Un système de détection des fuites de méthane du Southwest Research Institute prend son envol dans le cadre d'un projet du National Energy Technology Laboratory (NETL) du département américain de l'Énergie (DOE) visant à développer des inspections automatisées des installations pétrolières et gazières.

Les chercheurs du SwRI adapteront la technologie Smart Leak Detection System/Methane (SLED/M) pour détecter les fuites de méthane en temps réel, à bord d'un drone. SwRI a développé SLED/M avec le financement du DOE NETL. SwRI a également développé la technologie SLED, lauréat d'un R&D 100 Award en 2017, qui utilise des caméras et de l'intelligence artificielle pour détecter les fuites d'hydrocarbures liquides sur les pipelines et les installations, comme les stations de pompage.

"Après avoir développé avec succès SLED/M pour les applications stationnaires, tels que la surveillance des clôtures des installations intermédiaires, nous faisons progresser la technologie pour fonctionner de manière autonome à partir de drones, " dit Maria Araujo, un responsable du département des systèmes critiques de SwRI.

Le système identifie les petites fuites de méthane, ou émissions fugitives, en associant des données de détection optique passive à des algorithmes d'intelligence artificielle. Le dernier financement permettra à SwRI de collecter des données, tester des caméras infrarouges à ondes moyennes (MWIR) sur des vols de drones et développer des algorithmes d'apprentissage automatique pour détecter les fuites de méthane.

« Les configurations de drones et de caméras présentent des défis uniques car ils capturent des données à différentes hauteurs, distances et vitesses, " Araujo a ajouté. " Ce financement permet le développement et les tests pour adapter la technologie aux inspections aériennes commerciales. "

SwRI a conçu SLED/M pour localiser les plus petites fuites de méthane qui passent généralement inaperçues le long des pipelines et des installations de stockage. Systèmes de détection conventionnels, conçu pour localiser les fuites plus importantes, souffrent de faux positifs et de détections manquées, qui entravent l'efficacité et l'utilisation par l'industrie. SLED/M réduit considérablement les faux positifs et détecte les fuites qui peuvent passer inaperçues en optimisant les algorithmes pour détecter de manière fiable les fuites dans diverses conditions environnementales.

Le projet tirera également parti des recherches en cours de SwRI sur les systèmes aériens sans pilote (UAS), automatisation de drones, la navigation, perception et analyse des données. Les récentes innovations de SwRI en matière de drones incluent l'adaptation de la technologie pour inspecter de manière autonome les réacteurs nucléaires endommagés et d'autres installations dangereuses.

« L'investissement en R&D de SwRI dans les charges utiles et l'analyse des drones s'aligne sur notre mission de faire progresser la science et la technologie au profit du gouvernement, l'industrie et l'humanité, " a déclaré le Dr Steve Dellenback, vice-président de la division des systèmes intelligents de SwRI. "Cet effort aide à relever un défi important auquel le monde est actuellement confronté."

Méthane, le composant principal du gaz naturel, est considéré comme un gaz à effet de serre plus menaçant que le dioxyde de carbone car il absorbe la chaleur plus efficacement. L'Organisation météorologique mondiale a récemment signalé que les niveaux de méthane sont 2,5 fois plus élevés qu'à l'époque préindustrielle.

SwRI s'attaque aux fuites de méthane de plusieurs disciplines. Une équipe d'ingénieurs fluides a participé au Methane Detectors Challenge, développer un système à énergie solaire pour identifier les émissions fugitives dans le secteur de la production de gaz.

Le SwRI associe également les données satellitaires de l'espace à des algorithmes pour identifier les grandes fuites de méthane provenant des installations intermédiaires et les déversements de pétrole brut à la surface de l'océan.

Araujo parlera de ce projet et de l'inspection autonome des pipelines utilisant la vision par ordinateur et l'apprentissage automatique à 11h le 1er mai à l'AUVSI XPONENTIAL, Salle S404bc.