CN102077197B - 用于管线完整性评估的基于数据的快速数据适当性过程 - Google Patents

Abstract

一种对管线管壁厚度的超声或射线照相术(UT/RT)测量的样本覆盖估计统计有效性的方法和系统。数据库集包含其它管线的在役检查(ILI)测量的分布，其按需要进行校准以对应于UT/RT测量。这些经ILI测量的管线的数据库集还包括根据蒙特卡洛仿真所生成的统计量，各种样本覆盖水平利用其对所述ILI测量进行采样，以便确定测量是否超出给定阈值或者满足与确定管线的极度管壁损失测量相关的其它前提。具有所采样的UT/RT测量的管线被用来识别一个或多个最为相似的经ILI测量的管线数据集，并且来自那些最为相似的管线数据集的统计量确定所述UT/RT测量的样本覆盖是否足以得出与所采样的管线中的管壁损失的极值相关的结论。

Description

用于管线完整性评估的基于数据的快速数据适当性过程

相关申请的交叉引用

本申请要求于2008年6月30日提交的美国专利申请No.12/164,971的权益，其公开通过引用合并于此。

关于联邦资助的研究或开发的声明

不适用。

技术领域

本发明涉及管线检查领域，更具体地涉及确保管线完整性所必需的管线检查量的估计。

背景技术

保持管线完整性是保证经济成功并且使得现代油气生产场所和系统对环境的影响最小化的基本功能。此外，在其它应用中也存在管线完整性的问题，包括工厂管道系统、市政用水和下水系统等。相似的问题还存在于诸如油气井的生产套管的其它应用的情况中。如管线维护领域中所已知的，由于流过管线的流体所导致的管线材料的侵蚀和烧蚀将使得管线管壁的厚度随时间减小。为了防止管线故障，对管线管壁厚度所减小的程度进行监视以便进行及时维修显然是非常重要的。

由于管线管壁厚度的直接物理测量的必然破坏属性，这样的测量显然是不切实际的。因此，数年来已经研发了各种间接的管线管壁厚度测量技术。最为广泛使用的测量技术获取沿生产管线的所选择位置处的厚度测量，这样的位置被随机选择或被基于模型或者最容易发生管壁厚度损失的位置的其它假设特别选择。这些测量技术包括超声测量，以及利用x射线或射线照相术(RT)进行成像，其中它们均从特定位置(例如，在一英尺的部分上)的外部对管线管壁进行检查。从劳动和设备成本的观点来看，使用这些方测量管壁厚度通常是昂贵的，尤其是在诸如贯穿阿拉斯加管线系统及其馈线的极端环境之中，其中必须去除热绝缘以接近管线进行测量并接着对其进行替换。此外，由于必须直接接近管线外部以获得这些测量，所以需要进行挖掘以获得那些位于地下的管线部分的测量。

在管线完整性的情况中，所关心的当然是最小管壁厚度的极值(最大管壁厚度损失)。因此，采样的测量方法仅对于样本测量对于极小值有所洞察的程度是有用的。假设沿管线的整个长度的管壁厚度测量(例如，沿管线长度在每一英尺的部分所取得的测量)的总体(population)遵循已知的统计分布，则基础的统计理论能够提供这样的洞察力。换句话说，假设管壁厚度沿管线长度的统计分布，测量的合理样本大小就能够提供特定置信水平的最小管壁厚度的指示。不幸的是，已经观察到沿实际管线长度的管壁厚度测量通常并不遵循完善的(well-behaved)统计分布。更糟糕的是，已经观察到管壁厚度测量的分布随管线不同而存在很大不同。结果，难以获知对给定管线所取得的管线厚度的多个采样测量是否足以以任意合理的置信水平来表征该管线的最小管壁厚度的极值。

另一种管线管壁厚度测量技术被称作“在役检查”(in-lineinspection，ILI)。根据该技术，通常被称作“猪”的工具在管线内部沿其长度行进，通过产品流体自身推进或者被拖行通过管线。所述猪包括传感器，其随着所述猪的行进沿管线长度反复地间接测量管线的管壁厚度。在ILI中所使用的测量技术包括磁通泄漏技术，该技术对能够将磁场引入所测量的管线管壁的程度进行测量，则能够从其推导出管壁厚度。如本领域中已知的，ILI检查也能够使用超声能量来进行。不幸的是，由于管线的构造或几何布局，ILI监视无法被应用于所有管线。因此在现代生产场所和管线系统中必须在相当数量的管线上使用采样测量。

表征管线完整性的已知方法对管线的预测模型应用样本厚度测量。已知模型应用诸如管线所承载的流体的属性、压力、温度、流速等的参数，以使得能在给定管壁厚度的样本测量的情况下计算出最小管壁厚度。这种计算机仿真表征最小管壁厚度的精确度显然依赖于所述模型与管线的真实活动相对应的精确度。并且，所述模型的精确度进而依赖于以对实际管线的模型为基础的假设的精确度。但是如本领域中已知的，在实践中，实际管线由于模型或者其根本假设无法预知的结构和环境变化而在侵蚀活动方面彼此存在很大不同。随着得出更为复杂的模型以包括这些变化的效果，所产生的计算显然也会变得更为复杂。

通过进一步的背景，已知通过选择统计分布，并且对该统计分布应用蒙特卡洛(Monte Carlo)仿真来估计设备可靠性以对可靠性估计进行计划。

发明内容

因此，本发明的目标是提供一种方法和系统，能够利用所述方法和系统来确定足够的管线管壁厚度测量的样本大小，以便以给定的置信水平确保还没有达到最小管壁厚度限制。

本发明进一步的目标是提供这样一种方法和系统，其在样本管线管壁厚度测量的精确度方面提供改进的置信度。

本发明进一步的目标是提供这样一种方法和系统，其提高了管线管壁厚度测量资源的效率。

本发明进一步的目标是提供这样一种方法和系统，其能够通过计算机算法来确定足够的采样大小，所述计算机算法能够针对数目巨大的管线快速执行。

本发明进一步的目标是提供这样一种方法和系统，其能够通过利用与管线侵蚀分布相关的可用信息来确定足够的样本大小，所述管线侵蚀分布已经通过针对管线的诸如在役检查(ILI)的100％检查过程来表征。

通过连同其附图参考以下说明书，本发明的其它目标和优势对于本领域技术人员将是显而易见的。

本发明可以被实现为计算机化的方法、被编程为执行所述方法的估计系统以及存储在计算机可读介质中的计算机程序，利用本发明能够确定外部管线管壁厚度测量的样本分布以实现所需的统计置信水平。通过诸如在役检查的100％检查方法所获得的对管线子集的测量数据的库集被存储在数据库中。这些库集数据被例如通过管线管壁厚度损失的十分位数百分比而被排列为每个管线的测量分布。对于数据库中的每个管线而言，对多个样本覆盖中的每一个执行蒙特卡洛采样。对每次采样的结果进行估计以便将样本覆盖与置信水平相关联，以便识别管壁损失的极值。已经针对被检查的管线获得了其被采样的管壁厚度测量，所采样的管壁厚度测量的分布与所述100％检查库集中的相似管线的分布进行比较。接着根据所述库集中与进行检查的管线的一个或多个最为相似的管线的蒙特卡洛结果确定给定结论的给定置信水平所需的样本覆盖。如果结果指示可以从所述管线获得新的样本来增加样本覆盖并且由此满足给定置信水平的要求。

