En ny studie bekräftar framgången med ett verktyg för att upptäcka naturgasläckor, som banat väg för forskare från Los Alamos National Laboratory, som använder sensorer och maskininlärning för att lokalisera läckpunkter vid olje- och gasfält, lovar ny automat, överkomlig provtagning över stor naturgasinfrastruktur.

"Vårt automatiska läckagelokaliseringssystem hittar gasläckor snabbt, inklusive små från bristande infrastruktur, och sänker kostnaderna eftersom nuvarande metoder för att åtgärda gasläckor är arbetsintensiva, dyrt och långsamt, sa Manvendra Dubey, ledande Los Alamos National Laboratory forskare och medförfattare till den nya studien. "Våra sensorer överträffade konkurrerande tekniker i känslighet för att detektera metan och etan. Dessutom, vårt neurala nätverk kan kopplas till vilken sensor som helst, vilket gör vårt verktyg mycket kraftfullt och kommer att möjliggöra marknadspenetration."

Den autonoma, Låg kostnad, Fast Leak Detection System (ALFaLDS) utvecklades för att upptäcka oavsiktliga utsläpp av metan, en stark växthusgas, och vann ett R&D 100 -pris 2019. ALFALDS upptäcker, lokaliserar och kvantifierar ett naturgasläckage baserat på metan och etan i realtid (i naturgas) och atmosfäriska vindmätningar som analyseras av en maskininlärningskod tränad för att lokalisera läckor. Koden tränas med hjälp av Los Alamos National Laboratorys högupplösta plymspridningsmodeller och utbildningen finjusteras på plats genom kontrollerade utsläpp.

Testresultat med blindutsläpp vid en olje- och gasbrunnsanläggning vid Colorado State University i Fort Collins, Colorado, visade att ALFaLDS lokaliserar de konstruerade metanläckorna exakt och kvantifierar deras storlek. Denna nya förmåga för att lokalisera läckor med hög skicklighet, hastighet och noggrannhet till lägre kostnad lovar ny automatisk, prisvärd provtagning av flyktiga gasläckor vid brunnsplattor och olje- och gasfält, tidningen i journalen Atmosfärisk miljö:X avslutar.

ALFaLDS framgång med att lokalisera och kvantifiera flyktiga metanläckor vid naturgasanläggningar kan leda till en 90-procentig minskning av metanutsläppen om den implementeras av industrin.

ALFALDS använde en liten sensor, vilket gör den idealisk för utplacering på bilar och drönare. Los Alamos-teamet utvecklar sensorerna som integrerades med en mini 3-D ljudanemometer och den kraftfulla maskininlärningskoden i dessa studier.

Dock, koden är autonom och kan läsa data från alla gas- och vindsensorer för att snabbt hitta läckor och minimera flyktiga utsläpp från det stora nätverket av naturgasutvinning, produktion och konsumtion.

Med denna integration, ALFALDS erbjuder ett revolutionerande tillvägagångssätt för olje- och gastjänsteleverantörer inom läcksökning, till ideella organisationer som kartlägger frågan, och till nationella laboratorier och akademi som forskar om naturgasproduktion.