Application of Advanced Methods for ILI Data Denoising and Reliability Assessment of Corroding Pipelines

Abstract

Dette prosjektet har som mål å etablere metodar for dataprossesering og estimering av noverande og framtidig kapasitet av korroderande røyrledningar, basert på data frå in-line inspeksjonar (ILI) av gjennverande veggtjukkleik (RWT) og sensor-avstand til rørveggen (SO). Korrosjon på røyrledningar er ein tilfeldig prosess avhengig av fleire faktorar, og er tilnærma umogleg å predikere eksakt med kjende metodar. ILI er ein måte å undersøkje den noverande korrosjonstilstanden til røyrledningar og dermed sikre integriteten, men datasetta frå ILI inneheld ofte usikkerheit i tillegg til støy og feilavlesingar. Datafiltrering er dermed nødvendig for å unngå å ta inn usikkerheit i kapasitetsberekningane. I tillegg gir ILI-data også berre eit usikkert augenblinksbilete av situasjonen. Framtidig korrosjonsvekst er vanskeleg å bestemme frå dette biletet med deterministiske metodar utan å legge til store sikkerheitsfaktorar, noko som vil føre til at kapasiteten blir underestimert. Påliteligheitsmetodar gir betre verktøy til å handtere den naturlige tilfeldigheita som er i korrosjonsprossessen, og samtidig kan ein kontrollere nivået på sikkerheitsmarginen. Bruk av desse metodane krevjer at dei underliggande prosessane er modellert riktig, noko som betyr at det er nødvendig med detaljert informasjon om korrosjonsprosessen og om røyrledninga.

Metoden for datafiltrering som er utvikla i dette prosjektet er ei vidareføring av programmet rbpGen, som er utvikla av Aker Solutions AS. Programmet rbpGen er igjen basert på metodologi frå DNVGL-RP-F101. Programmet utvikla i dette prosjektet vart brukt på eit fiktivt datasett og på eit faktisk datasett frå ein røyrledning. Prinsippa bak røyrledningskorrosjon og utvikling innen påliteligheitsmetodar brukt på korroderande røyrledningar har blitt studert, og har blitt brukt som rettleiing for metodane som estimerer påliteligheita av det faktiske datasettet. Resultata indikerer at det nye programmet produserer noko betre datafiltrering samanlikna med rbpGen, og handterer manglande data meir stabilt. Påliteligheitsanalysen utført i dette prosjektet kan handtere fleire stokastiske parametre og sviktmodar, og gir fornuftige resultat. Ei begrensing er effektiviteten til programmet, som gjer at nøyaktigheita til berekningane blir avgrensa. Resultata frå påliteligheitsanalysen er berre gyldig for datasettet som er analysert, som representerer 100 meter av ein røyrledning, og indikerer at røyrledningen har tilstrekkelig kapasitet på noverande tidspunkt til minst fem år fram i tid. Analysen er delvis basert på parameterbeskrivelsar frå literaturen, noko som gjer dei tidsavhengige resultata diksutable.

This project aims to establish methods for processing data and for estimating the current and future capacity of corroding pipelines, based on in-line inspection (ILI) datasets consisting of remaining wall thickness (RWT) and stand-off (SO) data. Pipeline corrosion is a random process dependent on a variety of factors, and is virtually impossible to predict precisely with known methods. For ensuring the integrity of pipelines, ILI represent a possibility to investigate the current state of the corrosion. The datasets from an ILI of a corroded pipeline are, however, often concerned with uncertainties, noise, and misreadings. For this not to add further uncertainties into a capacity calculation, some data filtering is required. Also, the results from these inspections are only giving an uncertain momentary image. Future growth is hard to determine from this with deterministic methods without adding safety factors, giving an underestimation of the capacity. Reliability methods provide better means to take the inherent randomness of the corrosion process into account and, at the same time, control the level of conservatism added. However, these methods are dependent on modelling the underlying processes correctly, which means that detailed information about the corrosion process and the pipeline in question is needed.

The data filtering methodology developed in this project is a further development of the program rbpGen by Aker Solutions AS, based on methodology from DNVGL-RP-F101. The program developed was used on a fictional test dataset and a real case dataset from a pipeline. The basics behind pipeline corrosion and developments within reliability methods used on corroding pipelines were reviewed and acted as guidelines for the methodology used for estimating the reliability of the real-case dataset. The results indicate that the new program produces slightly better data filtering than rbpGen, and is more stable with regards to missing data treatment. The reliability analysis executed in this project can take multiple random parameters and failure modes into account, providing reasonable results. A drawback is the computational efficiency, which limits the accuracy of the analysis. The results obtained from the reliability analysis is only valid for the dataset in question, i.e. 100 m of a pipeline, and indicate that the pipeline section has sufficient capacity at present state until at least five years from inspection time. The analysis is partly based on parameter descriptions from the literature, making the time-dependent reliability estimates questionable.