附图说明

图1是可以结合本发明的优选实施例使用的生产场的示例的示意图。

图2是被编程为执行本发明实施例的估计系统的框图形式的电路图。

图3是图示根据本发明实施例的生成在役检查校准的测量库集的流程图。

图4是图示根据本发明实施例的生成图3过程中的校准分布的流程图。

图5是图示根据本发明实施例的估计所检查管线的足够数量的管壁厚度损失的采样测量的流程图。

图6是图示根据本发明实施例在图5的过程中选择类似在役检查管线以及选择那些管线中测量的统计分布子集的流程图。

具体实施方式

将结合包括其优选实施例的实施例对本发明进行描述，将结合用于在油气的生产场所和系统中用于监视和估计管线完整性的方法和系统对其进行描述。然而，可以预见到本发明也可以在其它应用中提供重要帮助，举出几个示例，包括监视和估计油气井中的生产套管完整性，以及监视和估计诸如用水和下水系统、消费者侧的天然气分配系统以及工厂管线系统的其它应用中的管线完整性。因此，所要理解的是，以下描述仅是通过示例所提供，而并非意在限制如所要求保护的本发明的实际范围。

首先参见图1，以简化框图的形式图示了可以结合其利用本发明实施例的包括表面机构的油气生产场所的示例。在该示例中，所述生产场所包括部署在所述场所内各个位置的许多井4，以传统方式从所述井中生产油气产品。虽然图1中图示了多个井4，但是可以预见到可以结合其利用本发明的现代生产场所可以包括比图1中所示的那些井4更多的井。在该示例中，每个井4通过管线5连接到其现场的多个钻探点2中相关联的一个。通过示例，在图1中图示了八个钻探点2₀至2₇；本领域技术人员显然会理解可以在所述生产场所内部署多于八个的钻探点2。每个钻探点2可以支持多个井4；例如，钻探点2₃在图1中被图示为支持42个井4₀至4₄₁。每个钻探点2收集来自其相关联的井4的输出并且将所收集的输出经由管线5中的一个转送到中央处理设施6。实际上，中央处理设施6耦合到输出管线5中，所述输出管线5继而可以沿其它中央处理设施6耦合到更大规模的管线设施。

在阿拉斯加North Slope的石油生产的实际示例中，图1中部分示出的管线系统沿许多其它的井4、钻探点2、管线5和处理设施6连接到贯穿阿拉斯加的管线系统。数千条个体管线在连接到贯穿阿拉斯加的管线系统中的整个生产和处理系统中相互连接。这样，图1所示的管线系统可以表示整体生产管线系统的很小一部分。

虽然图1的示意图中并未表明，但是实际上管线5彼此在构造和几何布局上，在参数方面可以彼此存在很大不同，举出几个示例，所述参数包括直径、标称管壁厚度、整体长度、弯头和弯曲的数目和角度、位置(地下、地上或者任一种设置形式的程度)。此外，与各种管线5所承载的流体相关的参数也可以在组成、压力、流速等方面彼此存在很大不同。如本领域已知的，管线构造、几何布局、内容和标称操作条件之间的这些变化影响管线管壁的侵蚀和烧蚀的程度和属性。此外，结合本发明还注意到，沿管线长度的管壁损失(即管壁厚度损失)测量的分布也在整个生产场所中的管线之间存在很大不同，而没有可容易辨别的与构造或流体参数相关的因果模式。

如以上所提到的，诸如图1中部分图示的生产管线系统中的一些管线可以从管线管壁厚度的观点利用在役检查(ILI)沿其整体长度进行全面检查。如本领域中已知的，ILI包括向管线中插入通常被称作“猪”的测量工具。传统的测量猪通常为圆柱形主体，其包括导航和定位系统以监视猪在管线中的位置，以及用于在猪通过生产流体推进的沿管线行进时测量管线管壁厚度的仪器。可替换地，如果在停工时对管线进行测量，则所述猪可以沿管线进行牵引。传统的ILI猪使用磁通泄漏(MFL)、超声X线断层摄影术、静电感应等技术测量管线管壁厚度的损失。适于获得ILI测量的传统ILI猪的示例包括可从Baker Hughes管线管理集团获得的CPIG MFLCAL ILI仪器以及可从Rosen InspectionTechnologies获得的HIRES金属损失映射工具。

如本领域中已知以及以上所提到的，大规模管线系统中相当数量的管线5均为“无法使用猪的”，其中那些管线由于一个和多个各种原因而无法利用ILI进行检查。例如，接近管线可能受到限制，阀门和其它无法通过的装置可能阻止猪通过管线的行进，或者给定管线可能沿其长度具有不同直径使得猪无法在其行进时贴合地啮合管线管壁。然而，生产场所的操作人员也必须对这些无法使用猪的管线的管壁厚度损失进行监视。如以上所讨论的，对这些无法使用猪的管线5的监视通过使用诸如超声X线断层摄影术(UT)和射线摄影术(RT)的传统方法沿管线长度在外部进行的样本测量来执行；其它传统的测量技术也适于结合本发明的实施例所使用。在该示例中，传统的UT/RT测量典型地是作为在沿管线长度的某个增量距离(例如，一英尺)上的管壁厚度测量的平均值而获得的。传统的采样UT/RT管壁厚度测量包含相当的劳动量，诸如从管线去除绝缘和覆盖以及在采样位置之间物理行进。这样，典型地，采样UT/RT管壁厚度测量在周期性调度的基础上执行，尤其在大型管线系统中更是如此。对于诸如阿拉斯加北部的恶劣气候中的管线系统，这样的管线管壁厚度测量优选地在夏季月份中获得，原因在于沿一些管线的一些位置在冬季可能需要特殊预防才能够安全接近。

由于监视的目标是沿给定管线确定最大管线管壁损失以使得能够及时进行维护操作，所以关键是要获得足够数量的样本以便在从该采样结果得出结论时具有合理的置信度。本发明的实施例在多少采样对于给定管线是足够的这一方面提供了准确的答案，而并不依赖于以管线的流体机械模型等为基础的假设。

图2图示了利用计算机系统实现的根据本发明实施例的示例的估计系统10的构造。估计系统10执行本说明书中描述的操作以确定管线的样本覆盖的适宜性，以便确定管线管壁损失的极端值。显然，可结合本发明使用的计算机系统的特定体系和构造可以存在很大不同。例如，估计系统10可以由基于单个物理计算机的计算机来实现，或者可替换地由以分布式方式在多个物理计算机上实现的计算机系统来实现。因此，图2所示的一般体系仅作为示例而提供。

如图2所示，估计系统10包括耦合到系统总线BUS的中央处理单元15。输入/输出接口11也耦合到系统总线BUS，其是指外部功能P(例如，键盘、鼠标、显示器等)利用其与估计系统10的其它组件进行对接的那些接口资源。中央处理单元15是指估计系统10的数据处理能力，并且由此能够由一个或多个CPU核心、共同处理电路等来实现。中央处理单元15的特定构造和能力优选地根据估计系统10的应用需求来选择，这样的需求至少包括执行本说明书中所描述的功能，并且还包括可能需要计算机系统执行的其它功能。在根据该示例的估计系统10的体系中，数据存储器12和程序存储器14也耦合到系统总线BUS，并且提供用于其特定功能的所需类型的存储器资源。数据存储器12存储输入数据以及中央处理单元15所执行处理的结果，而程序存储器14存储中央处理单元15在执行那些功能时所要执行的计算机指令。显然，这种存储器布置仅为一个示例，所要理解的是，数据存储器12和程序存储器14可以合并为单个存储器资源，或者在实现估计系统10时整体和部分分布在图1所示的特定计算机系统之外。典型地，数据存储器12将至少部分地由与中央处理单元15在时间上紧密接近的高速随机存取存储器来实现。程序存储器14可以由大型存储或随机存取存储器资源以传统方式来实现，或者可替换地，可以通过网络接口16进行访问(即，如果中央处理单元15正在执行基于网络的或其它远程应用)。

