Сократите выбросы метана и сократите расходы с помощью ИИ и машинного обучения
Исследование, проведенное Фондом защиты окружающей среды, показало, что за 5-летний период утечки метана в США были на 60 % выше, чем первоначально предполагалось Агентством по охране окружающей среды.
Неиспользованного газа достаточно, чтобы обеспечить топливом 10 миллионов домов в год, потери газа оцениваются в 2 миллиарда долларов США. В дополнение к экономическим последствиям утечка метана в 80 раз более вредна, чем CO2, в течение 20 лет после его выброса в атмосферу.
В результате воздействие приводит к разрушительным экономическим потерям как для потребителей, так и для нефтегазовой отрасли в целом, а также ускоряет изменение климата.
Обнаружение и устранение утечек с помощью ИИ
Федеральное правительство, а также отрасль в целом пытаются внести свой вклад в сокращение выбросов. Для успешного выполнения этого потребуется комплексный подход. Один из таких подходов будет сосредоточен на обнаружении и устранении утечек.
Благодаря ускорению датчиков и промышленного Интернета вещей нефтегазовые компании богаты данными. Эти данные могут быть объединены с машинным обучением для точного и своевременного обнаружения утечек, что позволяет быстро устранять их.
В настоящее время технология позволяет использовать множество способов обнаружения бесцветного газа метана без запаха. С другой стороны, камеры, развернутые в полевых условиях или даже из космоса, могут использоваться для отслеживания и обнаружения крупных утечек метана. В июне 2022 года исследователи из Политехнического университета Валенсии в Испании заявили, что обнаружили последнее известное событие с суперизлучателями на нефтегазовой платформе в Мексиканском заливе.
В декабре 2021 года за 17 дней было выброшено 40 000 тонн метана. Исследователи заявили, что об этом выбросе, возможно, никогда не стало бы известно общественности, если бы не тот факт, что он был захвачен спутником Европейского космического агентства.
Однако, хотя эта технология доказала свою эффективность, она в основном точна только для самых крупных утечек и сложна и дорога в масштабном развертывании.
Подход к машинному обучению
Более масштабируемый подход заключается в мониторинге трубопроводов и оборудования с помощью недорогих датчиков давления, расхода и даже вибрации. Благодаря машинному обучению компьютер может узнать, как выглядит нормальная работа конвейера машины. С помощью этой обученной модели системы можно отслеживать в режиме реального времени для поиска изменений в профиле данных, указывающих на такую проблему, как утечка.
Например, просто отслеживая давление в разных точках на линии, алгоритм машинного обучения может найти нормальные закономерности, чтобы активировать оповещения, когда давление или давления превышают или опускаются ниже изученного порога.
Что еще более важно, для систем с разными состояниями, такими как многочисленные клапаны, машинное обучение может обучаться нормально на основе состояния открываемых клапанов, чтобы найти закономерности, с которыми в противном случае люди и статистика столкнулись бы с трудностями.
Чтобы узнать больше о том, как платформа искусственного интеллекта Elipsa без кода может обнаруживать утечки и помогать сокращать расходы и выбросы метана, запланируйте звонок сегодня!
Elipsa — лидер в разработке полностью автоматизированных масштабируемых решений на основе искусственного интеллекта для промышленных приложений Интернета вещей. Интеллектуальная платформа мониторинга Elipsa легко развертывается в любом рабочем процессе на периферии или в облаке, повышая доступность и производительность критически важного оборудования. Самообучающиеся модели искусственного интеллекта Elipsa и дополнительный подход обеспечивают простое, быстрое и гибкое развертывание искусственного интеллекта. Чтобы узнать больше, посетите https://www.elipsa.ai
