TZ气田是一个含C02比较高的气田,其地层水酸性强、氯离子和矿化度含量高,地面集输管线内腐蚀穿孔频繁,给管线的安全运行造成了严重威胁。为了较准确掌握气田集输管道的沿线内腐蚀程度状况,指导气田生产部门采取有针对性的管道检测和防腐,论文针对TZ气田具体情况,以内腐蚀严重的1号集输干线为研究对象,建立适用于湿天然气集输管道的内腐蚀预测方法,并提出相应的防腐措施研究,这给类似工况的集输管道内腐蚀防护提供一定的理论和实用价值。调研国内外集输管道内腐蚀研究现状、腐蚀预测方法和进展,为TZ1号管道内腐蚀预测模型的建立提供理论基础。收集TZ1号集输干线基本工艺参数、管道测绘数据,为腐蚀预测模型建立提供数据基础。对管道腐蚀穿孔记录、漏磁检测等数据分析,管道在4km至6km腐蚀较严重,腐蚀严重点分布在管道低处向上的气液交界处;管道入口处腐蚀挂片近期监测值为0.2019mm/a,根据ASTM G46评定标准,管线属于严重腐蚀,需防范。用多相流软件OLGA中的腐蚀模型Norsok和DeWarrd对TZ1号管道进行数值仿真,将结果与漏磁监测数据比较分析,两种模型都不能满足工程上对1号管线的腐蚀速率预测要求,但De Waard模型对TZ1号干线的内腐蚀模拟有效性高于Norsok。利用De Waard模型和多相流模块对管道腐蚀敏感位置进行预测,为后文管道离线检测时位置选择提供依据;对影响C02内腐蚀速率的多相流参数进行分析:在一定范围内,腐蚀速率会随着温度、含水率、流量、倾角的增大先增大,而后减小,但与C02分压和管道操作压力呈正相关;流型的变化对腐蚀速率影响比较大,发生段塞流的管道腐蚀速率高于层流管道,这为气田设计实验室装置研究CO2内腐蚀规律提供指导意见。为了建立1号集输管道内腐蚀预测方法,选取管道上399个位置处的6种对管道腐蚀速率权重较大的参数,以及每个点对应的漏磁检测腐蚀缺陷数据,作为BP神经网络、GA-BP神经网络输入样本进行训练和学习,从而得到两种腐蚀速率预测方法,并进行验证,通过对预测结果的误差分析,确定采用训练好的GA-BP神经网络方法作为TZ1号管线内腐蚀预测方法。针对1号干线腐蚀情况,提出两个方面的防腐措施:一方面增加腐蚀离线检测手段,将超声波与C扫描测厚技术结合,对管道上考虑多种因素后筛选出的32个检测点进行定点定期测厚;另一方面针对TZ气田环境,对4份组分不同的缓蚀剂进行实验室筛选及综合性能评价,最后筛选出缓释效果好、成分为水溶性羧乙基两性咪唑啉的TZ-02为缓释添加剂,并建议加注浓度为100mg/L,对缓释剂在TZ气田环境下的间歇加注周期进行了室内实验模拟,建议加注周期为1Od。