网络接口16是估计系统10利用其访问网络上的网络资源的传统接口或适配器。如图2所示，估计系统10经由网络接口16所访问的网络资源可以包括局域网上的那些资源，以及可以通过诸如企业内部网、虚拟私有网或互联网的广域网访问的那些资源。在本发明的该实施例中，估计系统10所处理的数据的源可以经由网络接口16在这些网络上进行访问。库集20存储通过整个生产场所或管线系统中的选定管线的在役检查(ILI)所获得的测量；ILI库集20可以存在于局域网上，或者可替换地，可以经由互联网或其它广域网进行访问。可以预见到，ILI库集20也可以被与特定管线系统的操作者相关联的其它计算机所访问。此外，如图2所示，通过所述生产场所或管线系统中其它管线的采样超声或射线摄影术(UT/RT)所获得的测量输入被存储在估计系统10可本地或经由网络接口16访问的存储器资源中。

显然，在其中存储UT/RT测量18或者ILI库集20存在于其中的特定存储器资源或位置可以在估计系统10所能够访问的各个位置中实现。例如，这些数据可以存储在估计系统10内的本地存储器资源中，或者存储在如图2所示的可网络访问的存储器资源中。此外，如本领域已知的，这些数据源可以在多个位置之间进行分布。进一步可替换地，与UT/RT测量18以及ILI库集20相对应的测量例如可以通过消息或其它通信流中的嵌入数据文件而被输入到估计系统10中。可以预见到，本领域技术人员将能够容易针对每个特定应用以适当方式来实施UT/RT测量18和ILI库集20的存储和检索。

根据本发明的该实施例，如以上所提到的，程序存储器14存储可由中央处理单元15执行以执行本说明书中所描述功能的计算机指令，利用所述计算机指令，对给定管线的UT/RT测量18进行分析来确定是否已经获得了足够数量的测量以达到与该管线的极端值测量相关的特定结论的特定置信水平。这些计算机指令可以为一个或多个可执行程序的形式，或者为从其得出、汇编、解释或编译一个或多个可执行程序的源代码或高级代码的形式。根据要执行所需操作的方式，可以使用多种计算机语言或协议中的任意一种。例如，这些计算机指令可以以传统的高级语言来编写，或者被编写为传统的线性计算机程序或者被配置为以面向对象的方式来执行。这些指令也可以嵌入在更高级的应用内。例如，本发明的实施例已经使用Visual Basic Algorithm(VBA)指令被实现为ACCESS数据库内的可执行应用以提供EXCEL电子数据表形式的输出，由于仅要求相对低水平的用户培训，因此这是有益的。可以预见到，参考该描述的本领域技术人员将能够容易针对所需安装以适当形式实现本发明的该实施例而无需过度实验。可替换地，根据本发明的优选实施例，这些计算机可执行的软件指令可以存在于局域网或广域网上的其它地方，可由估计系统10经由其网络接口16进行访问(例如以基于web的应用的形式)，或者这些软件指令可以经由其它一些接口或输入/输出设备利用电磁载波信号上的编码信息通信到估计系统10。

根据本发明的该实施例，ILI库集20包括系统中那些管线中的每一个在执行在役检查(ILI)时的测量数据，并且还包括基于那些测量的统计信息。根据本发明的该实施例，已经对其生成、处理ILI测量并存储在ILI库集20中的管线和数据集将作为“参考管线(referencepipeline)”，以用于确定要从其它管线的采样测量所得出的结论的统计有效性。现在参见图3，将对根据本发明该实施例的来自在整体系统中的一个或多个管线上所获得的ILI测量的ILI库集20的构建进行描述。根据本发明的该实施例，估计系统10可以自己建立ILI库集20，或者可替换地，其它计算机系统可以建立ILI库集20。这样，执行图3所示的处理以建立ILI库集20的特定计算机系统并非是与本发明相结合特别重要的内容。根据图3中处理的性质明显地，在估计系统10在根据本发明的该实施例分析采样测量的充分性时所要执行的操作之前，ILI库集20的建立仅需要进行一次；如果对生产场所或管线系统中的管线获得了额外的ILI测量数据集，则这些额外的ILI测量可以被处理并添加到ILI库集20中，而无需重新计算ILI库集20中已经存在的分布和统计量。

在过程22中，检索管线的在役检查数据。在过程22中所检索的在役检查数据集k包括沿管线的整体长度以用来获得数据的特定ILI技术和系统所确定的间隔而取得的测量。这些数据可以在过程22中从存储器资源获得或通过网络获得，或者由建立ILI库集20时所涉及的操作计算机系统所接收。

在过程24中，所述操作计算机系统从在过程22中所检索的数据集k生成所述管线的管壁损失厚度测量的分布。图4更为详细地图示了根据本发明该实施例的过程24。在过程40中，所述ILI测量数据被转换为以与采样测量的单位长度相对应的单位长度的测量。例如，采样UT/RT测量的感兴趣长度可以为沿管线长度的一英尺的间隔。ILI测量可能不对应于一英尺的间隔，但是当前数据比采样UT/RT测量更为精细(即，有效连续)。因此，在过程40中，所述操作计算机系统将ILI测量转换为与测量操作者所执行的UT/RT测量相对应的感兴趣的单位长度(例如，一英尺长度)的所需测量单位(例如，百分比管壁损失)。该转换可以通过传统技术来执行，例如通过选择并存储每个所需间隔内的最大管壁损失测量。

结合本发明已经注意到，管线管壁损失测量随测量技术而有所变化。更具体地，已经注意到ILI测量和从UT/RT检查所获得的那些测量之间存在偏差(其中观察到UT和RT测量彼此良好对应)。该偏差在一定程度上难以进行表征，原因在于给定管线的管壁损失的ILI测量通常指示远大于对该相同管线通过UT或RT所进行的采样测量的最小厚度损失的长度百分比。最小损失的该高百分比使得得出严格的校准等式有些困难。然而，由于通过任一种技术进行管线完整性监视的目标主要涉及检测管壁损失的极值(即，首先出现故障的位置)，可以在各种技术之间通过仅对相对高(例如，＞20％)的管壁损失的那些测量进行比较来得出有用的校准函数。测量的这种截断(truncation)能够提供有用的校准函数。如以下所要描述的，准确的校准使得ILI测量在根据本发明的该实施例表征UT/RT测量的分布时是有用的。

在一个示例中，已经从ILI测量所检测的若干管线的最大管壁损失数值的回归而利用UT采样所检测的那些相同管线的最大管壁损失数值执行了ILI管壁损失测量对UT管壁损失测量的校准。该回归仅使用那些大于20％管壁损失的ILI数值，并且排除了各种意外。此外，该回归并不要求ILI测量与相应的UT(或RT)测量处于沿管线的相同物理位置。该回归的结果提供了采样超声摄影术所测量的最大管壁损失厚度UT_max与相应的所测量的ILI最大管壁损失厚度ILI_max的以下关系：

