由机器学习驱动的传感器快速嗅出气体泄漏
一项新的研究证实了由洛斯阿拉莫斯国家实验室科学家开创的天然气泄漏检测工具的成功，该工具使用传感器和机器学习来定位油气田的泄漏点，有望在广阔的自然天然气基础设施。
“我们的自动泄漏定位系统可以快速发现气体泄漏，包括来自故障基础设施的小泄漏。与目前修复气体泄漏的方法相比，它还降低了成本，这些方法是劳动密集型、昂贵且缓慢的，”首席科学家 Manvendra Dubey 说。 “我们的传感器在检测甲烷和乙烷方面的灵敏度优于竞争技术。此外，我们的神经网络可以耦合到任何传感器，这使得我们的工具非常强大，并将实现市场渗透。”
自主、低成本、快速泄漏检测系统 (ALFaLDS) 旨在发现甲烷（一种强效温室气体）的意外释放。该系统基于实时甲烷和乙烷（在天然气中）和大气风测量来检测、定位和量化天然气泄漏，这些测量由经过训练以定位泄漏的机器学习代码进行分析。该代码使用洛斯阿拉莫斯国家实验室的高分辨率羽流扩散模型进行训练，并通过受控释放在现场进行微调。
在科罗拉多州柯林斯堡科罗拉多州立大学的石油和天然气井场设施中使用盲释的测试结果表明，ALFaLDS 可以精确定位工程甲烷泄漏并量化其大小。这种以低成本、高技术、高速度和准确度定位泄漏的新功能，有望在井场和油气田对逃逸性气体泄漏进行自动、经济的采样。
如果行业实施，ALFaLDS 在定位和量化天然气设施的逃逸性甲烷泄漏方面取得的成功可能会导致甲烷排放量减少 90%。
该系统使用一个小型传感器，这使其也非常适合部署在汽车和无人机上。洛斯阿拉莫斯团队正在开发与迷你 3D 声波风速计和强大的机器学习代码集成的传感器。该代码是自主的，可以读取来自任何气体和风传感器的数据，以帮助快速发现泄漏并最大限度地减少天然气开采、生产和消费网络的无组织排放。
传感器