CN114072671A - 气体排放监测和检测 - Google Patents
气体排放监测和检测 Download PDFInfo
- Publication number
- CN114072671A CN114072671A CN202080046350.5A CN202080046350A CN114072671A CN 114072671 A CN114072671 A CN 114072671A CN 202080046350 A CN202080046350 A CN 202080046350A CN 114072671 A CN114072671 A CN 114072671A
- Authority
- CN
- China
- Prior art keywords
- data
- gas
- emission
- sensor
- field
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title abstract description 34
- 238000001514 detection method Methods 0.000 title description 20
- 238000000034 method Methods 0.000 claims abstract description 55
- 238000004519 manufacturing process Methods 0.000 claims abstract description 38
- 238000009826 distribution Methods 0.000 claims abstract description 33
- 239000006185 dispersion Substances 0.000 claims abstract description 17
- 238000003860 storage Methods 0.000 claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 4
- 238000001914 filtration Methods 0.000 claims 2
- 239000007789 gas Substances 0.000 description 190
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 36
- 238000005457 optimization Methods 0.000 description 22
- 238000004891 communication Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000004590 computer program Methods 0.000 description 10
- VLKZOEOYAKHREP-UHFFFAOYSA-N n-Hexane Chemical compound CCCCCC VLKZOEOYAKHREP-UHFFFAOYSA-N 0.000 description 9
- 238000004088 simulation Methods 0.000 description 9
- 239000003949 liquefied natural gas Substances 0.000 description 8
- 238000012800 visualization Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 6
- 238000009792 diffusion process Methods 0.000 description 6
- 238000012384 transportation and delivery Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 239000002253 acid Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 239000003345 natural gas Substances 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 description 3
- 150000001335 aliphatic alkanes Chemical class 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000001273 butane Substances 0.000 description 3
- QGJOPFRUJISHPQ-NJFSPNSNSA-N carbon disulfide-14c Chemical compound S=[14C]=S QGJOPFRUJISHPQ-NJFSPNSNSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- -1 ethylene, propylene Chemical group 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- IJDNQMDRQITEOD-UHFFFAOYSA-N n-butane Chemical compound CCCC IJDNQMDRQITEOD-UHFFFAOYSA-N 0.000 description 3
- OFBQJSOFQDEBGM-UHFFFAOYSA-N n-pentane Natural products CCCCC OFBQJSOFQDEBGM-UHFFFAOYSA-N 0.000 description 3
- 239000003348 petrochemical agent Substances 0.000 description 3
- 238000009428 plumbing Methods 0.000 description 3
- 239000001294 propane Substances 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 241001522296 Erithacus rubecula Species 0.000 description 1
- 208000025174 PANDAS Diseases 0.000 description 1
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000013502 data validation Methods 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011985 exploratory data analysis Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000135 prohibitive effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 238000013022 venting Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N11/00—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity
- F01N11/007—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity the diagnostic devices measuring oxygen or air concentration downstream of the exhaust apparatus
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/22—Safety or indicating devices for abnormal conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/006—Indicating maintenance
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/22—Safety or indicating devices for abnormal conditions
- F02D2041/224—Diagnosis of the fuel system
- F02D2041/225—Leakage detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0073—Control unit therefor
- G01N33/0075—Control unit therefor for multiple spatially distributed sensors, e.g. for environmental monitoring
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Chemical & Material Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Biochemistry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Emergency Management (AREA)
- Toxicology (AREA)
- Environmental & Geological Engineering (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
Abstract
提供了用于监测并检测气体排放的系统、方法和计算机可读介质。包括与来自排放源的气体排放相关联的气体浓度和风数据的传感器数据是从配置在气体生产和分配环境内的近场传感器和远场传感器接收的。该传感器数据可被提供作为近场分散模型的输入以确定与该气体排放相关联的排放速率和与该气体排放相关联的一个或多个源位置。该排放速率可包括在排放数据中并被提供用于输出。本公开还描述了相关的设备、系统、技术和制品。