UT_max＝2.18+1.18(ILI_max)

显然，预见到可以根据每种情况中所使用的特定测量技术和装置，管线差异和所承载流体的属性，是否需要较高级的校准等，而采用不同的校准方案。一旦优选地根据利用ILI以及UT或RT管壁损失测量对合理数量的管线的分析而定义了校准函数，根据该函数对管线数据集k的ILI管壁损失测量执行校准过程42。

在过程44中，所述操作计算机系统以与柱状图类似的方式将来自过程42的经校准的ILI读数排列为管壁损失类别。在本发明的该实施例中，如以下所描述的，来自采样UT/RT测量的感兴趣问题包括i)没有UT/RT测量超过30％的管线实际上是否具有管壁损失超过30％的位置；以及ii)没有UT/RT测量超过50％的管线实际上是否具有管壁损失超过50％的任何位置。根据本发明的该实施例，过程44所产生的测量的有用排列指示管线整体长度上的管线数据集k中经校准的ILI读数落入管壁损失的每个百分之十间隔内(例如，＜10％的管壁损失，10％管壁损失和20％管壁损失之间，20％管壁损失和30％管壁损失之间等)的百分比或分数。对于已经对其得出了经校准的ILI测量的假定管线而言，这种排列的示例能够以表格形式来表示，其便于在传统数据库中进行存储：

在该示例中，假定的管线为32377英尺长，并且由此沿其长度以一英尺间隔有32377个ILI测量。保留对每个管线获得ILI测量的日期的某个指示也是有用的。根据该示例可明显看出，校准过程42使读数排列处于过程44中的分布之前。可替换地，如果需要，可以在校准之前生成ILI测量的分布，并且接着根据校准函数对所述分布进行校准。在任意情况下，都在过程24中执行从其数据集k生成管线上ILI测量的经校准分布。

根据本发明的该实施例，在被校准为UT/RT读数时识别ILI对管线k所检测的最大管壁损失是有用的。如以下将要描述的，最大管壁损失的知识使得能够确定提供最高采样管壁损失处于真实的最大管壁损失的10％以内的所需置信水平所要求的样本覆盖。在过程26中，由操作计算机系统询问在过程24中生成的管线k的经校准ILI测量以识别该最大读数。

除了来自每个管线的测量的经校准分布之外，根据本发明的该实施例，ILI库集20还包括每个管线的这些经校准管壁损失测量所取的随机样本的统计行为。根据本发明的该实施例，以过程28开始确定该行为，其中执行蒙特卡洛仿真采样以便对沿管线长度所获得的管线数据集k中经校准的ILI管壁损失测量进行随机采样。可替换地，如果需要，可以在间隔内对经校准的ILI测量的分布进行理想化(例如，将所有在10％和20％之间的读数看作15％)，并且对理想化的分布进行采样。在任一种情况下，过程28的每个实例以j％的指定样本覆盖水平对管线数据集k中的经校准ILI测量的分布进行采样。例如，过程28的第一实例可以随机采样0.1％的经校准ILI测量。接着根据统计分析中所感兴趣的特定问题对该随机采样中所获得的样本测量进行估计。例如，可以对随机采样的测量进行估计以确定是否有任何测量超过30％的管壁损失，是否有任何测量超过50％的管壁损失，以及是否有任何测量处于(如过程26中所识别的)管线上最大管壁损失读数的10％以内。然后将该估计的结果存储在存储器中。以j％的覆盖，在过程28中对经校准ILI测量的该蒙特卡洛仿真采样重复n次，其中n为相对大的数字(例如，为数千的级别，例如一万个样本)，并且记录每次采样的结果。执行判定29以确定是否还要分析额外的覆盖水平；如果是(判定29为是)，则在过程30中将覆盖水平j％调节为下一个样本覆盖，并且对新调整的覆盖水平j％重复过程28和判定29。例如，可以将样本覆盖调节0.1％，至少达到步幅在该点可以更大的某个样本覆盖水平。可以基于领域中UT/RT测量覆盖的实际限制来确定最大样本覆盖(例如，出于成本的原因，7％或10％覆盖可以为最大实际限制)。

在完成过程29中对每个覆盖水平j％的随机采样之后，接着执行过程32以识别各个置信水平所要求的样本覆盖。这些各种置信水平考虑了要从其它管线的最终UT/RT样本测试所得出的特定结论。例如，对于已经使用UT或RT管壁损失测量技术进行了采样的管线而言，分析可能对以下问题感兴趣：

(1)为了随机采样针对80％和95％的置信水平确定最大管壁损失＜30％，所要求的与管线数据集k相对应的管线的样本覆盖是什么？

(2)为了随机采样针对80％和95％的置信水平确定最大管壁损失＜50％，所要求的与管线数据集k相对应的管线的样本覆盖是什么？

(3)为了随机采样针对80％和95％的置信水平确定来自采样的最大管壁损失测量处于沿管线的实际最差管壁损失的10％以内，所要求的与管线数据集k相对应的管线的样本覆盖是什么？

显然，所述感兴趣的置信水平(80％，95％)以及管壁损失阈值水平(30％，50％)将取决于操作者对于管壁损失的敏感度，以及分析者的需求。并且针对所述问题的答案的可用性取决于最大管壁损失读数；如果没有管壁的读数超过50％，则以上的问题(2)将没有答案。这些答案可以从过程28中对于各种样本覆盖水平的重复采样来确定。对于以上表格中所示的管线数据集k的示例，其具有超过50％的经由ILI的最大校准管壁损失测量，蒙特卡洛仿真的结果将具有在每个j％的样本覆盖水平，n个随机获得的样本集合中有多少包括大于30％、大于50％以及处于真实最大值的10％以内的样本数值的计数。这些可能性在过程32中针对所需结果而得出，诸如以上的问题(1)至(3)，并且被表示为分数或百分比。对于以上作为表格的假定管线的示例：

换句话说，对于该假定管线的经校准ILI测量的分布而言，以0.3％的覆盖，n个随机样本集合(每个集合包含从32377个一英尺间隔的经校准测量中随机取得的97个样本)中多于95％都返回了大于30％管壁损失的最大经校准测量数值。此外，如该表格所指示的，以5％的覆盖，n个随机样本集合中多于80％返回了处于真实最大管壁损失测量的10％以内的最大经校准测量数值。另一方面，即使不是10％样本覆盖，其作为这种情况下所估计的最高样本覆盖j％，也将使得n个随机样本集合的95％返回处于真实最大管壁损失测量的10％以内的最大经校准测量数值。

返回图3，在过程24中从管线数据集k生成的经校准ILI测量的分布，并且还有将用来获得在过程32中对该管线所生成的所选择最大测量阈值的所需置信水平的样本覆盖结果存储在与管线数据集k相关联的ILI库集20中。判定35确定是否还有额外的数据集要被添加到ILI库集20。这些额外数据集可以是场所或系统中其它管线的测量，或者在不同时间获取的任意相同管线的额外ILI数据集。如果是(判定35为是)，则递增索引k以指向所要处理的下一个数据集，在过程22中检索该ILI测量数据集，并且重复所述过程。由于管壁损失测量的统计行为可以随时间有所变化，所以如果可以获得相同管线的多个ILI数据集，则来自这些数据集中每一个的经处理结果被存储在ILI库集20中。从下面的描述可明显看出，为了本发明的该实施例的目的，单独地考虑相同管线的这些额外的ILI数据集。如果没有额外数据集要被处理(判定35为否)，则ILI库集20完成。当然，如果随后对系统中的其它管线获得了ILI测量数据，或者如果随后对ILI库集20中已经表征的管线获得了新的ILI测量数据，则ILI库集20可以被更新以包括来自这些额外ILI监视的结果。

