یک شبکه حسگر که با استفاده از الگوریتم‌های هوش مصنوعی که توسط دانشمندان دانشگاه فناوری Nanyang سنگاپور ساخته شده می‌تواند نشت گاز از شبکه‌های خط لوله انتقال گاز را در لحظه‌ی ایجاد نشتی تشخیص دهد. این الگوریتم در آزمایش‌های انجام شده در شبکه‌ی خط لوله انتقال گاز سنگاپور، موفق به ثبت اختراع گردید، این ایده تحت عنوان یک شرکت نوپا به نام Vigti ارائه شده که اکنون در تلاش است تا این فناوری را تجاری کند. این شرکت اخیراً بودجه اولیه مورد نیاز خود را از موسسه‌هایی نظیر Artesian Capital و Brinc تأمین کرده است.
فعالیت Vigti توسط مرکز نوآوری‌ها در بخش انرژی تحت عنوان EcoLabs حمایت می‌شود که یک مرکز ملی برای کمک به رشد هرچه بیشتر شرکت‌های کوچک و شرکت‌های نوپا در بخش انرژی است. یک سیستم هشدار دهنده‌ی هوشمند که بتواند نشت گاز و شکسته شدن لوله‌های گاز را در زمان بروز مشکلات تشخیص دهد، یک نتیجه‌ی بلند پروازانه برای این صنعت محسوب می‌شود، زیرا در حال حاضر بهترین روش برای بازرسی لوله‌ها این است که کارگران به صورت دوره‌ای و منظم نظارت بر لوله‌ها و خطوط انتقال را به صورت حضوری و دستی انجام دهند.
نشتی‌های بزرگ از طریق حسگرهای معمولی به راحتی قابل تشخیص هستند، زیرا در زمان نشتی حجم گاز منتقل شده و اختلاف فشار به شدت در شبکه‌های انتقال نوسان خواهد داشت. مشکل اصلی همواره یافتن نشتی‌های کوچک‌تر است که تشخیص آن بسیار دشوار می‌باشد. در سال 2014 سازمان مدیریت انرژی سنگاپور (EMA) به گروهی از محققان تحت رهبری دکتر جاستین دوولز که آن زمان دانشیار دانشکده مهندسی برق و الکترونیک بود جهت توسعه نرم‌افزاری برای شناسایی ناهنجاری در شبکه‌های خط لوله با فشار پایین کمک مالی اعطا کرد.
در طی یک دوره چهار ساله از سال 2015، محققان بیش از شش ماه نرم‌افزار خود که بر پایه هوش مصنوعی استوار بود را در بخش‌های خاصی از شبکه گاز محلی در سنگاپور مستقر کرده و مورد آزمایش قرار دادند که نتیجه ثابت کرد نرم‌افزار آن‌ها در تشخیص انواع ناهنجاری‌های موجود موفقیت‌آمیز عمل خواهد کرد. دکتر داوولز، که اکنون در سمت مشاور در شرکت هوش مصنوعی Vigti فعالیت می‌کند گفت: “پروژه تأمین شده توسط سازمان مدیریت انرژی سنگاپور در سال 2019 پس از آزمایش‌های موفقیت‌آمیز به پایان رسید و پس از آن شرکت Vigti برای ادامه توسعه هرچه بیشتر این ایده و ورود آن به بازار جهانی شکل گرفت.”
مدیر اجرایی شرکت Vigti ، آقای Ishaan Gupta گفت: “هدف ما این است که با سیستم تشخیص زودهنگام خود، میزان انتشار گاز متان در زنجیره تأمین گاز جهانی را به حداقل برسانیم. این به شرکت‌ها کمک می‌کند تا ضمن محافظت از جان مردم در هزینه‌های خود صرفه جویی کنند. سیستم ما می‌تواند صنعت انتقال گاز را به سوی ایمنی، هوشمندی و پایداری سوق دهد.”
پروفسور Subodh Mhaisalkar، مدیر اجرایی انستیتوی تحقیقات انرژی و یکی از اعضای هیئت مدیره EcoLabs گفت: “فناوری Vigti نمونه‌ای بارز از نوآوری‌هایی است که از آزمایشگاه به بازار می رسند.”