Description
背景技术
气体泄漏的监测和检测通常通过检查工业资产(诸如在气体生产和分配环境中配置的资产)来执行。可执行检查以确保资产的操作安全性并确定可从排放源发出的泄漏或气体排放的存在。这些环境中的气体泄漏可对被指派来操作、维护以及检修工业资产的人员形成危险的操作条件,并且可降低生产速率。气体泄漏可能由于装备故障而发生,该装备故障可导致无计划或无组织的气体排放的释放。气体泄漏也可能由于排气而发生,该排气是装备或资产的正常和预期操作的一部分。局部天气模式可变更气体排放的浓度、位置和分配,使得难以准确地确定与气体泄漏相关联的排放源。
发明内容
在一个方面,提供了方法。在一个实施方案中,该方法可包括:从关于气体生产和分配环境而配置的一个或多个传感器接收近场传感器数据和远场传感器数据。这些传感器数据可与气体正从排放源排放相关联。该方法还可包括:对所接收的传感器数据进行过滤。该方法还可包括:确定与气体排放相关联的气体浓度数据。该方法可包括:确定对应于气体排放的排放速率。该方法还可包括:生成对应于气体排放的排放数据。该排放数据可包括所确定的排放速率和与气体排放相关联的一个或多个源位置。该方法还可包括:提供排放数据。
还描述了存储指令的非暂态计算机程序产品(即,物理体现的计算机程序产品),当指令由一个或多个计算系统的一个或多个数据处理器执行时,使至少一个数据处理器执行本文中的操作。类似地,还描述了计算机系统,该计算机系统可以包括一个或多个数据处理器和联接到该一个或多个数据处理器的存储器。存储器可以临时或永久地存储使至少一个处理器执行本文描述的操作中的一个或多个操作的指令。另外,方法可以由单个计算系统内的一个或多个数据处理器或分布在两个或多个计算系统之间的一个或多个数据处理器来实现。此类计算系统可经由一个或多个连接、包括网络(例如,互联网、无线广域网、局域网、广域网、有线网络等)上的连接、经由多个计算系统中的一个或多个计算系统之间的直接连接等来连接并且可交换数据和/或命令或其他指令等。
附图说明
根据以下结合附图的详细描述,将更容易理解这些和其他特征,其中:
图1A是示出用于监测和检测气体排放的系统的一个示例的框图;
图1B是示出在监测和检测气体排放的系统中使用的近场传感器和远场传感器的客户端网格的一个示例的图示;
图1C至图1E是示出用于使用用于监测和检测气体排放的系统来选择客户端网格尺寸的示例性过程的图示;
图2A至图2B是示出在用于监测和检测气体排放的系统中使用的客户端装置的框图;
图3A至图3C是示出被包括以在监测和检测气体排放的系统中使用的移动平台的一个示例性实施方案的框图;
图4是示出用于监测和检测气体排放的系统的架构的一个示例性实施方案的框图;
图5是示出用于使用图4的系统监测和检测气体排放的方法的示例性实施方案的流程图;并且
图6是根据图1和图4的气体监测和检测系统的说明性具体实施的示例性计算装置的框图。
应注意,附图不一定按比例绘制。附图仅旨在描绘本文所公开的主题的典型方面,因此不应视为限制本公开的范围。
具体实施方式
气体生产和分配环境包括联接工业资产(诸如用于存储、处理和分配在整个生产和分配环境中的气体的电动机、压缩机、分离器和聚集罐)的管道网络。各种工业资产可以是可释放到大气中的气体的排放源。这些环境的操作员执行对流水线和工业资产的监测和检查,以检测可在工业资产故障期间释放的并且可能导致不安全的操作条件或降低操作生产速率的泄漏或排放。操作员还执行对流水线和工业资产的监测和检查,以确保根据预期和正常操作特性发生气体排放。
甲烷泄漏检测是当今石油和天然气产业中的迫切需求之一。确定排放的位置、排放源类型和速率可能是耗时的、容易出错的过程。由于存在盛行季节性风或天气状况,该过程可进一步复杂化,这些条件可能会以使确定排放位置、源和速率具有挑战性的方式分配气体排放。
当前排放评估方法可包括法律要求的对气体生产和分配环境日常操作的排放监测。在传感器紧靠所有(已知的)泄露源安装的情况下,以连续方式进行排放监测可产生具有在+/-5%范围内的不确定性的排放估计。实际上,在由于装备故障或作为正常操作的一部分的排气而可能进行排放的每个部件和每个装备处安装专用传感器的成本高得令人望而却步。此外,缺乏可商购获得的排放监测系统,这些排放监测系统采用泄漏分析方法来基于装备类型(容器、压缩机、管道密封件和凸缘、阀门、致动器、歧管等)准确地确定各个泄漏速率,并且在盛行风况下指出泄漏源及其位置。当前排放评估方法还可包括排放源模拟。计算机模型可用于估计来自一些类型的排放源的排放。这些模型基于排放源的特定操作和设计参数来应用经验相关性和/或基本工程原理以制定严格的排放估计。模拟器能够在+/-25%的不确定性内准确预测源的排放,然而模拟器需要更多的时间、精力、用户知识和输入数据来生成排放率估计。此外,模拟模型需要特定排放源设计的输入和可能难以获得的操作输入数据。估计排放速率的另一种当前方法可包括统计法,其中确定与适当活动相关的一组源的平均排放的排放因子。然而,与以上提到的现有两种方法相比,排放因子的使用通常过于简单化,并且存在甚至更高的不确定性。虽然在考虑来自大量源的总排放量时,该方法成为统计上有效的方法,但在应用于确定单个排放源的排放速率时,该方法不太有用。
改进的气体排放监测和检测系统可被配置用于从在整个气体生产和分配环境中策略性地部署在预定位置处的近场传感器和远场传感器接收传感器数据,并且被配置用于确定与从排放源发出的排放泄漏相关联的排放速率或与特定装备相关联的周期性排气气体排放。该传感器可以网格状布置部署,并且可被配置用于彼此传送数据。另外,网格空间尺寸(X和Y)是基于在该区域观察到的盛行风速范围下传感器的最小阈值检测水平以及气体羽流相对于最外层传感器的扩散/平流而预先确定的。所接收到的传感器数据可包括与盛行或当前天气状况相关联的风数据以及与靠近近场传感器或远场传感器的排放源相对应的气体浓度数据。该传感器数据收集可相对于从公共或专用天气预报源接收的天气预报数据来配置,以便在最不可能在接收到的传感器数据信号中引入噪声的天气状况期间协调传感器数据收集。排放速率可使用羽流平流扩散模型来确定,该模型可接收所感测的气体浓度数据和风数据作为输入以确定与特定排放源相关联的排放速率。该排放速率可包括在由本文所描述的改进的气体监测和检测系统生成的排放数据中。
因此,改进的气体监测和检测系统可使原本手动监测和检测排放源的泄漏和确定排放速率的手动密集型的任务自动化。这种改进的气体监测和检测系统可让气体生产和分配操作员更深入地了解在气体生产和分配环境中配置的工业资产的当前工况,还可帮助确认气体排放位置,以基于对泄漏的早期检测帮助维护和检修操作。改进的气体检测和监测系统可生成排放数据,包括排放速率和排放源位置,以辅助操作员规划工业资产的配置以及监测和检查人员或装备的部署,同时将生产维持在可接受和可盈利的水平。
本文讨论了用于基于与从气体生产和分配环境中配置的工业资产中发出的气体羽流相关联的传感器数据来生成排放数据的系统和对应方法的实施方案。然而,本公开的实施方案可用于基于同与气体生产和分配环境无关的其他类型的资产或其他气体源相关联的传感器数据生成排放数据,而不受限制。
图1是示出用于监测和检测气体排放的系统的架构100A的一个示例的框图。架构100A包括气体生产和分配环境105,该气体生产和分配环境已被分成四个象限,例如,象限110A-110D。气体生产和分配环境105还包括多个排放源115,诸如可以是气体泄漏或排放120的源的装备或资产。架构100A还包括多个客户端125,该多个客户端可包括可被配置用于检测对应于局部风况例如W的传感器数据的一个或多个传感器。例如,如图1所示,风W从图1的左侧跨气体生产和分配环境105吹向图1的右侧。客户端125还可包括可被配置用于检测与气体排放或泄漏120相关联的传感器数据的一个或多个传感器。客户端125可被配置用于经由网络130向排放分析器135提供传感器数据。排放分析器135可被配置有数据滤波器模块140、预测模块145、优化模块150、控制模块155、维护模块160和/或存储器165。排放分析器135和被配置在其中的模块可从一个或多个客户端125接收传感器数据,并且可生成用于确定来自一个或多个气体源115的气体排放或泄漏的排放数据。
如图1所示,架构100A包括气体生产和分配环境105。该气体生产和分配环境105可占据可被配置成象限网格110的地理位置。在一些实施方案中,象限110中的任一个象限可与任意尺寸和形状的区域相关联。象限110可以能够通过标识符、标签或可用于标识可能存在于象限110内的任何排放源115、排放120和/或客户端125的位置的其它类似手段来标识。在一些实施方案中,气体生产和分配环境105可被配置在农村环境、城市环境或城郊环境中。例如,本文所描述的气体检测和监测系统可被配置成在市区中使用,在市区中,多个客户端125可相对于现有的基础设施元件(诸如灯杆、街灯、公共安全和通信装置以及可能存在于市区内的建筑物或其它结构)配置。在这些示例中,客户端125可分布在整个市区中并且被配置用于检测可能是的气体排放。
如图1进一步所示,多个排放源115可存在于气体生产和分配环境105内。在一些实施方案中,排放源115中的一个或多个排放源可位于气体生产和分配环境之外。排放源115可包括与气体的生产和分配相关联的装备。例如,排放源115可包括压缩机、分离器、泵、储罐、阀、致动器和/或排放源115的一个或多个部件。排放源115的另外的示例可包括管道部件(诸如凸缘)、管道密封件(诸如垫圈、O型环)、用于一体式发动机/压缩机的动态密封件(诸如横档)、致动器通气孔、燃烧棒、燃烧器和燃料管道、锅炉、加热器、气体储存容器、脱水单元、酸性气体处理单元、低温气体处理单元、热交换器等。在一些实施方案中,排放源115可以是被配置在移动平台诸如被配置用于携载液化天然气(LNG)和/或压缩天然气(CNG)的运输卡车上的一个或多个储罐。
排放源115可由于排放源115的正常、所需和预期工况诸如压缩机溢流线的排气,或者由于不需要常规通气或气体排放的意外的非正常工况诸如配置在分离器上的阀的故障而将气体120排出或泄漏到环境中。在意外、异常工况期间发生的气体排放120可称为无组织排放,并且可反映已经从用于容纳用于生产和/或分配操作的气体的操作装备逸出的气体排放。无组织气体排放120可因与排放源115相关联的密封件、垫圈、表面、凸缘等发生故障引起。在一些实施方案中,气体排放120的发生可能归因于可能相对于排放源115而存在的腐蚀、振动、电气或机械故障。气体排放120可包括常见的气体种类,诸如甲烷、乙烷、丙烷、丁烷、己烷和其它烃类诸如天然气液体(C5,C6,C8-10)、烷烃的混合物、酸性气体包括H2S、SOx、二硫化碳、不饱和HC/石油化学产品诸如可从各种排放源115排放和/或经由客户端125检测的乙烯、丙烯等。