作为以上相对于图3和4所描述过程的结果，对于每个所分析的管线数据集，ILI库集20可以包括管壁损失厚度在其被ILI所测量的长度上的分布的指示，并且如果有必要，所述分布针对进行采样的测量技术而被校准。这些管壁损失测量的分布并非理论或假设分布，而是完全基于实际的测量。此外，对于每个所分析的管线数据集，ILI库集20包括与其管壁损失测量的分布相关的统计量，所述统计基于这种采样的蒙特卡洛仿真。这些统计包括确定是否向一个或多个置信水平给出了某个管壁损失水平所必需的样本数目(即，样本覆盖)。根据现在将要描述的该实施例，以类推的方式，ILI库集20中针对这些管线所存储的分布和统计量将被用来估计管线系统中其它管线所取得的样本测量的有效性。

根据本发明的该实施例，一旦已经如以上所描述的那样构建了ILI库集20，现在就可以比较和分析与已经对其执行了ILI的那些管线不同的管线的样本测量以便得到充分的所获取样本。图5图示了根据本发明该实施例的在确定是否通过采样获得了测量极值测量时分析UT/RT测量充分性的方法的整体操作。预见到该过程将由估计系统10来执行，以上关于图3对其示例进行了描述，其可以是确定一个或多个管线的UT/RT样本覆盖的充分性的分析者所操作的工作站。如以上结合估计系统10的描述所提到的，还预见到执行该过程的计算资源和组件可以以各种方式来部署，包括通过web应用或其它分布式方法。

根据本发明的该实施例，如图5的过程50所示，对于进行检查的特定管线(该管线在此被称作“管线PUI”)的UT/RT测量分析以从数据源18检索采样的UT/RT测量开始。典型地，管线PUI为“无法使用猪的”管线，对于其仅获得了管壁损失的采样测量。优选地，对于管线PUI所检索的数据包括所获得的UT/RT样本的数目，以及每个样本的单独管壁损失值。这些样本UT/RT测量可以被预处理以便被表示为管壁厚度损失的图形(例如，百分比管线损失)。虽然也可以采取或使用其它测量，但是在所描述的该示例中，每个UT/RT样本被认为是在管线PUI长度的相对小的间隔上(例如一英尺)所检测的最大百分比管壁损失。UT/RT测量的采样间隔应当与ILI测量数据被变换(图4的过程40)的间隔相匹配。在过程50中所检索的数据还应当包括管线PUI的整体长度，从而该管线PUI的样本覆盖是已知的。

在检索管线PUI的UT/RT测量数据时，根据本发明该实施例的方法中的下一个任务是识别其数据存储在ILI库集20中具有与所述UT/RT采样结果的分布最为类似的管壁损失测量分布的一个或多个管线。以这种方式，可以进行沿管线PUI的整体长度的管壁损失测量的完全分布的估计，并且可以使用该估计的分布统计地确定UT/RT样本覆盖的有效性。在本发明的该实施例中，对与采样管线PUI类似的ILI管线的该识别以过程51开始，其中估计系统10以与管壁损失测量的柱状图类似的方式将管线PUI的采样测量归类为“组(bin)”。例如，管壁损失测量可以被组化为十分位的百分比管壁损失(例如，从10％至20％管壁损失，从20％至30％管壁损失等)。在过程52中，计算机系统根据在其UT/RT样本内检测的最大管壁损失测量值对管线PUI进行归类。

在过程54中，估计系统10访问ILI库集20以选择对其可获得ILI测量数据的管线的“测试集合”，并且如以上所描述的，其已经被处理为具有其测量的经校准分布，并且还具有与那些分布相关联的采样统计量。过程54识别在根据过程52的归类的略为粗糙的方面与进行检查的管线PUI相类似的那些ILI管线数据集合(这里称作“ILI管线”)。一旦在过程54中选择了该测试集合，根据本发明的该实施例，过程56确定所述测试集合中ILI管线数据集的分布中的组子集中测量的相对总体(population)，以及管线PUI自身UT/RT测量分布中的组子集的相对总体。图6通过示例图示了过程52、54、56的特定实施方式，以便更为清楚地描述本发明该实施例的操作。当然，所要理解的是，特定的组、限制等以及过程52、54、56进行选择的方式可以与图6中该示例的那些内容有很大不同。

如图6所示，根据该示例，过程52中管线PUI的归类基于对管线PUI所获得并且在过程50中检索的最大管壁损失样本值的识别。首先，可以强制管壁损失的最小阈值(图6中未示出)；例如，可以根据该方法仅考虑管线PUI其最大管壁损失测量是否超过10％管壁损失，并且是否该10％的阈值是否被三个或更多测量所超出。在图6的示例中，过程52接着将管线PUI归类为三种可能的最大管壁损失类别之一：i)最大采样管壁损失小于30％；ii)最大采样管壁损失处于30％和50％之间；以及iii)最大采样管壁损失大于50％。这种归类确定了过程54中定义ILI管线数据集的测试集合的方式，并且还确定了过程56中比较测量分布中的组总体的方式。

对于给定管线PUI，通过估计系统10检索ILI库集20中ILI管线数据集的经校准分布，并且对那些经校准分布执行子过程54a、54b、54c之一来执行过程54，其中特定子过程根据过程52中最大管壁损失样本值将管线PUI置入的类别进行选择。如以上所提到的，ILI库集20中所存储并且在过程54中检索的经校准的分布包括单独管线的经校准分布，并且还可以包括随时间获取的一些管线的多个经校准分布(例如，来自数年间的年度检查)。除了对所检索的经校准分布确定子过程54a、54b、54c之一之外，在过程52中执行的管线PUI的归类还确定在过程56中定义待比较组子集的方式。因为在该示例中，管线PUI可能落入三个类别，所以如图6所示，通过过程54、56定义了三条不同的路径。

如果通过UT或RT对管线PUI所测量的最大管壁损失样本值小于30％，则在该示例中，过程54a得出ILI管线测试集合作为具有超过30％的经校准最大管壁损失测量的那些ILI管线；具有小于30％的经校准最大管壁损失测量的所有ILI管线都从所述测试集合排除出去。进行过程54中的该测试集合定义是因为在该示例中，该方法的分析意在确定是否已经对管线PUI获得了足够的UT/RT样本来确定最大管壁损失不超过30％(以上的问题(1))。该问题是恰当的，原因在于UT/RT对管线PUI获得的样本值实际上没有超出30％，并且该问题因此保持开放；另一方面，如果对管线PUI所获得的采样UT/RT测量中存在大于30％的管壁损失的样本值，则问题(1)是不可应用的。对于处于最大管壁损失不超过30％的类别内的管线PUI而言，典型地将不会回答问题(2)，原因在于针对问题(1)的回答将为管线完整性的目的提供足够的信息(并且在这种情况下，该回答也趋于更加准确)。然而，以上的问题(3)是恰当的，并且可以如以下所描述的那样进行回答。那些没有高于30％的测量的管线的经校准ILI测量的分布没有对该问题提供任何洞察力，原因在于即使这种管线100％的样本覆盖也不会返回高于30％的读数。这样，在本发明的该实施例中，没有对任何测试集合考虑具有低于30％的最大管壁损失测量的ILI数据集。

