Sensorer drevet af maskinindlæring snuser ud gas hurtigt

En ny undersøgelse bekræfter succesen med et værktøj til registrering af lækager af naturgas, der er banebrydende af forskere i Los Alamos National Laboratory, der bruger sensorer og maskinlæring til at lokalisere lækager på olie- og gasfelter, lover ny automat, overkommelig prøveudtagning på tværs af stor naturgasinfrastruktur.

"Vores automatiserede lækageplaceringssystem finder gaslækager hurtigt, herunder små fra svigtende infrastruktur, og sænker omkostningerne, da de nuværende metoder til at reparere gaslækager er arbejdskrævende, dyrt og langsomt, " sagde Manvendra Dubey, den ledende videnskabsmand i Los Alamos National Laboratory og medforfatter af det nye studie. "Vores sensorer udkonkurrerede konkurrerende teknikker i følsomhed over for påvisning af metan og etan. Desuden vores neurale netværk kan kobles til enhver sensor, hvilket gør vores værktøj meget kraftfuldt og vil muliggøre markedspenetration. "

Den autonome, Lavpris, Fast Leak Detection System (ALFaLDS) blev udviklet til at opdage utilsigtede udslip af metan, en kraftig drivhusgas, og vandt en R&D 100 -pris i 2019. ALFALDS registrerer, lokaliserer og kvantificerer en naturgaslækage baseret på metan og etan i realtid (i naturgas) og atmosfæriske vindmålinger, der analyseres af en maskinlæringskode, der er uddannet til at lokalisere lækager. Koden er uddannet ved hjælp af Los Alamos National Laboratory's højopløselige plumspredningsmodeller, og træningen finesses på stedet ved kontrollerede frigivelser.

Testresultater ved brug af blinde udløsninger på et olie- og gasbrøndpudeanlæg ved Colorado State University i Fort Collins, Colorado, demonstreret, at ALFaLDS lokaliserer de konstruerede metanlækager præcist og kvantificerer deres størrelse. Denne nye evne til at lokalisere lækager med høj dygtighed, hastighed og nøjagtighed til lavere omkostninger lover ny automatisk, overkommelig prøveudtagning af flygtige gaslækager ved brøndpuder og olie- og gasfelter papiret i journalen Atmosfærisk miljø:X slutter.

ALFaLDS succes med at lokalisere og kvantificere flygtige metanlækager ved naturgasanlæg kan føre til en reduktion på 90 procent i metanemissioner, hvis den implementeres af industrien.

ALFALDS brugte en lille sensor, hvilket gør den ideel til implementering på biler og droner. Los Alamos-teamet udvikler de sensorer, der blev integreret med et mini 3-D sonisk vindmåler og den kraftfulde maskinlæringskode i disse undersøgelser.

Imidlertid, koden er autonom og kan læse data fra alle gas- og vindsensorer for at hjælpe med at finde lækager hurtigt og minimere flygtige emissioner fra det store netværk af naturgasudvinding, produktion og forbrug.

Med denne integration, ALFALDS tilbyder en revolutionerende tilgang til olie- og gasserviceudbydere inden for lækagedetektion, til almennyttige organisationer, der undersøger spørgsmålet, og til nationale laboratorier og akademier, der forsker i naturgasproduktion.