如图1所示,多个客户端125可相对于气体生产和分配环境105配置。客户端125可包括计算装置,包括处理器、一个或多个传感器和存储可执行指令的存储器,这些可执行指令被配置用于使得传感器生成与天气状况相关联的传感器数据,诸如与风(W)相关联的风速和/或气体排放120。客户端125可靠近排放源115或潜在排放源115布置。在一些实施方案中,客户端可被配置在移动平台诸如CNG或LNG运输卡车上。以此方式,客户端125可被配置用于生成并且传输与当前天气状况和可从气体排放源115发出的气体排放120相关联的传感器数据。
例如,如图1所示,在象限110A中,客户端125A已经相对于排放源115A配置,该排放源可以是无组织气体排放120A的潜在排放源,诸如压缩机。客户端125A可关于潜在排放源115A和盛行天气状况诸如风W定位,使得最可能检测气体排放115A并生成对应于气体排放115A的传感器数据。类似地,在象限110C中,客户端125C还可关于排放源115C配置,该排放源也可以是无组织气体排放120C(例如,从已经历过故障并且正表现出异常工况的分离器的凸缘或联接件发出的气体)的潜在排放源。客户端125A和125C可被配置作为可分别定位成远离潜在排放源115A和115C30英尺至100英尺的远场传感器。在一些实施方案中,远场传感器可定位成与潜在排放源相距115 10英尺至100英尺或50英尺至200英尺。在一些实施方案中,远场传感器可定位在地面的表面上方4英尺至8英尺。该远场传感器可定位在气体生产和分配环境105的周边上,如客户端125E所示。在一些实施方案中,客户端125E可被配置作为能够将天气数据传输到客户端125中的另一个客户端或传输到排放分析器135的远程天气站。远场传感器、客户端125A、125C和/或125E可优选地被定位成基于季节性盛行风况(W)的方向最大化气体排放的检测。
在象限110B中,客户端125B可关于排放源115B诸如与压缩机相关联的通气孔来配置。排放源115B排出气体作为压缩机的正常操作行为的一部分。因此,气体排放120B的无改变或突然改变可指示排放源115B(例如,通气)的故障或与排放源(诸如压缩机)相关联的装备的故障。客户端125B可被配置作为近场传感器以检测从排放源115B发出的气体120B。作为近场传感器,客户端125B可靠近潜在排放源115B定位。例如,客户端125B可远离潜在排放源115B少于1英尺、少于2英尺或少于5英尺放置。在一些实施方案中,近场传感器、客户端125B可相对于排放源115B定位,该排放源可在高操作压力下操作。在一些实施方案中,近场传感器或客户端125B可被配置有挡板的布置,以便最小化局部风况W的平流扩散效应。类似地,在象限110D中,客户端125D可被配置作为靠近排放源115D的近场传感器。例如,排放源115D可以是被配置用于常规地从储存系统排放过量的甲烷120D的高压甲烷储存系统。在此示例中,客户端125D可包括被配置用于监测和检测甲烷排放120D的近场传感器。另外,客户端125F可被配置作为可部署在移动平台诸如用于携载和分配CNG或LNG气体的运输卡车上的近场传感器。被配置作为客户端125F的近场传感器可相对于移动平台定位,以便监测和检测可从包括在移动平台中的气体输送装置中的一个或多个气体输送装置发出的气体泄漏。关于近场传感器相对于移动平台的配置的另外的细节将与图3相关地提供。
如图1所示,客户端125可被配置用于与其它客户端125共享数据。例如,如图1中通过客户端125A和客户端125C之间的虚线和客户端125A和客户端125B之间的虚线所示,客户端125可与其它客户端125传输和接收数据,以便形成传感器网格、客户端125的网络等。客户端125可进一步经由网络130操作地联接到排放分析器135。排放分析器135可从客户端125诸如从客户端125B、125D和/或125F接收传感器数据作为近场传感器数据。此外,排放分析器135可从客户端125诸如从客户端125A、125C或125E接收传感器数据作为远场传感器数据。排放分析器135可被配置作为客户端计算装置,或者被配置作为服务器计算装置。在一些实施方案中,模块中的一个或多个模块可远离排放分析器135的位置定位。排放分析器135可在气体排放监测和检测方面执行不同的处理功能。例如,排放分析器可包括数据滤波器模块140,该数据滤波器模块被配置用于接收传感器和/或天气数据并且检测解析器错误、不正确或异常数据值、日期或传感器测量值。在一些实施方案中,数据滤波器模块可应用全局挖掘以滤除位于与客户端125中的至少一个客户端相关联的传感器校准数据范围之外的数据。排放分析器135还可包括预测模块145,该预测模块被配置用于基于从经滤波的传感器数据转换的气体浓度数据预测特定气体排放120的排放速率。排放分析器135还可包括优化模块150,该优化模块被配置用于执行气体排放120的数据驱动的建模、机器学习和统计分析。在一些实施方案中,优化模块150可在机器学习过程中被配置以执行气体排放120的数据驱动建模和统计分析。排放分析器135还可包括控制模块155,该控制模块可被配置用于控制一个或多个排放源115或与排放源1115相关联的部件。在确定异常排气或无组织气体排放120的情况下,控制模块155可执行指令以经由客户端125控制排放源115的操作参数。排放分析器135还可包括维护模块160,该维护模块可被配置用于响应于异常排气或无组织气体排放120而请求、管理和分配维护和检修人员。例如,基于确定来自排放源115A的气体速率在正常工况之外,排放分析器135可执行指令,该指令使得维护模块向维护人员提供关于与气体生产和分配环境105相关联的排放源115A的异常行为的排放数据,以便将校正动作应用于排放特定排放源。
图1B示出了作为客户端网格100B的远场传感器和近场传感器的示例,其中每个传感器节点由1至13表示。排放源115或泄漏源在客户端网格内的一个位置处作为星形图标被示出。在一个实施方案中,客户端网格被划分为四个象限(I-IV)。排放分析器135将确定每个传感器节点的盛行风条件下的排放,并且基于每个传感器节点的排放量值,该排放分析器将选择最接近排放源115(星形图标)的用于各种风况的节点2、3、4、13和10。下一个步骤将进一步收集象限II的数据,并且将此象限分为四个象限(I-IV)。基于来自节点2、3、4、13和10的另外的客户端数据,节点3和10被选择为最接近排放源115。下一个步骤是选择具有最靠近排放源115的客户端节点3和10的象限II,并且还基于在盛行风况下的扩散/平流来估计泄漏速率。产生含有排放源115的特定尺寸(X,Y,Z)的客户端网格,然后使用消除过程来首先消除象限,然后消除指示零或可忽略的排放的客户端节点125的过程可用于提供结构化方法以检测来自排放源115的泄漏的速率和位置。
在图1C、图1D和图1E中更详细地示出用于在泄漏源周围选择客户端网格尺寸(X,Y,Z)的过程。计算模型如图1C所示被构建为估计在已知泄漏速率和已知风向和风速下的流体分散。如图1D所示,在0.5m/s的风速下,对于0.5g/s的甲烷泄漏速率,传感器应放置成远离泄漏源小于约40英尺。这可帮助传感器检测和测量高于~2ppm的甲烷浓度,这是此处作为示例考虑的传感器的最低检测限制。如图1E所示,如果风速增加到2m/s和5m/s,相同的泄漏速率0.5g/s,则由于更快的分散,烟羽快速耗散并且从泄漏源的较低距离处可检测到~2ppm的甲烷浓度。
图2A至图2B是示出用于监测和检测气体排放的系统的客户端装置的框图。图2A是示出可被配置作为远场传感器的客户端计算装置诸如如关于图1所示和描述的客户端125A的框图。图2B是示出可被配置作为近场传感器的客户端计算装置诸如如关于图1所示和描述的客户端125B的框图。
被配置作为远场传感器的客户端125A可定位成与潜在气体排放源相距115 10英尺至200英尺。在一些实施方案中,远场传感器可定位在地面上方4英尺至8英尺。在一些实施方案中,远场传感器可定位在气体生产和分配环境105的周边或界区上。例如,远场传感器、客户端125A优选地被定位成最大化气体排放120的捕获,并且可被配置在季节性盛行风的下游。
如图2A所示,被配置作为远场传感器的客户端125A可包括无线通信收发器205。无线通信收发器205可与一个或多个客户端125和排放分析器135传输和接收数据。在一些实施方案中,客户端125A还可包括或者可替代地包括有线通信接口(未示出)。无线通信收发器205可实现由客户端125生成的远场传感器数据的无线数据传输。
如图2A进一步所示,被配置作为远场传感器的客户端125A还可包括太阳能面板210。太阳能面板210可基于将从太阳接收到的太阳能转换成电能来为客户端125A提供电源。在一些实施方案中,客户端125A还可包括或者替代地包括从附近的AC电源(诸如电力网等)接收电力的配置。
如图2A进一步所示,被配置作为远场传感器的客户端125A可包括远场风传感器215。远场风传感器215可包括被配置用于测量风速和风向的一个或多个传感器。远场风传感器215可将传感器数据生成为与由远场风传感器215在一段时间内感测到的风速和风向相关联的时间序列数据。时间序列风数据可包括每2秒、每小时、每天或每周收集的数据值。在一些实施方案中,时间序列风数据可进行平均。在一些实施方案中,远场传感器可包括可测量环境压力、温度、露点、湿度、降水和太阳辐射的另外的天气传感器。
被配置作为远场传感器的客户端125A还可包括远场气体传感器220。远场气体传感器220可包括被配置用于测量气体的浓度的一个或多个传感器。例如,远场气体传感器220可被配置用于测量可能存在于客户端125A的测量近邻内的甲烷的浓度。远场气体传感器220可将传感器数据生成为与由远场气体传感器220在一段时间内感测到的气体浓度相关联的时间序列数据。时间序列气体浓度数据可包括每2秒、每小时、每天或每周收集的数据值。在一些实施方案中,时间序列气体浓度数据可进行平均。在一些实施方案中,远场气体传感器220可检测常见的气体种类,包括甲烷、乙烷、丙烷、丁烷、己烷和其它烃类,诸如天然气液体(C5,C6,C8-10)、烷烃的混合物、酸性气体包括H2S、SOx、二硫化碳、不饱和HC/石油化学产品诸如乙烯、丙烯等。
