State Estimation and Data Reconciliation in Gas Transportation Network by Extended Kalman Filtering with application to the Italian Case

Recently, natural gas (NG) has acquired a key role in the energy transition as an increas- ingly present source in the various European energy mixes and in particular in Italy. NG transport is based on a complex infrastructure, which requires appropriate management to minimise energy consumption and CO2 emissions. In the context of a collaboration between SNAM and Politecnico di Milano, several projects have been developed with the ultimate aim of optimizing network management and developing a Digital-Twin that can be used to simulate What-If scenarios. Modelica network modeling and simulation framework is used in this thesis to develop a state estimation and data reconciliation algorithm. Given the dynamic model and net- work measurements acquired through the supervision system, the goal is to develop a tool that can be used to monitor the network in real time, ensuring estimates consistent with system dynamics while correcting errors in the available measurements. An algorithm based on an Extended Kalman Filter (EKF) is implemented, with aug- mented state to handle unaccounted error models (bias and uncertain gains) and to esti- mate the presence of unknown gas consumption. To validate the proposed solution, the developed framework is tested on a portion of the national network using as measurement reference synthetic data suitably modified to introduce artificially known error sources. This work down the foundations for a future application of the algorithm to reconcile real-time measurements from the network.

Negli ultimi anni il gas naturale (GN) ha acquisito un ruolo chiave nella transizione energetica come fonte sempre più presente nei vari mix energetici europei e in particolare in quello italiano. Il trasporto del GN si basa su una complessa infrastruttura, che richiede un'appropriata gestione per minimizzarne i consumi energetici e le emissioni di CO2. Nel contesto di una collaborazione tra SNAM e il Politecnico di Milano, sono stati sviluppati diversi progetti che hanno come fine ultimo l'ottimizzazione della gestione della rete e lo sviluppo di un Digital-Twin che possa essere utilizzato per simulare scenari What-If. Questa tesi riprende il framework di modellistica e simulazione della rete sviluppato mediante Modelica e lo pone come base per lo sviluppo di un algoritmo di stima dello stato e riconciliazione dei dati. Dato il modello dinamico e le misure della rete acquisite mediante il sistema di supervisione, l'obiettivo è quello di sviluppare uno strumento che possa essere utilizzato per monitorare la rete in tempo reale, garantendo stime consistenti con le dinamiche del sistema e correggendo gli errori presenti nelle misure disponibili. Viene quindi implementato un algoritmo basato su una versione del Filtro di Kalman Esteso (EKF) con stato aumentato per gestire modelli degli errori non gaussiani (bias e guadagni incerti) e per stimare la presenza di consumi non contabilizzati. Per validare la soluzione proposta, il framework sviluppato viene testato su una porzione della rete nazionale utilizzando come misure di riferimento dei dati sintetici opportunamente modificati per introdurre artificialmente fonti di errore note. Questo lavoro pone le basi per una futura applicazione dell'algoritmo per riconciliare in tempo reale le misure reali provenienti dalla rete.