［J］. Oil & Gas Storage and Transportation，2021，40（2）：121-130.

［6］李柏松，王学力，徐波，等.国内外油气管道运行管理现状与智能化趋势［J］.油气储运，2019，38（3）：241-250.LI B S，WANG X L，XU B，et al. Operation and management status and intelligentization trend of global oil and gas pipelines［J］. Oil & Gas Storage and Transportation，2019，38（3）：241-250.

［7］DNV GL Group. SNAM looks to data science for improved gas transport［EB/OL］. （2017-06-28）［2018-06-20］. https：//ers.dnvgl.com/oilgas/perspectives/snam-looks-to-data-science-forimproved-gas-transport.htm.

［8］税碧垣，张栋，李莉，等. 智慧管网主要特征与建设构想［J］.油气储运2020，39（5）：500-505.SHUI B Y，ZHANG D，LI L，et al. Main characteristics and construction conception of intelligent pipeline network［J］. Oil & Gas Storage and Transportation，2020，39（5）：500-505.

［9］URAIKUL V，CHAN C W，TONTIWACHWUTHIKUL P. Development of an expert system for optimizing natural gas pipeline operations［J］. Expert Systems with Applications，2000，18（4）：271-282.

［10］王现中.基于风险管理的长输成品油管道管理体系构建与实践［J］.石油化工高等学校学报，2021，34（5）：91-96.WANG X Z.Construction and practice of long‐distance product oil pipeline management system based on risk management［J］.Journal of Petrochemical Universities，2021，34（5）：91-96.

［11］吴长春，左丽丽.关于中国智慧管道发展的认识与思考［J］.油气储运，2020，39（4）：361-370.WU C C，ZUO L L. Understanding and thinking on the development of China’s intelligent pipeline［J］. Oil & Gas Storage and Transportation，2020，39（4）：361-370.

［12］王振声，陈朋超，王巨洪.中俄东线天然气管道智能化关键技术创新与思考［J］.油气储运，2020，39（7）：730-739.WANG Z S，CHEN P C，WANG J H. Key technological innovations and thinking of pipeline intelligence in China-Russia Eastern Gas Pipeline［J］. Oil & Gas Storage and Transportation，2020，39（7）：730-739.

［13］宫敬，于达.国家管网公司旗下成品油管道运营模式探讨［J］.辽宁石油化工大学学报，2020，40（4）：87-91.GONG J，YU D.To our country products pipeline construction of what time thinking［J］. Journal of Liaoning Petrochemical University，2020，40（4）：87-91.

［14］曹闯明，黄亦星，刘荣，等.中国海油一体化企业智慧管理平台建设［J］.油气储运，2018，37（7）：741-750.CAO C M，HUANG Y X，LIU R，et al. Construction of integrated smart enterprise management platform in CNOOC［J］. Oil & Gas Storage and Transportation，2018，37（7）：741-750.

［15］丛轶颖. CO₂管道输送技术研究［J］.当代石油石化，2023，31（10）：35-39. CONG Y Y. Research on CO₂ pipeline transportation technology［J］. Petroleum & Petrochemical Today，2023，31（10）：35-39.

［16］陆诗建，张娟娟，杨菲，等.CO₂管道输送技术进展与未来发展浅析［J］.南京大学学报：自然科学，2022，58（6）：944-952. LU S J，ZHANG J J，YANG F，et al. Progress and future development trend of CO₂ pipeline transportation technology［J］. Journal of Nanjing University （Natural Science），2022，58（6）：944-952.

［17］NESIC S，LEE J，RUZIC V. A mechanistic model of iron carbonate film growth and the effect on CO₂ corrosion of mild steel［C］. CORROSION 2002，Denver，Colorado：NACE-02237.

［18］郭晓璐，喻健良，闫兴清，等.超临界CO₂管道泄漏特性研究进展［J］.化工学报，2020，71（12）：5340-5442.GUO X L，YU J L，YAN X Q，et al. Research progress on leakage characteristics of supercritical CO₂ pipeline［J］. CIESC Journal，2020，71（12）：5340-5442.

［19］TENG L，LI Y X，HU Q H，et al. Experimental study of near-field structure and thermo-hydraulics of supercritical CO₂ releases［J］. Energy，2018，157：806-814.

