Sensor Didorong oleh Pembelajaran Mesin Mengendus Kebocoran Gas

Alat pendeteksi kebocoran gas alam menggunakan sensor dan pembelajaran mesin untuk menemukan titik kebocoran di ladang minyak dan gas, menjanjikan pengambilan sampel otomatis yang terjangkau di seluruh infrastruktur gas alam yang luas. Autonomous, Low-cost, Fast Leak Detection System (ALFaLDS) dikembangkan untuk menemukan pelepasan metana yang tidak disengaja, gas rumah kaca yang kuat.

ALFaLDS mendeteksi, menemukan, dan menghitung kebocoran gas alam berdasarkan pengukuran metana dan etana (dalam gas alam) secara real-time dan angin atmosfer yang dianalisis oleh kode pembelajaran mesin yang dilatih untuk menemukan kebocoran. Kode dilatih menggunakan model dispersi asap tinggi dan pelatihan disempurnakan di lokasi dengan rilis terkontrol.

Pengujian menunjukkan bahwa ALFaLDS menemukan kebocoran metana yang direkayasa dengan tepat dan mengukur ukurannya. Kemampuan baru untuk menemukan kebocoran dengan keterampilan, kecepatan, dan akurasi tinggi dengan biaya lebih rendah ini menjanjikan pengambilan sampel kebocoran gas buronan yang terjangkau di bantalan sumur dan ladang minyak dan gas. Keberhasilan ALFaLDS dalam menemukan dan menghitung kebocoran metana buronan di fasilitas gas alam dapat menghasilkan pengurangan 90 persen emisi metana jika diterapkan oleh industri.

ALFaLDS menggunakan sensor kecil, yang membuatnya ideal untuk dipasang di mobil dan drone. Tim sedang mengembangkan sensor yang terintegrasi dengan anemometer sonik 3D mini dan kode pembelajaran mesin yang kuat dalam pengujian. Kode ini otonom dan dapat membaca data dari sensor gas dan angin apa pun untuk membantu menemukan kebocoran dengan cepat dan meminimalkan emisi buronan dari jaringan luas ekstraksi, produksi, dan konsumsi gas alam.