Sensor Didorong oleh Pembelajaran Mesin Mengendus Kebocoran Gas Dengan Cepat
Sebuah studi baru telah mengkonfirmasi keberhasilan alat pendeteksi kebocoran gas alam yang dipelopori oleh para ilmuwan Laboratorium Nasional Los Alamos, yang menggunakan sensor dan pembelajaran mesin untuk menemukan titik kebocoran di ladang minyak dan gas, menjanjikan pengambilan sampel otomatis baru yang terjangkau di seluruh alam yang luas. infrastruktur gas.
“Sistem lokasi kebocoran otomatis kami menemukan kebocoran gas dengan cepat, termasuk kebocoran kecil dari infrastruktur yang rusak. Ini juga menurunkan biaya, dibandingkan dengan metode saat ini untuk memperbaiki kebocoran gas, yang padat karya, mahal, dan lambat,” kata ilmuwan utama Manvendra Dubey. “Sensor kami mengungguli teknik bersaing dalam sensitivitas untuk mendeteksi metana dan etana. Selain itu, jaringan saraf kami dapat digabungkan ke sensor apa pun, yang membuat alat kami sangat kuat dan akan memungkinkan penetrasi pasar.”
Autonomous, Low-cost, Fast Leak Detection System (ALFaLDS) dikembangkan untuk menemukan pelepasan metana yang tidak disengaja, gas rumah kaca yang kuat. Sistem 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 plume resolusi tinggi Laboratorium Nasional Los Alamos dan pelatihan disempurnakan di lokasi dengan rilis terkontrol.
Hasil pengujian menggunakan pelepasan buta di fasilitas bantalan sumur minyak dan gas di Colorado State University di Fort Collins, Colorado, menunjukkan bahwa ALFaLDS menemukan kebocoran metana yang direkayasa dengan tepat dan mengukur ukurannya. Kemampuan baru untuk menemukan kebocoran dengan keterampilan tinggi, kecepatan, dan akurasi dengan biaya lebih rendah, menjanjikan pengambilan sampel kebocoran gas buronan otomatis dan terjangkau baru di well pad 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.
Sistem ini menggunakan sensor kecil, yang membuatnya juga ideal untuk dipasang di mobil dan drone. Tim Los Alamos sedang mengembangkan sensor yang terintegrasi dengan anemometer sonik 3D mini dan kode pembelajaran mesin yang kuat. Kode bersifat otonom dan dapat membaca data dari sensor gas dan angin apa pun untuk membantu menemukan kebocoran dengan cepat dan meminimalkan emisi buronan dari jaringan ekstraksi, produksi, dan konsumsi gas alam.