如图2A进一步所示,客户端125A还包括电池225、处理器230、存储器235和通信接口240。在一些实施方案中,电池225可接收和存储由太阳能面板210生成的电力。处理器230可执行存储在存储器235中的计算机可读的可执行指令,这些指令在被执行时使客户端125记录从远场风传感器和/或远场气体传感器220接收到的传感器数据并将传感器数据存储在存储器235中。在一些实施方案中,处理器230可执行指令以使客户端125经由通信接口240将传感器数据传输到另一客户端125和/或传输到排放分析器135。
如图2B所示,客户端125B可被配置作为近场传感器。作为近场传感器,客户端125B可紧靠潜在气体排放源115定位。例如,在一些实施方案中,近场传感器可定位成远离潜在气体排放源5英尺,并且优选地远离潜在气体排放源少于1英尺。在一些实施方案中,近场传感器可定位成远离潜在气体排放源6英尺至10英尺。近场传感器、客户端125B例如优选地被定位成最大化来自在高压条件下操作的排放源115的气体排放120的捕获。
如图2B所示,被配置作为远场传感器或近场传感器的客户端125B可包括无线通信收发器205。无线通信收发器205可与一个或多个客户端125和排放分析器135传输和接收数据。在一些实施方案中,客户端125B还可包括或者可另选地包括有线通信接口(未示出)。无线通信收发器205可实现由客户端125生成的近场传感器数据的无线数据传输。
如图2B进一步所示,被配置作为近场传感器的客户端125B还可包括太阳能面板210。太阳能面板210可基于将从太阳接收到的太阳能转换成电能来为客户端125B提供电源。在一些实施方案中,客户端125B还可包括或者替代地包括从附近的AC电源(诸如电力网等)接收电力的配置。
如图2B进一步所示,被配置作为近场传感器的客户端125B可包括近场风传感器250。近场风传感器215可包括被配置用于测量风速和风向的一个或多个传感器。近场风传感器250可将传感器数据生成为与由近场风传感器250在一段时间内感测的风速和风向相关联的时间序列数据。时间序列风数据可包括每2秒、每小时、每天或每周收集的数据值。在一些实施方案中,时间序列风数据可进行平均。在一些实施方案中,近场传感器可包括可测量环境压力、温度、露点、湿度、降水和太阳辐射的另外的天气传感器。
被配置作为近场传感器的客户端125B还可包括近场气体传感器255。近场气体传感器255可包括被配置用于测量气体的浓度的一个或多个传感器。例如,近场气体传感器255可被配置用于测量可能存在于客户端125B的测量近邻内的甲烷的浓度。近场气体传感器255可将传感器数据生成为与由近场气体传感器255在一段时间内感测到的气体浓度相关联的时间序列数据。时间序列气体浓度数据可包括每2秒、每小时、每天或每周收集的数据值。在一些实施方案中,时间序列气体浓度数据可进行平均。在一些实施方案中,近场气体传感器255可检测常见的气体种类,包括甲烷、乙烷、丙烷、丁烷、己烷和其它烃类诸如天然气液体(C5,C6,C8-10)、烷烃的混合物,酸性气体包括H2S、SOx、二硫化碳、不饱和HC/石油化学产品诸如乙烯、丙烯等。
如图2B所示,被配置作为近场传感器的客户端125B还可包括一个或多个挡板245。挡板245可相对于客户端125B和包括在该客户端中的部件配置,以便最小化风平流扩散效应。挡板布置245有助于将近场风速维持在5mph或以下。优选的是,将近场传感器定位在盛行风的上游,使得表示风向的向量与表示从泄漏源到传感器的距离的向量之间的角度不超过五度。
如图2B进一步所示,客户端125B还包括电池225、处理器230、存储器235和通信接口240。在一些实施方案中,电池225可接收和存储由太阳能面板210生成的电力。处理器230可执行存储在存储器235中的计算机可读的可执行指令,这些指令在被执行时使客户端125记录从近场风传感器和/或近场气体传感器220接收到的传感器数据并将传感器数据存储在存储器235中。在一些实施方案中,处理器230可执行指令以使客户端125经由通信接口240将传感器数据传输到另一客户端125和/或传输到排放分析器135。
图3A至图3C是示出包括用于监测和检测气体排放的系统的移动平台的一个示例性实施方案的框图。如图3A所示,移动平台305诸如CNG运输卡车或LNG运输卡车可被配置用于输送气体的一个或多个罐或容器310。罐310可终止于被配置在卡车后部的管道控制柜315中并通过该管道控制柜进入。一个或多个近场客户端可相对于柜315配置以便检测可能从罐310中的一个或多个罐和/或从与罐310相关联的一个或多个部件发出的潜在气体排放。例如,如图3A所示,卡车305包括被配置作为定位在柜315之外的近场传感器的第一客户端325A。此外,卡车305包括还被配置作为定位在柜315内的近场传感器的第二客户端325B。
将一个或多个客户端325配置为相对于移动平台305定位的近场传感器提供了检测到可能从柜315内部发出的百万分之几(ppm)级别的小泄漏的优点。除此之外,将一个或多个客户端325配置为柜315之外的近场传感器有利于检测在压力释放装置启动时可能发生的过压泄漏。该近场传感器可被配置成与警报和/或泄漏流量记录器相关。近场传感器可进一步将数据输出到移动计算装置,诸如具有可允许卡车的驾驶员检查一个或多个容器310的完整性状态的用户界面的智能电话或平板电脑。近场传感器可在加油站装载或分配气体(CNG)或液体(LNG)期间使用。在一些实施方案中,被配置作为相对于移动平台的近场传感器的客户端325可被被配置用于在减压装置启动时使用无线通信装置205自动地呼叫最近的消防部门和/或警察。以此方式,可封闭附近的社区或高速公路以降低与移动平台的罐310相关联的潜在气体排放的风险。在一些实施方案中,被配置作为近场传感器的客户端325可包括可在卡车停放或静止时向客户端325提供连续操作的辅助电源,诸如电池225。
图3B示出了从卡车305的后部观察到的罐310的配置。客户端325A可被配置在柜315内,并且客户端325B可被配置在柜315内部。传统的LNG和CNG运输拖车由于缺乏可用于测量排放浓度并进一步确定排放速率的一体式气体感测和分析模型并不配备有被配置用于执行气体监测和检测的有源传感器装置。如图3C所示,每个罐310包括使用管道330引导至柜315的顶部区段的压力释放装置320。客户端325B可被配置在柜315内以检测由将压力释放装置联接到罐310的螺纹连接生成的排放泄漏。客户端325A可配置在柜315之外以检测在一个或多个罐310上的压力释放装置320启动时可能发生的较大的气体排放。
虽然客户端325被描述为在LNG或CNG运输卡车305上配置的近场传感器,但是客户端325也可被配置在包括轨道车或加油机的多种移动平台上,并且还包括不一定与气体的输送相关联的移动平台上。例如,客户端325可被配置在能够操纵到潜在气体排放源并且在排放源近侧的位置处收集近场传感器数据的载人或无人地面载具上。在一些实施方案中,客户端325可被配置在无人机或机器人上或者配置在可在运动中附接到人的移动平台上。近场传感器数据可用于确定与排放源相关联的排放速率。
图4是示出用于监测和检测气体排放的系统的架构的一个示例性实施方案的框图。如图4所示,系统400包括经由网络130联接到排放分析器135的一个或多个客户端125。客户端125可包括被配置作为如关于图1至图3所描述的远场传感器或近场传感器的一个或多个客户端计算装置。客户端125可以是例如大型计算装置、小型计算装置(例如,智能电话或平板电脑)或具有适当处理器、存储器和通信能力以传输传感器和/或天气数据的任何其它类似装置。客户端125可被配置用于接收、传输和存储与确定来自气体排放源的排放速率相关联的传感器数据和/或天气数据。客户端125可被配置有一个或多个软件应用程序。软件应用程序可包括基于web的应用程序以及可直接托管或配置在客户端125上的应用程序。例如,软件应用程序可包括技术计算应用程序、建模和模拟应用程序、传感器控制和配置应用程序、排放数据处理应用程序和工业资产管理应用程序等。
在一些实施方案中,客户端装置125还可包括天气站,该天气站被配置有用于测量环境压力、温度、风速、风向、湿度和太阳辐射的多个天气感测装置。在一些实施方案中,客户端装置125可包括可被配置用于接收和提供传感器数据、天气数据、排放速率、排放数据等的移动计算装置,诸如智能电话或台式计算装置。
如图4所示,系统400包括网络130。网络130可包括例如个人局域网(PAN)、局域网(LAN)、校园区域网(CAN)、城域网(MAN)、广域网(WAN)、宽带网络(BBN)、虚拟专用网络(VPN)、互联网等中的任何一者或多者。此外,网络130可包括但不限于以下网络拓扑结构中的任何一者或多者,包括总线网络、星形网络、环形网络、网状网络、星形总线网络、树状或分层网络等。在一些实施方案中,网络130可以是由两个或更多个客户端125形成的网格或传感器网络。
如图4进一步所示,系统400包括排放分析器135,该排放分析器被配置有用于基于包括天气数据和气体浓度数据的传感器数据确定与气体泄漏相关联的排放速率的多个模块。在一些实施方案中,配置在排放分析器135中的模块中的一个或多个模块可被配置在服务器计算装置上。在一些实施方案中,在不偏离本文描述的本公开的精神的情况下,模块中的一个或多个模块可被配置在客户端装置诸如客户端装置125上。
排放分析器135包括数据滤波器模块140。数据滤波器模块140可被配置用于从近场传感器和远场传感器接收作为时间序列数据集的传感器数据,并且被配置用于从时间序列数据集中滤除不可用数据。传感器数据可包括近场传感器和远场传感器收集的天气数据和气体浓度数据的时间序列数据集。数据滤波器模块140可接收传感器数据并且自动检测解析错误、异常传感器数据值、不正确的日期或时间等。数据滤波器模块140可进一步应用全局挖掘以滤除位于与客户端125中的至少一个客户端相关联的传感器校准数据范围之外的数据。
如图4所示,排放分析器135还包括预测模块145。预测模块145可被配置用于将从数据滤波器模块140接收的经滤波的气体传感器数据转换成气体浓度数据。预测模块140可应用传递函数来转换经滤波的气体传感器数据以生成气体浓度数据。
预测模块140可用由用于确定气体排放源的排放速率的下文等式1表达的近场平流扩散模型进一步配置:
如等式1中所示,“C”表示以ppm(或mg/m3)为单位的气体浓度。“d”表示传感器和排放源115之间的以米为单位的距离。“K”表示以m2/s为单位的扩散率常数。“||v||”表示以米/秒(m/s)为单位的风速。“θ”表示风向量与从泄漏源指向传感器的距离向量之间的以弧度为单位的角度。“q0”表示以m3/s为单位的排放速率
