Una red de sensores impulsada por un algoritmo de inteligencia artificial (IA) desarrollado por científicos de la Universidad Tecnológica de Nanyang, Singapur (NTU Singapur) puede detectar con precisión, en tiempo real, fugas de gas y filtraciones de agua no deseadas en las redes de gasoductos. Las fugas de gas son peligrosas como causantes de explosiones en todo tipo de instalaciones industriales y domésticas, como ocurrió el día 20 de enero en Madrid.
Un sistema de alerta inteligente que pueda detectar fugas de gas y tuberías de gas rotas en tiempo real ha sido un objetivo a largo plazo para la industria de servicios públicos, ya que la mejor práctica actual de la industria para la inspección de tuberías es que los trabajadores realicen una vigilancia manual a intervalos regulares.
Si bien las fugas grandes se pueden detectar fácilmente mediante sensores convencionales, ya que el volumen de gas y las diferencias de presión fluctuarán bruscamente en las redes de tuberías, las fugas pequeñas son mucho más difíciles de detectar.
Durante un período de cuatro años a partir de 2015, los investigadores de NTU desarrollaron, desplegaron y probaron su solución de inteligencia artificial en ciertos segmentos de la red de gas de la ciudad local en Singapur durante seis meses, lo que demostró ser exitoso en la detección de todos los tipos de anomalías probados.
El director ejecutivo de Vigti, Sr. Ishaan Gupta , dijo: “Nuestro objetivo es reducir al mínimo las emisiones de metano en la cadena de suministro de gas global, con nuestro sistema de detección temprana, ayudando a las empresas a ahorrar costos mientras protegemos vidas. Nuestra misión es crear un mundo seguro, inteligente y sostenible, una tubería a la vez ".
Sensores detectores de gas convencionales frente a algoritmos basados en IA
Si bien dentro de una red de gas típica hay sensores instalados en los puntos reguladores que pueden detectar fluctuaciones importantes en la red y calcular la pérdida de gas no contabilizado (UFG), las pequeñas fugas y grietas pueden pasar desapercibidas y, por lo tanto, deben detectarse manualmente.
Con el enfoque convencional basado en umbrales, las fugas solo se pueden detectar si la caída de presión debido a la fuga es mayor que la variación de presión de la red durante el funcionamiento normal. Si es menor que la variación de presión, las fugas serán muy difíciles de detectar a menos que las tuberías se inspeccionen manualmente.
La pérdida acumulada de todas las pequeñas fugas para las principales empresas de todo el mundo se estima entre el 1,5 y el 3 por ciento del consumo total de gas.
Se estima que el consumo total de gas natural en todo el mundo es de 3,9 billones de metros cúbicos en 2019, por lo que incluso una pérdida del 1% significaría unos 39 mil millones de metros cúbicos a nivel mundial (10 veces el consumo total de gas natural de Singapur en 2017).
Aprovechando el aprendizaje automático y la IA
Para abordar estos problemas, el equipo de NTU realizó varias simulaciones computacionales para comprender los fenómenos de entrada de agua y fugas en las redes de distribución de gas natural de la ciudad.
Se desplegaron una variedad de sensores que pueden medir presión, flujo, temperatura y vibración, y se analizaron las señales resultantes asociadas con las anomalías en las tuberías de la red. Este proceso estableció 'firmas' únicas dentro de los datos del sensor para cada anomalía.
Usando aprendizaje automático e inteligencia artificial, el equipo desarrolló un algoritmo de software que es extremadamente sensible para detectar anomalías al hacer coincidir estas firmas únicas dentro de los datos del sensor que se monitorean de manera rutinaria.
Durante la prueba de campo, se desplegaron un total de 16 sensores de presión y 4 sensores de flujo de varios tipos en el elevador, la línea de servicio y la línea principal, en tres ubicaciones diferentes. Luego, se analizaron los datos en cada ubicación y también se realizaron pruebas de filtración e ingreso de agua en estos sitios.
Al final del proyecto, se realizó una prueba para establecer la efectividad de la IA de NTU que comprende 13 pruebas de anomalías diferentes. Los 13 fueron identificados con éxito por el algoritmo como fugas, junto con la ubicación del sensor más cercana y la duración de estas fugas.
La puesta en marcha de NTU es incubada por el Centro de Innovación para la Energía EcoLabs de la Universidad de Nayang (Singapur), un centro nacional lanzado en abril de 2019 para ayudar a las pequeñas y medianas empresas (PYME) y las nuevas empresas a innovar, crecer y prosperar en el sector energético. El algoritmo ha sido patentado y escindido en una nueva empresa llamada Vigti , que ahora comercializa la tecnología, después de ser probado con éxito en las pruebas de campo realizadas en las redes de gasoductos de Singapur Recientemente.
Fuente: Nayang Technological University