一旦在过程54a中将测试集合定义为具有大于30％的经校准的最大管壁损失测量的那些ILI管线数据集(即，如以上所提到的管线或数据集)，则过程74a生成在该测试集合中的这些ILI管线数据集中每一个的分布的组子集内的测量的相对总体，以便与所采样的管线PUI进行比较。在该示例中，管线PUI的低于30％的十分位管壁损失范围内的测量相对总体将与测试集合中的每个ILI管线数据集的相同相对总体进行比较。因此，在过程74a中，估计系统10对于过程54a中所识别的测试集合中的每个ILI管线确定其经校准的ILI测量处于10％和20％管壁损失之间的分数，处于20％和30％管壁损失之间的分数，作为测试集合中该管线的处于10％和30％之间的经校准ILI测量的数目的百分比。换句话说，低于10％和高于30％的测量值在过程74a中被丢弃。在这种情况下，仅考虑处于10％和20％管壁损失之间的测量百分比以及处于20％和30％管壁损失之间的测量百分比，其中这两个组总体相加达到100％。例如，我们将考虑以上所讨论的具有以下整体分布的假定ILI管线的示例：

根据图6的该示例，该假定管线将处于过程54a中所选择的测试集合内，原因在于其至少一个管壁损失读数高于30％。在过程74a中，过程74a中所考虑的该分布的组子集将为：

3734是这两个类别中经校准ILI读数的数目之和。从该示例明显看出，没有考虑低于10％管壁损失以及高于30％管壁损失的读数。

在过程76a中，管线PUI的UT/RT样本读数分布中的组被类似地截断到子集中，这被表示为处于10和20％管壁损失之间以及处于20％和30％管壁损失之间的测量样本值的相对百分比(这两个总体之和相加为100％)。在这种情况下，对于管线PUI而言，处于20％和30％之间的样本值的数目可能为零；考虑到该测试集合中的每个管线具有至少一个读数高于30％，这种情况对于ILI管线数据集的测试集合的成员是不可能的。如以下将结合过程58所描述的，在过程76a中获取的管线PUI的组的相对总体将与过程74a中所获取的测试集合中ILI管线数据集的组的相对总体进行比较。

在管线PUI被归类到其它两个群组之一的情况下执行类似处理。特别地，参见图6，如果管线PUI具有处于30％和50％之间的最大样本值管壁损失，则过程54b将ILI管线数据集的测试集合定义为最大管壁损失读数高于50％的那些。这是因为该类别的采样管线所感兴趣的问题是以上的问题(2)，即当前样本值的数目是否足以针对所需置信间隔来确定管线PUI是否具有超出50％的最大管壁损失。在过程74b中，所述测试集合中的每个管线都被计算机系统进行处理以得出该示例中四个组的子集：即从10至20％管壁损失，从20％至30％管壁损失，从30％至40％管壁损失，以及从40％至50％管壁损失的经校准ILI测量的百分比。所述测试集合中每个ILI管线数据集的这四个组的百分比相加达到100％。以上针对过程74a所讨论的ILI管线数据集的示例将落入过程54b中所选择的测试集合内，并且过程74b所产生的组子集中的总体将为：

在这种情况下，丢弃低于10％且高于50％的校准值，从而这些十分位中剩余的测量的百分比相加达到100％。所述测试集合中的每个ILI管线数据集由估计系统10在过程74b中进行类似处理。在过程76b中，获取通过UT/RT在分布组的子集中对管线PUI所获得的样本值的相对总体，以便在过程58中与过程74b中所产生的测试集合中ILI管线数据集的分布子集进行比较。

在管线PUI被归类为图6的该示例中的第三类别中的情况下，具有大于50％管壁损失的最大样本值，过程54c中所选择的ILI管线的测试集合与过程54b中所选择的测试集合相同，即具有大于50％管壁损失的最大经校准ILI测量的那些ILI管线数据集。在过程74c中，该测试集合中的每个ILI管线数据集由估计系统10进行处理以对该管线产生组子集中的相对总体。在这种情况下考虑五个组，具体地是过程74b中所产生的四个组加上超出50％管壁损失的读数的相对百分比的第五个组。出于过程74c的原因，低于10％管壁损失的ILI管线数据集的测量被丢弃，并且由此这五个组中的相对百分比相加达到100％。在过程76c中，在五个组中类似地考虑对管线PUI所获得的样本值的相对总体，忽略10％和更低管壁损失的样本值。接着可以在过程58中将管线PUI的分布子集与测试集合中的每个ILI管线数据集的分布子集进行比较。

如以上所提到的，过程54、56中所得出的特定组和限制可以与以上描述示例中的有所变化。实际上，根据可用于特定管线系统的数据，这些限制可以完全是临时的(ad hoc)。例如，10％的间隔(10至20％管壁损失，20至30％管壁损失，等等)可以替代设置为5％的间隔。在过程56中丢弃低于其的测量和样本值的最低阈值管壁损失可以与10％有所不同；实际上，过程56不必需要具有这样的较低阈值，而是可以使用所有数据(例如包括0至10％管壁损失的组)。此外，管线PUI可以归类至其中的类别的数目也可以有所变化。预见到对管线系统所遵循的特定方法可以通过试验和误差来确定，其中过程54、56的最终设计对于该系统而言是特定的。

估计系统10所执行的过程58中的比较将对管线PUI所生成的每个组的相对总体与对测试集合中每个ILI管线数据集所生成的相同组中的相对总体进行验证。过程58返回一些优值数(figure of merit)是有用的，其反映了相似度的数字量度，以促进根据其测量分布与管线PUI的测试分布的相似度对在测试集合中的ILI管线数据集进行排名。根据本发明的该实施例，估计系统10通过计算管线PUI中每个组中读数的百分比与ILI管线数据集中该组的校准测量的百分比之间的差异，对每个组的该差异取平方，并且将平方差相加以产生该ILI管线数据集的比较值，而对所述测试集合中的每个ILI管线数据集执行比较58。对于第二类别(最大读数处于30％和50％管壁损失之间)内、并且具有通过过程76b产生的相对组总体：

10-20％管壁损失	20-30％管壁损失	30-40％管壁损失	40-50％管壁损失
				6.14％	70.18％	23.03％	0.66％

的管线PUI的示例而言，利用以上假定ILI管线的平方差值将返回(四舍五入为整数)：

10-20％管壁损失	20-30％管壁损失	30-40％管壁损失	40-50％管壁损失
				(50.06-6.14)2＝1929	(35.25-70.18)2＝1220	(12.73-23.03)2＝107	(1.96-0.66)2＝2

返回平方和值3258。在过程58中，这种优值数的计算(例如，逐个组的差异的平方和)由系统计算机10使用在过程56中生成的相对组总体针对测试集合中的每个ILI管线数据集对管线PUI执行。

接着在过程60中对比较过程58的结果进行估计，以确定测试集合中的一个或多个ILI管线数据集具有与管线PUI最为相似的分布(即，分布子集)。在本发明的该实施例中，过程60由估计系统10对在过程58中所得出的优值数(例如，逐个组的差异的平方和)进行询问和排名来执行。例如，基于以以上所描述的方式所处理的测量分布的这种比较，可以选择测试集合中具有三个最低的优值数值的ILI管线数据集作为最为相似的ILI数据集。