在使用远场传感器数据预测气体排放速率时,可提供从被配置作为远场传感器的客户端125接收的远场风数据和传感器位置形状因子作为给远场模型的输入,以便生成近场风数据。然后可提供近场风数据和气体浓度数据作为以上在等式(1)中描述的近场分散模型的输入以预测气体排放速率。在一些实施方案中,远场模型可经由降阶建模和/或经由已经使用计算流体动力学(CFD)模拟数据集训练的机器学习模型来生成。CFD模拟数据集表示风向量数据集,包括所选择的远场风况诸如特定CFD模拟的边界条件下的风速场。CFD模拟数据集还包括表示典型的油生产设施对象形状的钝头体形状因子。在一些实施方案中,对象形状可以是立方体、水平圆柱体、竖直圆柱体等。
如图4进一步所示,排放分析器135还可被配置用于包括优化模块150。优化模块150可实现轮询过程,该轮询过程将访问公共天气预报数据,该公共天气预测数据标识天气参数,诸如降水概率、降水预报、极端风暴或大风的概率、相对湿度、温度、风速和风向,以确定是否应在未来的时间段内诸如在下一个12小时内从近场传感器和远场传感器收集传感器数据。优化模块150可进一步确定发生轮询或传感器数据收集的最佳时间。通过识别来自天气预报数据的风湍流的模式,优化模块150可确定何时的天气状况不利于接收传感器数据。优化模块150可通过计算风速的傅立叶光谱并对比可接受(例如,相对缓慢的时标)和不可接受的条件(例如,相对快速的时标)估计频率/时标来确定有利的传感器轮询时间。以此方式,优化模块150可被配置用于指示客户端装置125在其它节点休眠或以其它方式不活动时访问本地天气预报数据,并且可确定在风传感器数据中的噪声为最低限度时进行轮询的时间窗口。在一些实施方案中,优化模块150可访问本地天气预报数据。优化模块150可被配置用于基于先前成功轮询窗口的出现来确定未来的轮询窗口。例如,优化模块150可被配置用于允许在于提供可能由大风、雨或恶劣天气导致的无噪声或噪声减小风数据的先前时间量中进行轮询的即将到来的12小时时间段内进行多次轮询。在与公共天气预报数据源连接失败的情况下,优化模块150可使一个或多个客户端125观察风向和风速并且轮询用于测试时间段诸如一分钟的传感器数据,并且在接收到的数据中存在噪声的情况下停止轮询。
优化模块150可进一步被配置用于使用多种统计建模方法、分析、聚类技术和可视化来对从预测模块145输出的气体排放速率数据进行后处理。例如,优化模块150可应用各种统计建模方法,诸如pdf、BS、C.I和模拟。在一些实施方案中,来自各个传感器的时间序列数据可实时流式传输到Amazon Web服务器(AWS)。数据可由原始传感器信号构成,因为该原始传感器信号响应于传感器的位置处的局部甲烷浓度和边缘装置的风速和风向测量值。采样的传感器数据可在单个文件中每隔一小时被推送到AWS,该单个文件需要在进入贝叶斯推断模型以进行泄漏速率和源位置预测之前进行预处理。数据可被下载到本地服务器中,并且可在为预测算法做好准备之前传递到提取、转换和加载(ETL)计算流水线。首先,可检查所有传感器的数据是否存在缺失值,并在适当的情况下进行插补。通常,除非数据连接中断并且节点停止流式传输数据,否则可获得完整的数据集。这种情况很少发生,但需要在任何ETL中加以考虑。在为各个传感器进行数据插补后,由于各个传感器报告的测量时间略有变化(通常小于1秒),需要同步时间序列。一旦对原始数据进行插补和校准,就可使用传递函数将原始数据转换为以PPM为单位的甲烷浓度。最后,浓度数据(以PPM为单位)可通过各个传感器的GPS坐标进行扩充,并且涵盖给定实验的实验时间(通常为1小时)的单个文件可提供到贝叶斯推断模型。贝叶斯反演依赖于污染物分散的正演模型,诸如高斯烟羽模型和其他降阶数值模型。数据验证和证实是ETL流水线的必要部分。可显示实验设置的Python基图(matplotlib库扩展),因此我们可在视觉上验证给定实验设置的相对传感器和源位置。这样,GPS坐标可与它们相应的传感器节点正确配对。如果在源文件中发现数据间隙,可通过引发异常以编程方式检测任何连接问题(表示一个或多个节点与其它节点不同步)。
除此之外或替代地,优化模块150可处理气体排放速率数据,并且可应用各种分析工具,诸如基于源代码开放的python的库以构建数据预处理(ETL)和统计计算和可视化(SV)流水线。
下表1中示出了不同库的总结以及简短描述。
表1用于ETL、SV流水线的Python库的概述
在一些实施方案中,优化模块150可处理气体排放速率数据以执行各种聚类优化,以便基于气体排放速率数据的分类将排放速率确定为低/中/高的类别。所使用的聚类方法可包括:使用Pandas、Numpy或Scipy操纵时间序列数据、执行数据库样功能,诸如分组、结合等,并且执行常见的时间序列数据操作,诸如重采样、移位、截分、循环方式等,如以上表1中所示。
除此之外或替代地,优化模块150可被配置用于基于气体排放速率数据生成各种可视化。例如,优化模块150可基于所确定的排放速率数据生成将签名或手指印分配到每个气体排放的可视化。对于时间序列数据的可视化,可使用以上表1中所示的直方图、概率/核密度函数库,诸如Matplotlib、Scipy(stat)和Seaborn。
排放分析器135还可包括存储器165。存储器165可存储并提供计算机可读可执行指令,这些指令在被执行时使一个或多个模块执行如以上所描述的功能。在一些实施方案中,存储器165包括用于训练远场模型的多个机器学习模型和训练数据。存储器165还可存储与远场风数据、远场气体浓度数据、近场风数据和近场气体浓度数据相关联的各种时间序列数据集。在一些实施方案中,存储器165可存储用于确定与特定气体浓度、排放速率、天气数据和/或排放源相关联的警报状态的一个或多个规则或阈值。
图5是示出用于使用图4的系统监测和检测气体排放的方法的示例性实施方案的流程图。在操作505中,排放分析器135从被配置作为近场传感器的一个或多个客户端125接收近场传感器数据。在操作510中,排放分析器135从被配置作为近场传感器的一个或多个客户端125接收远场传感器数据。在操作515中,数据滤波器模块140对接收到的传感器数据进行滤波,如以上关于图4所描述。数据滤波器模块140可执行各种处理方法以清理数据或以其它方式移除可能不准确或异常的传感器数据值。
在操作520中,预测模块145接收经滤波的传感器数据并确定气体浓度数据。气体浓度数据可通过将传递函数应用于从近场传感器和远场传感器接收到的经滤波的传感器数据以确定气体浓度数据来确定。
在操作525中,预测模块145从远场传感器和/或可被配置作为天气站的客户端装置125接收经滤波的风传感器数据,并且将风传感器数据映射为传感器位置风况。为了导出近场速度向量与远场传感器测量值之间的关系,可设计数据驱动的建模方法。此数据驱动的模型可基于在远场风传感器位置处测量的数据来估计要用于分散模型的近场风信息。为了构建可在宽泛的风况范围下操作的这种模型,可在典型观察值范围内对代表性基础设施子集周围的流动和不同风向量值(风速和风向)的CFD模型进行离散化。例如,对于放置在五英尺高度处的风传感器,速度大小和风值可在0.5m/s-9.5m/s和0度-360度(每隔30度)的代表性范围内进行参数化。另外,为了构建此数据集,我们假设标准大小为15英尺的正方形基础设施。从此模拟集合中,可生成对应于开放(远)场和近场速度测量的输入和输出特征的数据库以用于训练机器学习(ML)模型。ML架构旨在使用由高达二阶的多项式组成的扩展基来学习特征空间中的映射,这类似于浅层神经网络或单层前馈神经网络(SLFNN)。我们要注意,学习诸如使用深度神经网络(DNN)的更复杂的层级模型同样是可行的,但是为简单起见,应避免这样做。数据以4:1的比率分为训练数据集和验证数据集。
在操作530中,预测模块145确定与接收到的对应于特定排放源的传感器数据相关联的排放速率。排放速率可使用近场分散模型来确定。近场分散模型可接收由近场传感器生成的时间序列气体浓度数据和由远场传感器生成的远场风数据转换而来的近场时间序列风数据作为输入。远场传感器生成的远场风数据可输入到被配置用于生成近场风数据的远场模型。远场模型可接收可从一个或多个远场传感器接收的远场风数据作为输入,其中的远场风数据可从可经由网络130访问的远程服务器流式传输。远场模型可进一步接收可基于传感器安装和传感器位置确定的传感器位置形状因子作为输入。近场分散模型可处理输入以确定以标准立方英尺每分钟(SCFM)为单位的特定排放源的排放速率。
在操作535中,预测优化模块150可生成排放数据,该排放数据包括确定的排放速率和与气体排放相关联的一个或多个源位置。在一些实施方案中,气体排放可不与源位置相关联。在一些实施方案中,源位置可以是排放的潜在源位置。排放数据可被进一步处理以生成排放速率的另外的表示。例如,优化模块150可执行统计建模、应用探索性分析、评估措施和/或聚类算法或方法,以基于分类技术以及生成排放数据的可视化,诸如排放速率特征图、排放源特征图等来确定排放数据或排放源的类别。
在操作540中,排放分析器135可向一个或多个客户端125提供排放数据。客户端装置125可被配置用于接收排放数据并且提供排放数据以供显示或将排放数据存储在配置在客户端125上的存储器中。在一些实施方案中,排放数据可提供给控制模块,该控制模块被配置用于执行控制指令,这些控制指令可基于可与排放数据相关联的警报条件变更排放源的操作。
图6是适用于图1和图4的气体监测和检测系统的示例性计算装置610的框图。
广义地说,计算装置610包括用于根据指令执行动作的至少一个处理器650,以及用于存储指令和数据的一个或多个存储器装置660和/或670。所示出的示例性计算装置610包括一个或多个处理器650,该一个或多个处理器经由总线615与存储器670通信并且与具有用于连接到外部装置630例如计算装置(诸如客户端125、排放分析器135等)的网络接口625的至少一个网络接口控制器620通信。一个或多个处理器650还经由总线615彼此通信并且与一个或多个I/O接口640处的任何I/O装置以及任何其它装置680通信。所示出的处理器650并入或直接连接到高速缓存存储器660。通常,处理器将执行从存储器接收的指令。在一些实施方案中,计算装置610可被配置在云计算环境、虚拟或容器化计算环境和/或基于网络的微服务环境内。
更详细地,处理器650可以是处理指令例如从存储器670或高速缓存660获取的指令的任何逻辑电路。在许多实施方案中,处理器650是嵌入式处理器、微处理器单元或专用处理器。计算装置610可基于任何处理器,例如,合适的数字信号处理器(DSP)或能够如本文所描述操作的一组处理器。在一些实施方案中,处理器650可以是单核或多核处理器。在一些实施方案中,处理器650可由多个处理器构成。
