Sensores impulsados por IA detectan fugas de gas natural de forma rápida y rentable
Un nuevo estudio confirma el éxito de una herramienta de detección de fugas de gas natural pionera de científicos del Laboratorio Nacional de Los Álamos, que usa sensores y aprendizaje automático para localizar puntos de fuga en yacimientos de petróleo y gas, prometiendo muestreo automático y asequible en la vasta infraestructura de gas natural.
“Nuestro sistema automático de localización de fugas encuentra escapes rápido, incluyendo los pequeños de infraestructura envejecida. También reduce costes frente a los métodos actuales, que son intensivos en mano de obra, caros y lentos”, dijo el científico principal Manvendra Dubey. “Nuestros sensores superaron a técnicas competidoras en sensibilidad para detectar metano y etano. Además, nuestra red neuronal puede acoplarse a cualquier sensor, lo que hace nuestra herramienta muy potente y permitirá su penetración en el mercado.”
Sistema ALFaLDS
El Sistema Autónomo, de Bajo Coste y Rápida Detección de Fugas (ALFaLDS) se desarrolló para descubrir liberaciones accidentales de metano, un potente gas de efecto invernadero. El sistema detecta, localiza y cuantifica una fuga de gas natural basándose en mediciones en tiempo real de metano, etano (presentes en el gas natural) y viento atmosférico, analizadas por un código de aprendizaje automático entrenado para localizar fugas. El código se entrena con modelos de dispersión de penachos de alta resolución del Laboratorio Nacional de Los Álamos y se afina in situ con liberaciones controladas.
Resultados de prueba
Pruebas con liberaciones ciegas en una plataforma de pozo de petróleo y gas en la Universidad Estatal de Colorado (Fort Collins) demostraron que ALFaLDS localiza con precisión las fugas de metano diseñadas y cuantifica su tamaño. Esta capacidad novedosa de localizar fugas con alta destreza, velocidad y precisión a menor coste promete un muestreo automático y asequible de fugas fugitivas en plataformas y yacimientos.
El éxito de ALFaLDS en localizar y cuantificar fugas fugitivas de metano en instalaciones de gas natural podría llevar a una reducción del 90% en emisiones de metano si la industria lo implementa.
Versatilidad de despliegue
El sistema usa un sensor pequeño, ideal para montaje en coches y drones. El equipo de Los Álamos está desarrollando sensores integrados con un anemómetro sónico 3D miniaturizado y potente código de aprendizaje automático. El código es autónomo y puede leer datos de cualquier sensor de gas y viento para encontrar fugas rápido y minimizar emisiones fugitivas en la red de extracción, producción y consumo de gas natural.
Sensor
- Aprendizaje Automático Acelerará la Seguridad en Tuberías: Detección de Fallas en Tiempo Real Ahorra $10M
- Por dentro del rol de investigadores de IA e ingenieros de ML en JPMorgan
- Desbloqueando Machine Learning: Insights prácticos para líderes industriales
- Aprovechando el Machine Learning para Optimizar la Gestión de Cadena de Suministro MRO
- Sensores con Aprendizaje Automático Detectan Fugas de Gas Natural con Precisión
- Sensor de Gas Portátil Autocalefactable Avanzado para Monitorización Precisa de Salud y Medio Ambiente
- Cómo la detección de gases peligrosos protege vidas y lugares de trabajo
- Nuevo sensor holográfico wearable proporciona alertas instantáneas de fuga de gas
- Análisis de marcha impulsado por IA mejora detección temprana de problemas de movilidad en esclerosis múltiple
- Drones con Aprendizaje Automático Detectan Minas Antipersona "Mariposa" en Zonas Post-Conflicto
- Dominando Machine Learning en AWS: una guía completa