［20］TENG L，LI Y X，ZHANG D T，et al. Evolution and size distribution of solid CO₂ particles in supercritical CO₂ releases［J］. Industrial & Engineering Chemistry Research，2018，57（22）：7655-7663.

［21］胡永乐，吕文峰，杨永智，等.二氧化碳驱油与埋存技术及实践［M］.第1版.北京：石油工业出版社，2023：50-52.HU Y L，LV W F，YANG Y Z，et al. Carbon dioxide oil displacement and sequestration technology and practice［M］. 1^st Edition. Beijing：Petroleum Industry Press，2023：50-52.

［22］郑度奎，胡晨章，蒲月华.基于人工神经网络的油气管道CO₂腐蚀速率预测研究进展［J］.热加工工艺，2021，50（18）：25-31. ZHENG D K，HU C Z，PU Y H. Research progress in prediction of CO₂ corrosion rate of oil and gas pipeline based on artificial neural network［J］. Hot Working Technology，2021，50（18）：25-31.

［23］马海，范光第. 基于BP神经网络模型的随钻测井曲线预测［J］. 录井工程，2023，34（2）：22-27.MA H，FAN G D. Prediction of LWD curves based on BP neural network model［J］. Mud Logging Engineering，2023，34（2）：22-27.

［24］TRASATTI S P. The contribution of neural networks to solve corrosion related problems［J］. Advanced Materials Research，2010，95：23-27.

［25］张文颖，袁胜斌，陈伟，等. BP神经网络模型在元素-矿物转换中的应用［J］. 录井工程，2023，34（3）：1-6.ZHANG W Y，YUAN S B，CHEN W，et al. Application of BP neural network model in element-mineral conversion［J］. Mud Logging Engineering，2023，34（3）：1-6.

［26］万里平，徐友红，冯兆阳，等.基于遗传算法优化BP神经网络预测CO₂/H₂S环境中套管钢的腐蚀速率［J］.腐蚀与防护，2017，38（9）：727-736.WANG L P，XU Y H，FEN Z Y，et al. Application of genetic algorithms BP neural networks to predicting corrosion rate of carbon steel in CO₂/H₂S environment［J］. Corrosion & Protection，2017，38（9）：727-736.

［27］刘钊，曹斌.基于Niche GA的BP神经网络评价天然气集输管道腐蚀［J］.化学工程与装备2011，（9）：28-30. LIU Z，CAO B. BP neural network evaluation of natural gas gathering and transportation pipeline corrosion based on Niche GA［J］. Chemical Engineering & Equipment，2011，（9）：28-30.

［28］陈柚州，任涛，邓朋，等.基于人工蜂群优化小波神经网络的隧道沉降预测［J］.现代隧道技术，2019，56（4）：56-61.CHEN Y Z，REN T，DENG P，et al. Prediction of tunnel settlements by optimized wavelet neural network based on ABC［J］. Modern Tunnelling Technology，2019，56（4）：56-61.

［29］郑俊褒，饶珊珊.改进蛙跳算法的小波神经网络短时交通流预测［J］.软件导刊，2019，19（4）：50-54.ZHENG J B，RAO S S. Short-term traffic flow prediction of wavelet neural network based on the improved shuffled flog leaping algorithm［J］. Software Guide，2020，19（4）：50-54.

［30］陈翀.智能建模方法在埋地油气管道腐蚀速率预测中的应用［D］.福建福州：福州大学，2016.CHEN C. Application of intelligent modeling methods in prediction of buried pipeline corrosion rate［D］. Fuzhou，Fujian：Fuzhou University，2016.

［31］骆正山，王文辉，王小完，等.基于RS-PSO-GRNN的埋地管道土壤腐蚀预测［J］.材料保护，2018，51（8）：47-53.LUO Z S，WANG W H，WANG X W，et al. Soil corrosion prediction of buried pipeline based on the model of RS-PSO-GRNN［J］. Materials Protection，2018，51（8）：47-53.

［32］徐湃.燃气管道泄漏定位于报警系统研究［D］.重庆：重庆大学，2011.XU P. Study on gas pipeline leakage location and warning system［D］. Chongqing：Chongqing University，2011.