在过程的这个阶段，在过程60之后，选择在其整体长度上具有与通过UT/RT对进行分析的管线PUI所获得的样本值分布最为相似的测量分布的一个或多个ILI管线数据集。如以上所讨论的，为了统计地估计已经执行的采样的充分性，必须了解从其取得样本的总体中那些值的分布形状。在此阶段，在过程60中所选择的一个或多个最为相似的ILI管线数据集提供了管线PUI的采样行为的估计。现在可以对已经获得的UT/RT样本的充分性进行统计分析。

然而在该现实情况下，在过程60中所识别的最为相似的ILI管线数据集的分布并不必遵循能够对其得出采样统计量的值的完善理论分布；事实上，不可能将任意这样的理论分布应用于实际管线的测量值。本发明的该实施例以测量的实际分布由于各种原因而永远不会遵循理论统计分布的假设进行操作，所述原因诸如沿管线的非统一侵蚀速度，这些作为混合分布的分布的行为，等等。因此，对这些管线的每个经校准的ILI测量执行的蒙特卡洛仿真的结果被用来提供利用UT/RT监视对管线PUI所执行的采样的充分性的估计，其中所述结果如上所述存储在ILI库集20中。

在过程62中，系统计算机10基于对过程60中所选择的最为相似的一个或多个ILI管线数据集的ILI库集20中所存储的蒙特卡洛统计来识别所需结果所要求的样本覆盖。如以上结合图3的过程32所描述的，基于蒙特卡洛仿真，对于各种置信水平和各种结果“问题”(例如，确保针对95％置信水平将采样到＞50％的管壁损失测量所要求的样本覆盖是什么？)而言，每个ILI管线数据集已经具有了所定义的各种样本覆盖水平。再次参见图5，如果单个ILI管线数据集在过程60中被选择为与管线PUI最为相似，则在过程62中所识别的样本覆盖由在过程32中对该ILI管线数据集所产生并且存储在ILI库集20中的统计量来确定。可替换地，如以上所描述的，在过程60中选择多个最为相似的ILI管线数据集(例如，三个)，并且它们的统计量在过程62中进行合并。进一步可替换地，在过程60中所选择的ILI管线数据集的数目可以以依赖于数据的方式进行确定，例如通过在确定过程60中所要选择的ILI管线数据集的数目时考虑来自过程58的优值数的接近程度。

根据本发明的该实施例，如以上所提到的，出于鲁棒性的原因(即，避免虚假选择单个局外(outlier)分布的风险)，在过程60中选择两个或多个相似的ILI管线数据集作为与管线PUI最为相似的ILI管线数据集。针对这些多个最为相似的ILI管线数据集，过程62接着从ILI库集20中所存储的统计量的某个组合识别管线PUI的样本覆盖。例如，可以使用统计量的简单算术平均。可替换地，可以得出这些统计量的加权平均。本领域技术人员通过参考本说明书可以轻易得出这些统计量的其它可选组合。在任意情况下，过程62的结果都是提供针对指定置信水平有效得出结论所要求的样本覆盖或检查水平。

例如，考虑以下的假定ILI管线数据集已经在过程58中与假定管线PUI进行了比较：

如以上所描述的，给定管壁损失十分位内的所有测量百分比是处于10％管壁损失和50％管壁损失之间的测量数目的百分比(而不是沿管线的所有ILI测量的百分比)。从该表格明显看出，从最为相似至最不相似并且基于由系统计算机10在过程58中所计算的差的它们各自平方和，这五个假定ILI管线数据集与假定管线PUI的相似度顺序为：C，E，B，D，A。根据该示例，其中选择三个最为相似的ILI管线数据集，在过程60中选择假定管线C，E，B。通过示例，这三个管线C，E，B在ILI库集20中存储的样本覆盖统计量包括：

在该示例中，这些统计量的算术平均提供了假定管线PUI的这些置信水平所要求的检查水平：

如现在将要描述的，这些水平接着可以被用来估计对假定管线PUI所实际获得的UT/RT样本的数目。

再次参见图5，系统计算机10现在可以估计判定63以确定对管线PUI执行的UT/RT采样是否足以得出分析人员所需的结论。预见到分析人员将指示或选择一个或多个潜在结论以便在判定63中进行估计。该估计简单地将管线PUI的实际UT/RT样本覆盖与过程62中所确定的样本覆盖的组合统计量进行比较，以确定该UT/RT样本覆盖是否足以得出所选择的结论。

以上所讨论的假定管线PUI的UT/RT测量达到4.3％的样本覆盖(即，UT/RT所测量的一英尺间隔的数目达到假定管线PUI的整体长度的4.3％)的示例将是说明性的。在这种情况下，基于从假定ILI管线数据集C，E，B所得出的样本覆盖的表格，4.3％的样本覆盖超出了问题“＞50％的管壁损失”在95％置信度所要求的样本覆盖4.0％，以及问题“处于最大值的10％以内”在95％置信度所要求的样本覆盖2.8％。分析人员因此能够推断出假定管线PUI实际上是否具有超出50％管线损失的任意位置，4.3％的UT/RT样本覆盖将在至少95％的时间检查到该条件；换句话说，分析能够以95％的置信度推断出所采样的假定管线PUI并不具有任何大于50％管线损失的位置。而且在这种情况下，分析人员还能够以95％的置信度推断出UT/RT对假定管线PUI所获得的最大采样管壁损失值处于该管线中存在的真实最大管壁损失的10％以内。

再次参见图5，判定63的结果可以被用来指引进一步的动作。如果所采样的管线PUI的样本覆盖足以得出所需结论(判定63为是)，则所述结果可以被接受(过程64)。接着可以以特定管线系统的常用方式进行用于存储该管线PUI的这一分析的结果或对其记录日志的适当动作。然而，如果管线PUI的样本覆盖不足以得出所需结论(判定63为否)，则分析人员接着能够通知适当人员从该管线获得新的UR/RT样本测量的集合(过程66)。在这种情况下，基于从具有相似明显行为的管线上的ILI测量所得到的经验，管线PUI在其UT/RT样本测量中所展现的行为指示需要更高水平的采样。当接收到以更高样本覆盖的新UR/RT测量集合时，接着可以使用整个新UT/RT样本测量集合来重复整个过程。这是因为附加的样本可以影响UT/RT样本测量的整体分布，以使得不同的ILI管线分布现在可以与管线PUI最为相似；换句话说，附加的样本测量可以改变分布的形状，而不是仅仅添加到现有分布。

显然，如果管线PUI的附加采样返回了足够高的管壁损失测量，则接着可以采取校正动作来替换该管线至少在该测量的位置的一些或全部。在这种情况下，确保与管线完整性相关的统计上有效的结论所需的附加采样引发了检查潜在管线故障。

在图5中针对管线PUI的过程完成之后，显然能够对已经对其获得了UT/RT测量的附加管线进行类似分析。

此外，如以上所提到的，如果对整体系统中的附加管线或者已经对其处理了ILI信息并存储在ILI库集20中的管线获得了附加ILI信息，则可以如以上所描述的那样对这些新的ILI测量数据进行处理并且相应更新ILI库集20。估计所采样的管线测量中的该整体过程的准确性必然将随着被处理到ILI库集20中的管线和ILI数据集合的数目增加而有所提高。

