Forecasting gas demand and optimizing set-point pressure for efficient gas distribution networks

The use of fossil fuels, including natural gas, has significantly increased over the last century, leading to environmental concerns. Natural gas, being the cleanest among fossil fuels, is increasingly being considered as a replacement for coal and oil in many sectors, including electricity generation, heavy industries, and household heating. However, natural gas distribution networks are associated with methane emissions, a potent greenhouse gas that has 27 times more Global Warming Potential (GWP) than carbon dioxide. In this work, we present a novel approach to optimize gas distribution networks by minimizing the pressure while ensuring sufficient supply to meet demand. Our contributions focus on two areas: forecasting of gas demand and subsequent set-point pressure optimization at gas regulation and delivery stations. We developed a data-driven technique called Snap Transition to forecast daily gas demand using historical consumption for each individual user, which models the domestic consumption as a choice among two processes: Hot Season and Cold Season. We then use this forecast to compute the minimum setpoint pressure needed at gas regulation and delivery stations to guarantee supply. We developed a set-point pressure binary search algorithm that injects the users’ flow peak demand, obtained through a heuristic from the forecasted consumption, into a steady-state simulator to check the feasibility of selected pressure values. Additionally, we developed two methods, one Montecarlo-like and one Quantile-based, to handle uncertainty in the gas demand forecast. Our results show that our approach can effectively optimize gas distribution networks while reducing pressure and maintaining sufficient supply.

L’utilizzo di combustibili fossili è aumentato in modo significativo nell’ultimo secolo, causando un riscaldamento globale tramite l’emissione di gas serra. Nonostante ciò il gas naturale, essendo il combustibile fossile con meno emissioni, viene considerato sempre di più come sostituto ideale del carbone e del petrolio in molti settori, come quello per la produzione di energia elettrica, delle industrie pesanti e del riscaldamento domestico. Tuttavia, le reti di distribuzione del gas naturale sono associate alle emissioni di metano, un gas serra con un potenziale di riscaldamento globale (GWP) 27 volte maggiore rispetto a quello del diossido di carbonio, acuendo così gli effetti del cambiamento climatico. In questo lavoro presentiamo un nuovo approccio per ottimizzare le reti di distribuzione del gas, minimizzando la pressione e garantendo al contempo una fornitura di gas sufficiente a soddisfare la domanda. I nostri contributi si concentrano su due aree: la previsione della domanda di gas e la successiva ottimizzazione del set-point di pressione presso le cabine di riduzione del gas. Abbiamo sviluppato una tecnica chiamata "Snap Transition" per prevedere la domanda giornaliera di gas utilizzando il consumo storico per ogni singolo utente, che modella il consumo domestico come una scelta tra due processi: uno per la stagione calda e l’altro per la stagione fredda. Successivamente, utilizziamo questa previsione per calcolare la pressione minima di set-point necessaria alle cabine di riduzione tale che la fornitura sia garantita in ogni momento. A tale fine, abbiamo sviluppato un algoritmo di ricerca binaria della pressione di set-point che utilizza il picco di portata giornaliera degli utenti, ottenuto attraverso un’euristica a partire dal consumo previsto, in un simulatore fluidodinamico di stato stazionario, in modo da poter verificare la fattibilità dei valori di pressione selezionati. Inoltre, abbiamo sviluppato due metodi, di tipo Monte Carlo e Quantile, per gestire l’incertezza nella previsione della domanda di gas. I risultati ottenuti mostrano che il nostro approccio può ottimizzare efficacemente le reti di distribuzione del gas, riducendo la pressione pur garantendo la fornitura.