Датчики на базе ИИ быстро и экономично обнаруживают утечки природного газа
Новое исследование подтвердило успех инструмента для обнаружения утечек природного газа, разработанного учеными Национальной лаборатории Лос-Аламос, который использует датчики и машинное обучение для локализации точек утечки на нефтяных и газовых месторождениях, обещая новую автоматическую, доступную выборку по обширной инфраструктуре природного газа.
«Наша автоматизированная система локализации утечек быстро находит утечки газа, включая малые от изнашивающейся инфраструктуры. Она также снижает затраты по сравнению с текущими методами устранения утечек газа, которые трудоемки, дороги и медленны», — сказал ведущий ученый Манвендра Дуби. «Наши датчики превзошли конкурирующие техники по чувствительности обнаружения метана и этана. Кроме того, наша нейронная сеть может быть связана с любым датчиком, что делает наш инструмент очень мощным и обеспечит проникновение на рынок».
Система ALFaLDS
Автономная, недорогая, быстрая система обнаружения утечек (ALFaLDS) была разработана для выявления случайных выбросов метана — мощного парникового газа. Система обнаруживает, локализует и количественно оценивает утечку природного газа на основе измерений метана и этана (в составе природного газа) и атмосферного ветра в реальном времени, которые анализируются кодом машинного обучения, обученным локализовывать утечки. Код обучается с использованием высокоточных моделей дисперсии羽流 лаборатории Лос-Аламос и дорабатывается на месте контролируемыми выбросами.
Результаты тестов
Результаты тестов с слепыми выбросами на объекте скважины нефти и газа в университете штата Колорадо в Форт-Коллинсе продемонстрировали, что ALFaLDS точно локализует спроектированные утечки метана и количественно оценивает их размер. Эта новаторская способность локализовать утечки с высокой мастерностью, скоростью и точностью при более низких затратах обещает новую автоматическую, доступную выборку беговых утечек газа на кустах скважин и нефтяных/газовых месторождениях.
Успех ALFaLDS в локализации и количественной оценке беговых утечек метана на объектах природного газа может привести к снижению выбросов метана на 90 процентов при внедрении промышленностью.
Мобильность и перспективы
Система использует небольшой датчик, что делает ее также идеальной для развертывания на автомобилях и дронах. Команда Лос-Аламос разрабатывает датчики, интегрированные с миниатюрным 3D звуковым анемометром и мощным кодом машинного обучения. Код автономен и может считывать данные с любых газоанализаторов и датчиков ветра для быстрого обнаружения утечек и минимизации беговых выбросов из сети добычи, производства и потребления природного газа.
Датчик
- Освоение машинного обучения на AWS: всеобъемлющее руководство
- Использование машинного обучения для оптимизации управления цепочкой поставок MRO
- Датчики на базе машинного обучения точно обнаруживают утечки природного газа
- Продвинутый носимый газоанализатор с автонагревом для точного мониторинга здоровья и среды
- Как детектирование опасных газов защищает жизни и рабочие места
- Новый носимый голографический сенсор дает мгновенные оповещения об утечке газа
- ИИ-анализ походки улучшает раннее выявление проблем с подвижностью у больных рассеянным склерозом
- Дроны на базе машинного обучения обнаруживают бабочковые мины в постконфликтных зонах
- Внутренняя роль AI-исследователей и ML-инженеров в JPMorgan
- Раскрытие машинного обучения: практические инсайты для отраслевых лидеров