根据本发明的一个方面，当应用于以常用方式获得的UT/RT样本测量时表现出一定程度的内在鲁棒性。这是因为该过程假设UT/RT样本是在沿管线的随机位置所获得。在实践中，如本领域已知的，实际的UR/RT监视并非沿管线长度随机执行，而是基于侵蚀模型和检查经验选择进行UT/RT测量的位置。这样，实际的UT/RT测量趋于向较高管壁损失的位置所偏移，这在理论上提高了根据本发明的该实施例的方法的鲁棒性。考虑到根据本发明的该实施例在生成分布子集(过程56)时丢弃经校准ILI测量中的低管壁损失值，相信能够大幅避免由于样本分布的歪斜所导致的结果不准确性。

根据本发明能够获得在大规模管线系统中监视管线完整性的重要好处。操作者能够通过使用本发明从所采样的管线管壁厚度损失测量获得现实的置信水平，而不依赖于与管壁损失沿管线的统计分布相关的无法支持的假设，并且不依赖于具有不现实或不可支持的基本假设的流体和材料模型。通过从这样的监视为特定结论提供置信水平的现实估计，通过将注意力集中在最为需要的测量资源，生产场所或管线系统的操作者能够更有效地执行必要监视以确保适当的完整性水平。

虽然已经根据其优选实施例对本发明进行了描述，但是显然可以预见到这些实施例的修改和替换，获得本发明的优势和好处的这些修改和替换对于已经参考了本说明书及其附图的本领域技术人员将是显而易见的。预见到这样的修改和替换处于这里随后所要求保护的本发明的范围之内。

Claims (12)

1.一种估计管线的完整性的多个测量的充分性的方法，包括步骤：

接收所述管线的管线管壁厚度损失的采样测量数据，其中所述采样测量数据是在沿所述管线的外部表面的多个样本位置获得的；

将所述采样测量数据的分布与数据库集中所存储的多个参考管线数据集的在役检查测量的分布进行比较，以选择具有与所述采样测量数据的分布最为相似的分布的一个或多个参考管线数据集，其中该比较步骤包括：

确定多个组内所述多个参考管线数据集中的每一个的在役检查测量的分布中的总体，其中所述多个组是对进行检查的特定管线的采样测量所作的归类；

确定所述多个组内的所述采样测量数据的分布中的总体；

根据采样测量数据的组中的总体与所述多个参考管线数据集中的每一个的组中的总体之间的差对所述参考管线数据集计算优值数，其中所述优值数反映相似度的数字量度；并且

响应于所述优值数选择一个或多个参考管线数据集；

从所述数据库集检索所选择的一个或多个参考管线数据集的至少第一统计量，所述第一统计量指示以指定置信水平接受与所述管线的管壁厚度损失的极值相关的第一前提所要求的样本覆盖；以及

至少根据所述第一统计量和所述采样测量数据，确定所述采样测量数据的充分性以允许确定所述管线的所述完整性。

2.如权利要求1所述的方法，其中所述第一前提是所述管线的管壁厚度损失的极值不超出第一指定百分比；

其中多个统计量在所述检索步骤中被检索；并且

其中第二统计量指示以指定置信水平接受与所述管线的管壁厚度的极值相关的第二前提所要求的样本覆盖，所述第二前提是所述管线的管壁厚度损失的极值不超出第二指定百分比。

3.如权利要求1所述的方法，其中所述第一前提是管壁厚度损失的最高样本测量处于所述管线中最大管壁厚度损失的指定百分比以内。

4.如权利要求1所述的方法，其中所述比较步骤包括:

从所接收的采样测量数据识别最大管壁厚度损失测量；并且

响应于所识别的所述管线的最大管壁厚度损失选择存储在所述数据库集中的所述多个参考管线数据集。

5.如权利要求1所述的方法，其中确定所述采样测量数据的充分性的步骤包括：

将所述管线的所述采样测量数据的样本覆盖与所述第一统计量指示的所要求的样本覆盖进行比较。

6.如权利要求1所述的方法，进一步包括：

根据所述多个参考管线数据集的在役检查测量生成所述数据库集，对于每个参考管线数据集，所述数据库集包括：

所述参考管线数据集的在役检查测量的分布，和

至少包括所述第一统计量的一个或多个统计量；

其中对于所述多个参考管线数据集中的每一个，生成所述数据库集的步骤包括：

检索所述参考管线数据集的在役检查测量数据；

生成所述参考管线数据集的在役检查测量的所述分布；

将所述分布与所述参考管线数据集相关联地存储在所述数据库集中；

以第一样本覆盖对所述在役检查测量数据进行随机采样；

以所述第一样本覆盖重复所述随机采样步骤多遍；

确定所述多遍中所述随机采样满足所述第一前提的百分比；

对多个样本覆盖重复所述随机采样步骤、所述重复步骤和所述确定步骤；并且

将与来自所重复的确定步骤的百分比相对应的样本覆盖统计量与所述参考管线数据集相关联地存储在所述数据库集中。

7.如权利要求6所述的方法，其中生成所述数据库集的步骤进一步包括：

根据在役检查测量和采样测量数据之间的校准函数对所检索的在役检查测量数据进行校准。

8.如权利要求6所述的方法，其中生成所述数据库集的步骤进一步包括：

根据在役检查测量和采样测量数据之间的校准函数计算对在役检查测量的分布进行校准。

9.一种估计管线的完整性的多个测量的充分性的系统，包括：

用于接收所述管线的管线管壁厚度损失的采样测量数据的装置，其中所述采样测量数据是在沿所述管线的外部表面的多个样本位置获得的；

用于将所述采样测量数据的分布与数据库集中所存储的多个参考管线数据集的在役检查测量的分布进行比较，以选择具有与所述采样测量数据的分布最为相似的分布的一个或多个参考管线数据集的装置，其中用于该比较的装置包括：

用于确定多个组内所述多个参考管线数据集中每一个的在役检查测量的分布中的总体的装置，其中所述多个组是对进行检查的特定管线的采样测量所作的归类；

用于确定所述多个组内的所述采样测量数据的分布中的总体的装置；

用于根据采样测量数据的组中的总体与所述多个参考管线数据集中的每一个的组中的总体之间的差对所述参考管线数据集计算优值数的装置，其中所述优值数反映相似度的数字量度；以及

用于响应于所述优值数选择一个或多个参考管线数据集的装置；

用于从所述数据库集检索所选择的一个或多个参考管线数据集的至少第一统计量的装置，所述第一统计量指示以指定置信水平接受与所述管线的管壁厚度损失的极值相关的第一前提所要求的样本覆盖；以及

用于至少根据所述第一统计量和所述采样测量数据，确定所述采样测量数据的充分性以允许确定所述管线的所述完整性的装置。

10.如权利要求9所述的系统，其中所述第一前提是所述管线的管壁厚度损失的极值不超出第一指定百分比；

其中多个统计量在所述检索装置执行的检索操作中被检索；并且

其中第二统计量指示以指定置信水平接受与所述管线的管壁厚度的极值相关的第二前提所要求的样本覆盖，所述第二前提是所述管线的管壁厚度损失的极值不超出第二指定百分比。

11.如权利要求9所述的系统，其中所述第一前提是管壁厚度损失的最高样本测量处于所述管线中最大管壁厚度损失的指定百分比以内。

12.如权利要求9所述的系统，其中所述用于比较的装置包括:

用于从所接收的采样测量数据识别最大管壁厚度损失测量的装置；以及

用于响应于所识别的所述管线的最大管壁厚度损失选择存储在所述数据库集中的所述多个参考管线数据集的装置。