［33］HO M，EL-BORGI S，PATIL D，et al. Inspection and monitoring systems subsea pipelines：A review paper［J］. Structural Health Monitoring，2020，19（2）：606‒645.

［34］李宏波，罗平亚，白杨，等.机器学习算法概述及其在钻井工程中的应用［J］.新疆石油天然气，2022，18（1）：1-13.LI H B，LUO P Y，BAI Y，et al. Summary for machine learning algorithms and their applications in drilling engineering［J］. Xinjiang Oil & Gas，2022，18（1）：1-13.

［35］陈哲，罗涛，刘敏，等.城市燃气管道泄漏定位技术综述［J］.煤气与热力，2023，43（9）：36-39.CHEN Z，LUO T，LIU M，et al. Review of leakage location technologies of urban gas pipeline［J］. Gas & Heat，2023，43（9）：36-39.

［36］杨杰，王桂增.输气管道泄漏诊断技术综述［J］.化工自动化及仪表，2004，31（3）：1-5.YANG J，WANG G Z. Leak detection and location methods for gas transport pipelines［J］. Control and Instruments in Chemical Industry，2004，31（3）：1-5.

［37］王阳.基于次声波的供热管道泄漏监测方法研究及应用［D］.山东青岛：青岛大学，2023.WANG Y. Research and application of infrasound-based monitoring method for heat supply pipeline leakage［D］. Qingdao，Shandong：Qingdao University，2023.

［38］ZHANG M，GAO L，ZHANG X，et al. An infrasound source localisation algorithm for improving location accuracy of gas pipeline leakage detection system［J］. International Journal of Embedded Systems，2022，15（1）：9-18.

［39］CHEN Q，SHEN G D，JIANG J C，et al. Effect of rubber washers on leak location for assembled pressurized liquid pipeline based on negative pressure wave method［J］. Process Safety and Environmental Protection，2018，119：181-190.

［40］DATTA S，SARKAR S. A review on different pipeline fault detection methods［J］. Journal of Loss Prevention in the Process Industries，2016，41：97-106.

［41］王子明，李清平，李姜辉，等.海洋CO₂管道输送技术现状与展望［J］.中国工程科学，2024，26（2）：74-91.WANG Z M，LI Q P，LI J H，et al. Current status and outlook of offshore CO₂ pipeline transportation technologies［J］. Strategic Study of CAE，2024，26（2）：74-91.

［42］熊小琴，杨君，程猛猛，等.原油输配系统优化及应用［J］.新疆石油天然气，2021，17（3）：74-78.XIONG X Q，YANG J，CHENG M M，et al. Optimization and application of crude oil transportation and distribution system［J］. Xinjiang Oil & Gas，2021，17（3）：74-78.

［43］李骆灵，李义常，魏立尧.元宇宙技术群与量子计算赋能CCUS研究现状及趋势［J］.新疆石油天然气，2023，19（3）：86-93.LUO L，L Y C，WEI L Y. Use of Metaverse technology clusters and quantum computing in CCUS：research status and trends［J］. Xinjiang Oil & Gas，2023，19（3）：86-93.

［44］樊玉新，李泓洲，段胜男，等.太阳能高温光热技术赋能浅层超稠油低碳开发［J］.新疆石油天然气，2023，19（4）：82-87.FAN Y X，LI H Z，DUAN S N，et al. Concentrated solar steam generation technology enables low carbon shallow super-heavy oil production［J］. Xinjiang Oil & Gas，2023，19（4）：82-87.

［45］祝守丽，祁明业，黄波，等.克—独反输管线运行优化研究［J］.新疆石油天然气，2021，17（2）：82-87. ZHU S L，QI M Y，HUANG B，et al. Study on operation optimization of KARAMAY- DUSHANZI reverse oil pipeline［J］. Xinjiang Oil & Gas，2021，17（2）：82-87.

Applications and Exploration of Intelligence Technology for CO2 Transportation Pipelines in the Background of Carbon Peak and Carbon Neutrality#br#

双碳背景下二氧化碳输送管道智能化技术应用及探索#br#

PDF (PC)

Knowledge

Abstract

Cite this article

share this article

References

Related Articles 1

Recommended Articles

Metrics