存储器670可以是适用于存储计算机可读数据的任何装置。存储器670可以是具有固定存储装置的装置或用于读取可移除存储介质的装置。示例包括所有形式的非易失性存储器、介质和存储器装置、半导体存储器装置(例如,EPROM、EEPROM、SDRAM、快闪存储器装置和所有类型的固态存储器)、磁盘和磁光盘。计算装置610可具有任何数量的存储器装置670。
高速缓存存储器660通常是紧靠处理器650放置的高速计算机存储器的形式以用于快速读取/写入时间。在一些具体实施中,高速缓存存储器660是处理器650的一部分或在同一芯片上。
网络接口控制器620经由网络接口625管理数据交换。网络接口控制器620处理用于网络通信的开放系统互连(OSI)模型的物理、媒体接入控制和数据链路层。在一些具体实施中,网络接口控制器的任务中的一些任务由处理器650处理。在一些具体实施中,网络接口控制器620是处理器650的一部分。在一些具体实施中,计算装置510具有多个网络接口控制器620。在一些具体实施中,网络接口625是物理网络链路例如RJ 45连接器的连接点。在一些具体实施中,网络接口控制器620支持无线网络连接,并且接口端口625是无线收发器。通常,计算装置610经由到网络接口625的物理或无线链路与其它网络装置630诸如计算装置630交换数据。在一些具体实施中,网络接口控制器620实现网络协议,诸如LTE、TCP/IP以太网、IEEE 802.11、IEEE 802.16等。
其它计算装置630经由网络接口端口625连接到计算装置610。另一计算装置630可以是对等计算装置、网络装置或具有网络功能的任何其它计算装置。例如,计算装置630可以是可被配置在图1所示出的气体监测和检测系统内的(被配置作为近场传感器装置的客户端装置125,被配置作为远场传感器装置的客户端装置125、排放分析器135等)。在一些实施方案中,计算装置630可以是将计算装置610连接到数据网络诸如LAN、WAN、互联网和/或虚拟专用网络的网络装置,诸如集线器、网桥、交换机、继电器或路由器。
在一些用途中,I/O接口640支持输入装置和/或输出装置(未示出)。在一些用途中,输入装置和输出装置集成到相同的硬件中,例如,如在触摸屏中。在一些用途中,诸如在服务器上下文中,没有I/O接口640或不使用I/O接口640。在一些用途中,另外的其它部件680与计算机系统610例如经由通用串行总线(USB)连接的外部装置通信。
其它装置680可包括I/O接口640、外部串行装置端口和任何另外的协处理器。例如,计算装置610可包括用于连接输入装置(例如,键盘、麦克风、鼠标或其它指向装置)的接口(例如,通用串行总线(USB)接口等)、输出装置(例如,视频显示器、扬声器、可刷新的盲人点字终端机或打印机)或另外的存储器装置(例如,便携式快闪驱动器或外部媒体驱动器)。在一些具体实施中,I/O装置被结合到计算装置610例如平板装置上的触摸屏中。在一些具体实施中,计算装置610包括另外的装置680,诸如协处理器,例如可辅助具有高精度或复杂计算的处理器650的数学协处理器。
本文所描述的改进的羽流预测系统解决了基于接收到的传感器数据确定从气体源发出的气体排放的排放速率的技术问题。对于不同类型的排放源,确定和生成准确的排放速率可能是困难的并且由于盛行天气状况加剧。通过非限制性示例,本文所描述的方法、系统、装置和计算机可读介质的示例性技术效果包括确定可从气体和生产环境内的排放源发出的预期的排放速率、排气排放以及意外的无组织排放。排放速率可使用被配置用于从近场传感器接收风和气体浓度数据的近场分散模型来确定。近场分散模型可进一步被配置用于接收远场风和/或气体浓度数据以及与气体生产和分配环境内的可靠近近场或远场传感器设施定位的对象相关联的传感器位置形状因子。
因此,系统表示处理传感器数据并生成对应于来自排放源的一种或多种类型的排放的排放速率和排放数据的计算机功能的改进。除此之外,客户端125可包括诸如在可视化排放位置和源时提供更有效的排放数据的可视化和执行的改进的显示器或图形用户界面(GUI)。改进的GUI还可为气体排放的警报或通知、排放源的规划维护或检修程序、或用于在所需范围内管理气体生产和分配环境的生产率提供增强的可视化。
描述了某些示例性实施方案,以提供对本文所公开的系统、装置和方法的结构、功能、制造和使用的原理的全面理解。这些实施方案的一个或多个示例已在附图中示出。本领域技术人员将理解的是,本文中具体描述且在附图中示出的系统、装置和方法是非限制性的示例性实施方案,并且本发明的范围仅由权利要求限定。结合一个示例性实施方案示出或描述的特征可与其他实施方案的特征组合。此类修改和变型旨在包括在本发明的范围内。此外,在本公开中,实施方案的相似命名的部件通常具有类似的特征,因此在具体实施方案内,不一定完全阐述每个相似命名的部件的每个特征。
本文所述的主题可在模拟电子电路、数字电子电路和/或计算机软件、固件或硬件(包括本说明书中公开的结构装置和其结构等同物)或它们的组合中实现。本文所述的主题可被实现为一个或多个计算机程序产品,诸如有形地体现在信息载体中(例如,体现在机器可读存储装置中)、或体现在传播的信号中,以用于由数据处理设备(例如,可编程处理器、计算机或多台计算机)执行或控制该数据处理设备的操作的一个或多个计算机程序。计算机程序(也称为程序、软件、软件应用程序或代码)可以任何形式的编程语言(包括编译语言或解释语言)编写,并且它可以任何形式部署,包括作为独立程序或者作为模块、部件、子例程或适用于计算环境中的其他单元部署。计算机程序不一定对应于文件。程序可存储在保存其他程序或数据的文件的一部分中,存储在专用于所考虑的程序的单个文件中,或者存储在多个协同文件(例如,存储一个或多个模块、子程序或代码的部分的文件)中。计算机程序可被部署成在一台计算机上或在多台计算机上执行,该多台计算机位于一个站点处或跨多个站点分布并且由通信网络互连。
本说明书中所述的过程和逻辑流程,包括本文所述主题的方法步骤,可由执行一个或多个计算机程序的一个或多个可编程处理器执行,以通过对输入数据进行操作并且生成输出来执行本文所述主题的功能。该过程和逻辑流程还可由专用逻辑电路(例如FPGA(现场可编程门阵列)或ASIC(专用集成电路))来执行,并且本文所描述主题的设备可被实现为专用逻辑电路(例如GPU(图形处理单元)、FPGA(现场可编程门阵列)或ASIC(专用集成电路))。
以举例的方式,适于执行计算机程序的处理器包括通用微处理器和专用微处理器两者,以及任何种类的数字计算机的任何一个或多个处理器。一般来说,处理器将从只读存储器或随机存取存储器或两者接收指令和数据。计算机的基本元件是用于执行指令的处理器以及一个或多个用于存储指令和数据的存储器装置。一般来说,计算机还将包括一个或多个用于存储数据的大容量存储装置(例如,磁盘、磁光盘或光盘),或操作地联接以从一个或多个用于存储数据的大容量存储装置(例如,磁盘、磁光盘或光盘)接收数据或者/并且将数据传送至一个或多个用于存储数据的大容量存储装置(例如,磁盘、磁光盘或光盘)。适于体现计算机程序指令和数据的信息载体包括所有形式的非易失性存储器,包括例如半导体存储器装置(例如,EPROM、EEPROM和闪存存储器装置);磁盘(例如,内部硬盘或可移动磁盘);磁光盘;以及光盘(例如,CD和DVD盘)。处理器和存储器可由专用逻辑电路补充或者并入专用逻辑电路中。
为了提供与用户的交互,本文所述的主题可在具有用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或LCD(液晶显示器)监视器)以及键盘和指向装置(例如,鼠标或跟踪球)的计算机上实现,用户可通过该键盘和指向装置向计算机提供输入。还可使用其他种类的装置来提供与用户的交互。例如,提供给用户的反馈可为任何形式的感官反馈(例如,视觉反馈、听觉反馈或触觉反馈),并且可以任何形式接收来自用户的输入,包括声音、语音或触觉输入。
本文所述的技术可使用一个或多个模块来实现。如本文所用,术语“模块”是指计算软件、固件、硬件和/或它们的各种组合。然而,在最低程度上,模块不应被解释为未在硬件、固件上实现或记录在非暂态处理器可读存储介质上的软件(即,模块本身不为软件)。实际上,“模块”将被解释为始终包括至少一些物理的非暂态硬件,诸如处理器或计算机的一部分。两个不同的模块可共享相同的物理硬件(例如,两个不同的模块可使用相同的处理器和网络接口)。本文所述的模块可被组合、集成、分开和/或复制以支持各种应用。另外,代替在特定模块处执行的功能或除在特定模块处执行的功能之外,本文描述为在特定模块处执行的功能可在一个或多个其他模块处和/或由一个或多个其他装置执行。此外,模块可相对于彼此本地或远程地跨越多个装置和/或其他部件来实现。另外,模块可从一个装置移动并添加至另一个装置,以及/或者可包括在两个装置中。
本文所述的主题可在计算系统中实现,该计算系统包括后端部件(例如,数据服务器)、中间件部件(例如,应用程序服务器)或前端部件(例如,具有图形用户界面或网络浏览器的客户端计算机,用户可通过该图形用户界面或网络浏览器与本文所述主题的实施方式进行交互),或此类后端部件、中间件部件和前端部件的任何组合。系统的部件可通过数字数据通信的任何形式或介质(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”)和广域网(“WAN”),例如互联网。
如本文在整个说明书和权利要求书中所用的,近似语言可用于修饰任何定量表示,该定量表示可有所不同但不导致与其相关的基本功能的变化。因此,由一个或多个术语诸如“约”、“大约”和“基本上”修饰的值不应限于所指定的精确值。在至少一些情况下,近似语言可对应于用于测量该值的仪器的精度。在此以及在整个说明书和权利要求书中,范围限制可组合和/或互换,除非上下文或语言另外指明,否则此类范围被识别并包括其中所包含的所有子范围。
基于上述实施方案,本领域技术人员将了解本发明的其他特征和优点。因此,除所附权利要求书所指示的以外,本申请不受已具体示出和描述的内容的限制。本文所引用的所有出版物和参考文献均明确地全文以引用方式并入。
Claims (20)
1.一种方法,所述方法包括:
从关于气体生产和分配环境而配置的一个或多个传感器接收近场传感器数据和远场传感器数据,所述传感器数据与气体正从排放源排放相关联;
对所接收到的传感器数据进行过滤;
确定与所述气体排放相关联的气体浓度数据;
确定对应于所述气体排放的排放速率;
生成对应于所述气体排放的排放数据,所述排放数据包括所确定的排放速率和与所述气体排放相关联的一个或多个源位置;以及
