Sensoren aangedreven door machine learning Gaslekken opsporen

Een lekdetectietool voor aardgas maakt gebruik van sensoren en machine learning om lekpunten in olie- en gasvelden te lokaliseren en belooft automatische, betaalbare bemonstering in uitgestrekte aardgasinfrastructuur. Het Autonomous, Low-cost, Fast Leak Detection System (ALFaLDS) is ontwikkeld om accidentele lozingen van methaan, een krachtig broeikasgas, te ontdekken.

ALFaLDS detecteert, lokaliseert en kwantificeert een aardgaslek op basis van realtime methaan en ethaan (in aardgas) en atmosferische windmetingen die worden geanalyseerd door een machine learning-code die is getraind om lekken te lokaliseren. De code wordt getraind met behulp van modellen met hoge pluimverspreiding en de training wordt ter plaatse verfijnd door gecontroleerde releases.

Tests hebben aangetoond dat ALFaLDS de aangelegde methaanlekken nauwkeurig lokaliseert en hun omvang kwantificeert. Deze nieuwe mogelijkheid voor het lokaliseren van lekken met hoge vaardigheid, snelheid en nauwkeurigheid tegen lagere kosten, belooft betaalbare bemonstering van voortvluchtige gaslekken bij boorputten en olie- en gasvelden. Het succes van ALFaLDS bij het lokaliseren en kwantificeren van voortvluchtige methaanlekken in aardgasinstallaties zou kunnen leiden tot een reductie van 90 procent van de methaanemissies als dit door de industrie wordt geïmplementeerd.

ALFaLDS maakt gebruik van een kleine sensor, waardoor het ideaal is voor inzet op auto's en drones. Het team ontwikkelt de sensoren die in de tests zijn geïntegreerd met een mini 3D-sonische anemometer en de krachtige machine-learningcode. De code is autonoom en kan gegevens van alle gas- en windsensoren lezen om lekken snel op te sporen en voortvluchtige emissies van het uitgebreide netwerk van aardgaswinning, -productie en -verbruik tot een minimum te beperken.