Мониторинг выбросов метана в реальном времени на основе искусственного интеллекта и прогнозирование утечек с использованием LiDAR и интеграции данных IoT-сенсоров на объектах upstream-сегмента нефтегазовой отрасли
AI-Driven Real-Time Methane Emissions Monitoring and Predictive Leak Detection Using Lidar and IOT Sensor Fusion in Upstream Oil and Gas Operations
2025-01-01
SCID: 54.1/6futpsrk
Discuss with AI
прогностическая аналитика ИИслияние данных LiDAR и IoT-сенсоровмониторинг выбросов метанапрогнозирование утечекдобыча нефти и газа
Figures from the paper
Abstract (AI)
В исследовании рассматривается сохраняющаяся проблема задержанного, фрагментированного и недостаточно интегрированного обнаружения утечек метана на объектах upstream-сегмента нефтегазовой отрасли, где традиционные подходы, основанные на инспекциях, часто не позволяют выявлять пространственно распределённые, эпизодические и высокорисковые события выбросов. Цель исследования заключалась в оценке того, может ли основанная на искусственном интеллекте система мониторинга метана в реальном времени, использующая LiDAR и интеграцию данных IoT-сенсоров, повысить эффективность мониторинга, результативность прогнозирования утечек, надёжность и готовность к внедрению в условиях upstream-среды. Исследование выполнено в рамках количественного поперечного кейс-ориентированного дизайна, сфокусированного на облачных корпоративных системах мониторинга в upstream-сегменте нефтегазовой отрасли; использовалась целевая выборка из 214 валидных ответов специалистов, занятых в мониторинге метана, эксплуатации, обеспечении соответствия требованиям, техническом обслуживании и интеллектуальных системах. Ключевые переменные включали возможности LiDAR-мониторинга, эффективность интеграции данных IoT-сенсоров, возможности прогнозной аналитики на основе искусственного интеллекта, эффективность мониторинга метана в реальном времени, результативность прогнозирования утечек, возможности реагирования на утечки, готовность и надёжность интеграции сенсорных данных, преимущество по срокам обнаружения утечек и уверенность в сценариях высокого риска. Данные собирались с помощью структурированной анкеты с 5-балльной шкалой Лайкерта и анализировались с использованием описательной статистики, альфа-коэффициента Кронбаха, корреляционного анализа и множественной регрессии. Результаты показали высокие положительные оценки по всем основным конструктам, включая возможности прогнозной аналитики на основе искусственного интеллекта (M = 4.23, SD = 0.58), результативность прогнозирования утечек (M = 4.20, SD = 0.60), возможности LiDAR-мониторинга (M = 4.18, SD = 0.61) и эффективность мониторинга метана в реальном времени (M = 4.15, SD = 0.63). Корреляционный анализ выявил значимые положительные связи, включая связь LiDAR с эффективностью мониторинга в реальном времени (r = .742, p < .001), возможностей искусственного интеллекта с результативностью прогнозирования утечек (r = .768, p < .001), а также эффективности мониторинга в реальном времени с...
Key Findings
1
Возможности прогнозной аналитики ИИ имели сильную положительную связь с эффективностью прогнозного обнаружения утечек (r = .768, p < .001).
2
Возможности LiDAR имели сильную положительную связь с эффективностью мониторинга метана в реальном времени (r = .742, p < .001).
3
Респонденты высоко оценили возможности ИИ-аналитики (M = 4,23), эффективность прогнозного обнаружения утечек (M = 4,20), мониторинга LiDAR (M = 4,18) и мониторинга метана в реальном времени (M = 4,15).
4
Результаты подтверждают потенциал интеграции LiDAR, IoT и ИИ для улучшения мониторинга в реальном времени и прогнозного обнаружения утечек метана на основе оценок профессиональных участников.
5
В исследовании оценивается система мониторинга метана в реальном времени на основе ИИ, объединяющая LiDAR и слияние данных IoT для нефтегазовых операций upstream.
Research Object
Мониторинг выбросов метана в реальном времени на основе ИИ и прогнозное обнаружение утечек на объектах добычи нефти и газа
Research Subject
Влияние объединения данных LiDAR и IoT-сенсоров с прогнозной аналитикой на основе ИИ на эффективность мониторинга и обнаружения утечек, достоверность и готовность к внедрению
Publication Details
Publication Date
2025-01-01
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest