美国能源部（DOE）的国家能源技术实验室（NETL）正在扩大与德克萨斯州圣安东尼奥市西南研究所（SwRI）的合作，以开发结合遥感和人工技术的下一代甲烷泄漏检测技术可通过空中平台运行的系统中的智能功能-一种可更有效地帮助缓解天然气行业中多种运行产生的甲烷排放的方法。
这项新研究的目标是开发一种机载自主实时泄漏检测技术，该技术将机器学习技术应用于无源光学传感模式，以通过早期检测来减轻排放。
NETL自2016年以来一直支持SwRI在智能甲烷排放检测系统（SLED / M）上的工作，并且该系统在监测天然气管道设施各个区域并与天然气缓解技术进行交互的系统上已取得重大进展。但是，到目前为止，SLED / M都是基于地面的。
根据NETL的约瑟夫·伦克（Joseph Renk）的说法，最近与SwRI的合作协议（DOE项目DE-FE-0029020“智能甲烷排放检测系统开发”）中增加了一项附加任务，以开发允许泄漏检测系统从空中平台或空中平台运行的技术。无人驾驶飞机。
NETL主管Brian Anderson表示，天然气行业对新技术的兴趣与日俱增，这是因为它具有检测甲烷的能力，而这种能力可能无法通过当前使用的当前最先进的光学气体成像设备检测到。
“这对行业来说是一个有吸引力的选择，不仅因为它被证明效率更高，而且因为拥有可移动且能够每天监控多个设施和数英里管道的系统，可以节省大量的运营和非经常性成本，” Anderson说过。 “显然，需要一种解决方案，该解决方案应具有自主性，安全性，非侵入性，及时性，并能够在无人机等空中平台上运行。”
压缩机的逸散排放是天然气工业中游部门甲烷排放的最大来源之一。 SwRI报告说，50％的逃逸排放来自主要的压缩机设备，而10％的排放场所造成了甲烷排放总量的50％。
现有的甲烷检测技术存在缺陷，包括高误报率。它们还要求操作员实时或后处理数据。 SLED / M方法结合了遥感技术和人工智能技术，显示出较低的误报率，并且减少了对泄漏检测的响应时间和运营成本。另外，该方法不需要人在循环中，从而将错误最小化。 SLED / M是一种非侵入式无源技术，这意味着无需改造现有设备和设施，从而消除了安全性和操作限制。
在这项新工作下，SwRI将执行测试，收集数据并开发基于机器学习的甲烷检测算法，以使用现有的SLED / M组件检测无人机的泄漏。
