由机器学习驱动的传感器可以快速嗅出气体泄漏

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，有望在庞大的天然气基础设施中进行新的自动、负担得起的采样。

洛斯阿拉莫斯国家实验室科学家和合著者曼文德拉杜贝说：“我们的自动泄漏定位系统可以快速发现气体泄漏，包括来自基础设施故障的小泄漏，并降低成本，因为目前修复气体泄漏的方法是劳动密集型、昂贵且缓慢的。”的新研究。“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与任何传感器耦合，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（一种温室气体）的意外释放，并获得了 2019 年 R&D 100 奖。ALFaLDS 根据实时甲烷和乙烷（在天然气中）和大气风测量值检测、定位和量化天然气泄漏，这些测量值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精练。

在科罗拉多州柯林斯堡的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 可以定位工程甲烷泄漏并量化其大小。《大气环境：X》杂志上的论文总结说，这种以低成本、高速度和准确度定位泄漏的新能力有望在井场和油气田对逃逸性气体泄漏进行新的自动、经济实惠的采样。

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的成功可能会导致甲烷排放量减少 90%。

ALFaLDS 使用了一个小型传感器，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微型 3-D 声波风速计和这些研究中强大的机器学习代码集成的传感器。

然而，该代码是自主的，可以从任何气体和风传感器读取数据，以帮助快速发现泄漏，并大限度地减少庞大的天然气开采、生产和消费网络的无组织排放。

通过这种集成，ALFaLDS 为石油和天然气服务提供商提供了一种革命性的泄漏检测方法，为调查该问题的非营利组织以及研究天然气生产的国家实验室和学术界提供了一种革命性的方法。