提供所述排放数据。
2.根据权利要求1所述的方法,其中,确定所述排放速率包括:提供所述气体浓度数据作为近场分散模型的输入。
3.根据权利要求2所述的方法,其中,确定所述排放速率还包括:接收远场风数据作为所述近场分散模型的输入。
4.根据权利要求2所述的方法,其中,确定所述排放速率还包括:确定传感器位置形状因子并且提供所述传感器位置形状因子作为所述近场分散模型的输入。
5.根据权利要求1所述的方法,其中,所述一个或多个传感器关于所述气体生产和分配环境而布置成网格。
6.根据权利要求1所述的方法,其中,所述近场传感器数据由包括在所述一个或多个传感器中的至少一个近场传感器生成,所述近场传感器包括风传感器和气体传感器,并且所述远场传感器数据由包括在所述一个或多个传感器中的至少一个远场传感器生成,所述远场传感器包括风传感器和气体传感器。
7.根据权利要求6所述的方法,其中,所述远场传感器定位在地面上方4英尺至8英尺的高度处。
8.根据权利要求6所述的方法,其中,所述远场传感器定位成与潜在排放源相距10英尺至100英尺、30英尺至100英尺或50英尺至200英尺。
9.根据权利要求6所述的方法,其中,所述近场传感器被配置在移动平台上。
10.根据权利要求9所述的方法,其中,所述移动平台包括载人地面载具、无人地面载具、载人飞行器、无人飞行器、载人水面载具、无人水面载具、机器人或在运动中附接到人的移动平台。
11.一种系统,所述系统包括:
第一计算装置,所述第一计算装置包括数据处理器和存储计算机可读指令的存储器,所述处理器被配置用于执行所述计算机可读指令,所述计算机可读指令在被执行时使所述处理器执行包括以下项的操作:
从关于气体生产和分配环境而配置的一个或多个传感器接收近场传感器数据和远场传感器数据,所述传感器数据与气体从排放源排放相关联,
对所接收到的传感器数据进行过滤,
确定与所述气体排放相关联的气体浓度数据,
确定对应于所述气体排放的排放速率,
生成对应于所述气体排放的排放数据,所述排放数据包括所确定的排放速率和与所述气体排放相关联的一个或多个源位置,以及
提供所述排放数据;和
第二计算装置,所述第二计算装置经由网络联接到所述第一计算装置,所述第二计算装置包括显示器,所述显示器被配置用于经由所述显示器呈现所述排放数据。
12.根据权利要求11所述的系统,其中,所述处理器被进一步配置用于:基于提供所述气体浓度数据作为近场分散模型的输入来确定所述排放速率。
13.根据权利要求12所述的系统,其中,所述处理器被进一步配置用于:基于提供远场风数据作为所述近场分散模型的输入来确定所述排放速率。
14.根据权利要求12所述的系统,其中,所述处理器被进一步配置用于:基于确定传感器位置形状因子并且提供所述传感器位置形状因子作为所述近场分散模型的输入来确定所述排放速率。
15.根据权利要求11所述的系统,其中,所述一个或多个传感器关于所述气体生产和分配环境而布置成网格。
16.根据权利要求11所述的系统,其中,所述近场传感器数据由包括在所述一个或多个传感器中的至少一个近场传感器生成,所述近场传感器包括风传感器和气体传感器,并且所述远场传感器数据由包括在所述一个或多个传感器中的至少一个远场传感器生成,所述远场传感器包括风传感器和气体传感器。
17.根据权利要求15所述的系统,其中,所述远场传感器定位成与潜在排放源相距10英尺至100英尺、30英尺至100英尺或50英尺至200英尺。
18.根据权利要求15所述的系统,其中,所述近场传感器被配置在移动平台上。
19.根据权利要求18所述的系统,其中,所述移动平台包括载人地面载具、无人地面载具、载人飞行器、无人飞行器、载人水面载具、无人水面载具、机器人或在运动中附接到人的移动平台。
20.一种包含程序指令的非暂态计算机可读存储介质,所述程序指令在由至少一个数据处理器执行时使得所述至少一个数据处理器执行操作,所述操作包括:
由第一计算装置从关于气体生产和分配环境而配置的一个或多个传感器接收近场传感器数据和远场传感器数据;所述传感器数据与气体从排放源排放相关联;
由所述第一计算装置对所接收到的传感器数据进行过滤;
由所述第一计算装置确定与所述气体排放相关联的气体浓度数据;
由所述第一计算装置生成排放数据,所述排放数据包括对应于所述气体排放的所确定的排放速率和与所述气体排放相关联的一个或多个源位置;
由所述第一计算装置经由网络向第二计算装置传输所述排放数据;以及
经由所述第二计算装置的显示器提供用于显示的所述排放数据。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962866733P | 2019-06-26 | 2019-06-26 | |
US62/866,733 | 2019-06-26 | ||
US201962874755P | 2019-07-16 | 2019-07-16 | |
US62/874,755 | 2019-07-16 | ||
PCT/US2020/038603 WO2020263693A1 (en) | 2019-06-26 | 2020-06-19 | Gas emission monitoring and detection |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114072671A true CN114072671A (zh) | 2022-02-18 |
Family
ID=74062065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080046350.5A Pending CN114072671A (zh) | 2019-06-26 | 2020-06-19 | 气体排放监测和检测 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP3991127A4 (zh) |
CN (1) | CN114072671A (zh) |
AU (1) | AU2020306782A1 (zh) |
CA (1) | CA3143341A1 (zh) |
WO (1) | WO2020263693A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115060850A (zh) * | 2022-06-14 | 2022-09-16 | 浙江大学 | 空地双场耦合的大气污染源追踪和通量测量装置及方法 |
CN115265962B (zh) * | 2022-06-28 | 2023-05-23 | 北京航天试验技术研究所 | 一种用于开放空间的氢泄漏检测及定位方法 |
WO2023196242A1 (en) * | 2022-04-06 | 2023-10-12 | Schlumberger Technology Corporation | Iot-enabled systems and methods for monitoring methane emissions of one or more industrial facilities |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113605978A (zh) * | 2021-08-23 | 2021-11-05 | 中煤科工集团重庆研究院有限公司 | 一种回风巷瓦斯排放监测方法 |
CN114323448A (zh) * | 2021-11-26 | 2022-04-12 | 北京格睿能源科技有限公司 | 氢气泄漏检测及定位系统、方法 |
US20230175914A1 (en) * | 2021-12-02 | 2023-06-08 | Bp America Production Company | System and method for gas detection at a field site using multiple sensors |
WO2024054640A1 (en) * | 2022-09-09 | 2024-03-14 | Schlumberger Technology Corporation | A method to establish a detectable leak source location |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130208262A1 (en) * | 2010-10-06 | 2013-08-15 | Tea Sistemi S.P.A. | Method for monitoring fugitive gas emissions from the soil, via vertical concentration measurements |
US9557240B1 (en) * | 2012-05-14 | 2017-01-31 | Picarro, Inc. | Gas detection systems and methods using search area indicators |
US20170193790A1 (en) * | 2015-12-30 | 2017-07-06 | Itron, Inc. | Gas Leak Detection and Location Determination |
CN107077776A (zh) * | 2014-09-08 | 2017-08-18 | 里欧公司 | 环境监测装置和方法 |
CN107941988A (zh) * | 2017-10-16 | 2018-04-20 | 华南理工大学 | 一种检测气体污染源的无人机设备及监测方法 |
EP3460424A1 (en) * | 2017-09-20 | 2019-03-27 | MJB Innovations Limited | A device for monitoring the mechanical condition of a machine |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006522335A (ja) * | 2003-03-06 | 2006-09-28 | シンシナティ テスト システムズ,インコーポレイテッド | ガスを検出する方法及び装置 |