با افزایش زیرساخت‌ها شاهد افزایش نشت گاز در سراسر جهان هستیم و راه حل Vigti پتانسیل بالایی برای حل این مشکل جهانی دارد و می‌تواند به کاهش انتشار گازها و تشخیص نشت‌هایی که بر تغییرات آب و هوایی تأثیر می‌گذارند و تهدیدی برای رفاه جوامع هستند، بینجامد. در EcoLabs تخصص و بودجه لازم برای گسترش هرچه بیشتر Vigti مهیا شده است که زمینه را برای پذیرش Vigti در بازار فراهم می‌کند.
سنسورهای معمولی در مقابل الگوریتم مبتنی بر هوش مصنوعی
در حالی که در داخل یک شبکه گاز معمولی، سنسورهایی در نقاط مختلف نصب شده‌اند که می‌توانند نوسانات عمده در شبکه را تشخیص داده و تلفات ناشی از نشت گاز را محاسبه کنند، نشت‌های کوچک و ترک‌ها از توجه خارج می‌شوند و باید به صورت دستی شناسایی شوند. با رویکرد متداول مبتنی بر سنسورها، تنها در صورت افت فشار محسوس در اثر نشتی شدید و زمانی که افت فشار بیشتر از فشار در هنگام کار عادی باشد قابل تشخیص است. در غیر این صورت تشخیص نشت بسیار سخت خواهد بود مگر اینکه لوله‌ها به صورت دستی بازرسی شوند.
با جمع کردن تمام نشتی‌های کوچک توسط شرکت‌های بزرگ در سراسر جهان شاهد هدر رفتن بین 1.5 تا 3 درصد از کل میزان گاز مصرفی هستیم. مصرف گاز طبیعی در سراسر جهان در سال 2019 ، 3.9 تریلیون متر مکعب تخمین زده شده است، بنابراین حتی یک درصد هدر رفتن به معنای حدود 39 میلیارد متر مکعب گاز است. (10 برابر کل مصرف گاز طبیعی سنگاپور در سال 2017).
استفاده از یادگیری ماشین و هوش مصنوعی
برای مقابله با مشکلات، تیم دانشگاه فناوری سنگاپور شبیه سازی‌های محاسباتی مختلفی را برای درک بهتر پدیده نشت و ورود آب در شبکه‌های توزیع گاز طبیعی شهری انجام دادند. انواع مختلفی از سنسورها که می‌توانند فشار، جریان، دما و ارتعاش را اندازه‌گیری کنند در خطوط انتقال جاگذاری شده‌اند و سیگنال‌های حاصل از این سنسورها با ناهنجاری‌های موجود در لوله‌های شبکه مورد تجزیه و تحلیل قرار گرفتند. این فرایند نتیجه‌گیری‌های منحصر به فردی را از داده‌های حسگر برای تشخیص هر ناهنجاری ایجاد می‌کند.
آن‌ها با استفاده از یادگیری ماشین و هوش مصنوعی نرم‌افزاری ایجاد کردند که سیستم به وسیله سیگنال‌های دریافتی از حسگرهای مستقر و با تطبیق این سیگنال‌ها با آنچه از قبل درمورد پردازش سیگنال‌ها آموخته، بتواند در تشخیص ناهنجاری‌ها بسیار حساس و دقیق عمل کند. در طول آزمایش در مجموع 16 سنسور فشار و 4 سنسور جریان از انواع مختلف در خطوط بالابر، خط سرویس و خط اصلی، در سه مکان مختلف مستقر شد. سپس داده‌ها تجزیه و تحلیل شد و آزمایش نشت و ورود آب نیز در این خطوط انجام شد.
در پایان پروژه، آزمایشی برای اثبات اثربخشی سیستم هوش مصنوعی شامل 13 تست مختلف برای یافتن ناهنجاری انجام شد. همه این 13 تست با موفقیت توسط الگوریتم همراه با اطلاعات مربوط به مکان و مدت زمان این نشت‌ها شناسایی شد.
