在盲人测试期间，ALFaLDS在科罗拉多州柯林斯堡的模型石油和天然气测试设施中部署。图片提供：洛斯阿拉莫斯国家实验室

一项新研究证实了由洛斯阿拉莫斯国家实验室的科学家率先开发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，并有望在庞大的天然气基础设施上进行新型的自动，负担得起的采样。

洛斯阿拉莫斯国家实验室首席科学家和合著者曼文德拉·杜贝（Manvendra Dubey）表示：“我们的自动泄漏定位系统能够快速发现气体泄漏，包括基础设施故障造成的小泄漏，并降低了成本，因为当前解决气体泄漏的方法需要大量人力，昂贵且缓慢。”新研究。“我们的传感器在检测甲烷和乙烷方面的敏感性优于竞争对手的技术。此外，我们的神经网络可以与任何传感器耦合，这使我们的工具非常强大，并且可以推动市场渗透。”

自主，低成本，快速泄漏检测系统（ALFaLDS）的开发旨在发现甲烷（一种强效温室气体）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（天然气中）以及大气风的测量值来检测，定位和量化天然气泄漏，并通过训练有素的机械学习代码对泄漏进行了分析。该代码使用Los Alamos国家实验室的高分辨率羽流扩散模型进行了培训，并且通过控制释放在现场进行了培训。

在科罗拉多州科林斯堡的科罗拉多州立大学的石油和天然气井垫设施中使用盲泄放装置进行的测试结果表明，ALFaLDS能够精确定位工程甲烷泄漏并量化其泄漏量。《大气环境：X》杂志上的一篇论文总结说，这种新颖的功能可以低成本，高技能，高速度和准确度定位泄漏物，有望在井垫和油气田进行新型，自动的，负担得起的逃逸性气体泄漏取样。

如果在行业中实施，ALFALDS成功地定位和量化天然气设施中的逸散性甲烷泄漏，可将甲烷排放量减少90％。

ALFaLDS使用了一个小型传感器，因此非常适合在汽车和无人机上部署。在这些研究中，Los Alamos团队正在开发与微型3-D声波风速计和强大的机器学习代码集成的传感器。

但是，该代码是自治的，可以读取任何气体和风传感器的数据，以帮助快速发现泄漏并最大程度地减少天然气开采，生产和消费网络中的逃逸排放。

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方法来进行泄漏检测，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。