US20080168826A1 (en) * | 2007-01-17 | 2008-07-17 | Motorola, Inc. | Method and system for gas leak detection and localization |
ES2927645T3 (es) * | 2009-04-14 | 2022-11-08 | Airdar Inc | Sistema de medición de emisiones y cuantificación de fuentes emisoras |
US9696245B1 (en) * | 2012-04-20 | 2017-07-04 | Picarro, Inc. | Leak position estimation method using wind direction and correlation measurements at isolated spatial points in a plume |
IL249780B (en) * | 2016-12-26 | 2020-08-31 | Wolfson Noah | A system and method for predicting the presence of dangerous substances in the air of an area designated for protection |
-
2020
- 2020-06-19 EP EP20833321.1A patent/EP3991127A4/en not_active Withdrawn
- 2020-06-19 CN CN202080046350.5A patent/CN114072671A/zh active Pending
- 2020-06-19 AU AU2020306782A patent/AU2020306782A1/en not_active Abandoned
- 2020-06-19 CA CA3143341A patent/CA3143341A1/en active Pending
- 2020-06-19 WO PCT/US2020/038603 patent/WO2020263693A1/en active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130208262A1 (en) * | 2010-10-06 | 2013-08-15 | Tea Sistemi S.P.A. | Method for monitoring fugitive gas emissions from the soil, via vertical concentration measurements |
US9557240B1 (en) * | 2012-05-14 | 2017-01-31 | Picarro, Inc. | Gas detection systems and methods using search area indicators |
CN107077776A (zh) * | 2014-09-08 | 2017-08-18 | 里欧公司 | 环境监测装置和方法 |
US20170193790A1 (en) * | 2015-12-30 | 2017-07-06 | Itron, Inc. | Gas Leak Detection and Location Determination |
EP3460424A1 (en) * | 2017-09-20 | 2019-03-27 | MJB Innovations Limited | A device for monitoring the mechanical condition of a machine |
CN107941988A (zh) * | 2017-10-16 | 2018-04-20 | 华南理工大学 | 一种检测气体污染源的无人机设备及监测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023196242A1 (en) * | 2022-04-06 | 2023-10-12 | Schlumberger Technology Corporation | Iot-enabled systems and methods for monitoring methane emissions of one or more industrial facilities |
CN115060850A (zh) * | 2022-06-14 | 2022-09-16 | 浙江大学 | 空地双场耦合的大气污染源追踪和通量测量装置及方法 |
CN115265962B (zh) * | 2022-06-28 | 2023-05-23 | 北京航天试验技术研究所 | 一种用于开放空间的氢泄漏检测及定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CA3143341A1 (en) | 2020-12-30 |
EP3991127A4 (en) | 2023-07-26 |
WO2020263693A1 (en) | 2020-12-30 |
EP3991127A1 (en) | 2022-05-04 |
AU2020306782A1 (en) | 2022-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11649782B2 (en) | Gas emission monitoring and detection | |
CN114072671A (zh) | 气体排放监测和检测 | |
US20220205967A1 (en) | Systems and methods for placing networked sensors within a facility for fugitive emissions monitoring | |
US11927581B2 (en) | Greenhouse gas emission monitoring systems and methods | |
CA3191655A1 (en) | Air quality monitoring system and method | |
US20230221207A1 (en) | Methods and internet of things systems for determining gas leakages based on smart gas | |
US20230176023A1 (en) | Method and apparatus for methane leakage detection | |
US20220082409A1 (en) | Method and system for monitoring a gas distribution network operating at low pressure | |
CN114155129B (zh) | 一种基于工业园区的大气环境溯评方法和系统 | |
CN109408686A (zh) | 一种地下综合管廊大数据可视化系统及方法 | |
WO2023183421A1 (en) | Emissions detection system and methods | |
KR20140024541A (ko) | 대기 모델링 서비스 제공 시스템 | |
US20230368632A1 (en) | Methods, internet of things systems, and storage media for smart gas pipeline network inspection | |
US11810216B1 (en) | Air quality monitors minimization system and methods | |
US11409275B2 (en) | Systems and methods for predicting environmental conditions | |
US11325705B2 (en) | Drone cloud connectivity for asset and facility operations | |
CN116498908B (zh) | 基于超声波流量计的智慧燃气管网监测方法和物联网系统 | |
CN104331833A (zh) | 环境风险源预警方法 | |
CN115146484A (zh) | 一种用于检测环境参数的环保监控系统及监控方法 | |
CN116629580B (zh) | 基于gis的智慧燃气安全隐患项管理方法和物联网系统 | |
CN115307826A (zh) | 用于改进气体泄漏检测数据的可视化的技术 | |
US11887203B1 (en) | Air quality monitors minimization system and methods | |
US11861753B1 (en) | Air quality monitors minimization system and methods | |
WO2023069893A1 (en) | Gas leak estimation | |
US20240202404A1 (en) | Apparatuses, methods, and computer program products for predicting fugitive leaks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information |
Address after: Texas, USA Applicant after: Baker Hughes oilfield operations Co.,Ltd. Address before: Texas, USA Applicant before: Baker Hughes oilfield operations Co.,Ltd. |
|
CB02 | Change of applicant information | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220218 |
|
WD01 | Invention patent application deemed withdrawn after publication |