自改革开放以来,我国经济进入了一个持续高速发展的上升阶段,人民物质生活水平得到了翻天覆地的变化,对于油气资源的需求也与日俱增。为了缓解我国石油储备的紧张程度,近年来原油的进口量持续增长,其中就有大量劣质原油的存在。劣质原油加重了石化炼油企业中换热设备的负担,由此产生的腐蚀问题愈发严重,其中冷换热设备受腐蚀影响最大并且不易被发现。因此针对换热设备腐蚀规律的研究刻不容缓。与此同时,互联网、智能AI时代的到来使得石化企业的信息化水平有了质的飞跃,极大的改变了长期以来设别状态更新不明确、发现问题不及时的情况,并且在生产过程中也积累了大量的设备监测数据,如何合理有效地利用这些数据来发现其中潜在的腐蚀规律并应用于石化炼油企业换热设备腐蚀预测,实现炼油换热系统的智能监测和问题预警是一个非常有价值的研究课题。在此背景下,本文基于现场采集的多源换热器腐蚀大数据,从统计、模拟分析以及腐蚀预测三个方面对石化炼油企业中广泛应用的常减压换热器腐蚀发生和发展规律进行了研究,具体的研究内容如下:首先,利用石化企业炼化装置中长期积累的换热器腐蚀检测数据,对常减压换热器进行腐蚀统计分析。采用统计分析方法对常见的换热器腐蚀形貌进行分类分析,得到换热器低温腐蚀、高温腐蚀和水侧腐蚀三个方面的易腐蚀部位和形态,分析其腐蚀机理,提出对应建议措施。其次,为研究管束内部腐蚀分布精确部位,借助CFD软件对换热器内易发生腐蚀的管箱与管束进行了模拟与分析。对换热器管道内介质进行了流态模拟,利用FLUENT软件对列管式换热器进行不同速度下的流体流场模拟,得到了管箱与管束的侵蚀云图、速度云图以及侵蚀颗粒轨迹云图。结果表明,流体流经管道部件后,其流态会发生较大变化,导致管道易发生冲刷腐蚀。最后,建立基于神经网络采用循环水多源分析检测数据的腐蚀预测模型,对炼化厂循环水管道的腐蚀速率进行预测。选取8种常规监测数据作为样本标准库,通过KPCA对原始数据进行预处理,提取影响管道外腐蚀的主要因素,应用GRNN建立管道腐蚀速率预测的数学模型,采用循环水场挂片与试验管腐蚀监测数据验证KPCA-GRNN模型对换热器管束腐蚀速率预测的效果,并使之与BP神经网络模型的预测效果进行对比。结果表明采用KPCA与GRNN结合得算法预测循环水得腐蚀速率,比运用BP算法得到得预测值与实际值吻合度更高。