Machine-learning-gestuurde sensoren detecteren aardgaslekken met precisie

Een aardgaslekdetectie-instrument gebruikt sensoren en machine learning om lekkagepunten op olie- en gasvelden te lokaliseren, wat automatische, betaalbare bemonstering over uitgestrekte aardgasinfrastructuur belooft. Het Autonome, Laagkostige, Snelle Lekdetectiesysteem (ALFaLDS) is ontwikkeld om onbedoelde vrijlatingen van methaan, een krachtig broeikasgas, te ontdekken.

Werking van ALFaLDS

ALFaLDS detecteert, lokaliseert en kwantificeert een aardgaslek op basis van realtime metingen van methaan en ethanaan (in aardgas) en atmospherische windmetingen die geanalyseerd worden door een machine-learning-code die getraind is om lekkages te lokaliseren. De code wordt getraind met behulp van hoge pluimdispersiemodellen en de training wordt op de locatie verfijnd door gecontroleerde vrijlatingen.

Tests lieten zien dat ALFaLDS de ontworpen methaanlekken precies lokaliseert en hun grootte kwantificeert. Deze nieuwe capaciteit om lekkages met hoge vaardigheid, snelheid en nauwkeurigheid tegen lagere kosten te lokaliseren, belooft betaalbare bemonstering van vluchtige gaslekken op putten en olie- en gasvelden. Het succes van ALFaLDS bij het lokaliseren en kwantificeren van vluchtige methaanlekken bij aardgasanlagen kan leiden tot een reductie van 90 procent in methaanemissies als de industrie dit implementeert.

Implementatie op auto's en drones

ALFaLDS gebruikt een kleine sensor, wat het ideaal maakt voor implementatie op auto's en drones. Het team ontwikkelt de sensoren die geïntegreerd waren met een mini 3D sonische anemometer en de krachtige machine-learning-code in de tests. De code is autonoom en kan gegevens lezen van elke gas- en windsensor om lekkages snel te vinden en vluchtige emissies uit het enorme netwerk van aardgaswinning, -productie en -verbruik te minimaliseren.