Sensoren, die durch maschinelles Lernen gesteuert werden, spüren Gaslecks auf

Ein Tool zur Erkennung von Erdgaslecks verwendet Sensoren und maschinelles Lernen, um Leckstellen in Öl- und Gasfeldern zu lokalisieren, und verspricht eine automatische, erschwingliche Probenahme in einer riesigen Erdgasinfrastruktur. Das autonome, kostengünstige, schnelle Leckerkennungssystem (ALFaLDS) wurde entwickelt, um versehentliche Freisetzungen von Methan, einem starken Treibhausgas, zu entdecken.

ALFaLDS erkennt, lokalisiert und quantifiziert ein Erdgasleck auf der Grundlage von Methan- und Ethan- (in Erdgas) und atmosphärischen Windmessungen in Echtzeit, die von einem maschinell lernenden Code analysiert werden, der darauf trainiert ist, Lecks zu lokalisieren. Der Code wird mit High-Plume-Dispersionsmodellen trainiert und das Training wird vor Ort durch kontrollierte Freisetzungen verfeinert.

Tests haben gezeigt, dass ALFaLDS die künstlich hergestellten Methanlecks präzise lokalisiert und ihre Größe quantifiziert. Diese neuartige Fähigkeit zur Ortung von Lecks mit hoher Fachkenntnis, Geschwindigkeit und Genauigkeit bei geringeren Kosten verspricht eine kostengünstige Probenahme von flüchtigen Gaslecks an Bohrlöchern und Öl- und Gasfeldern. Der Erfolg von ALFaLDS bei der Lokalisierung und Quantifizierung flüchtiger Methanlecks in Erdgasanlagen könnte zu einer 90-prozentigen Reduzierung der Methanemissionen führen, wenn dies von der Industrie umgesetzt wird.

ALFaLDS verwendet einen kleinen Sensor, der sich ideal für den Einsatz in Autos und Drohnen eignet. Das Team entwickelt die Sensoren, die in den Tests mit einem Mini-3D-Schallanemometer und dem leistungsstarken Code für maschinelles Lernen integriert wurden. Der Code ist autonom und kann Daten von beliebigen Gas- und Windsensoren lesen, um Lecks schnell zu finden und flüchtige Emissionen aus dem riesigen Netzwerk von Erdgasförderung, -produktion und -verbrauch zu minimieren.