Capítulo 6 - Conclusiones y trabajos futuros
A lo largo de este trabajo se ha desarrollado el diseño de un sistema automático para la planificación óptima de una red de gas natural que cuenta con tres fuentes de suministro: plantas de regasificación, almacenes subterráneos y conexiones internacionales. La red es operada en un mercado liberalizado por el gestor técnico del sistema, que debe asegurar la coordinación entre las distintas comercializadoras de gas de una forma objetiva y transparente, mientras satisface la demanda y mantiene la red en condiciones técnicas de seguridad.
La implementación del sistema se ha enfocado como un problema de optimización, siendo el núcleo central del sistema un modelo matemático de programación lineal entera-mixta (MILP). El modelo planifica el transporte del gas a lo largo de un cierto periodo de optimización, con los siguientes objetivos a minimizar:
- Los retrasos en la planificación de descargas de los buques metaneros respecto a la nominación original.
- Los autoconsumos de las estaciones de compresión.
- La diferencia entre la producción demandada por los usuarios y la planificada, en los tres suministros de la red.
El sistema se ha implementado para la red básica de gasoductos españoles, y presenta tres niveles de precisión: un nivel sin transporte, que realiza un balance global de la red; un modelo intermedio, que gestiona el transporte entre las cinco zonas en que se divide la red, y realiza un balance global dentro de cada una de las zonas; y el tercer nivel, que modela la red tramo a tramo dentro de las zonas que deseemos tratar con esa resolución. Esta estrategia ha demostrado ser muy útil, ya que se obtienen resultados correctos y fiables desde el nivel de menor resolución: la precisión de las variables de decisión obtenidas no se ve afectada, mientras que se ahorra tiempo de cómputo.
Esto se debe en efecto a que estamos tratando con un sistema muy limitado, lo cual justifica la utilidad de nuestra herramienta: de la dificultad de gestionar el transporte de forma manual surge la necesidad de una automatización de este tipo. El sistema está implantándose en el GTS español, que ahora mismo reside en la empresa Enagás.
Además de esto, se ha implementado, para la Zona II de la red básica de gasoductos, un modelo que contempla los elementos de transporte a nivel físico, esto es, no sólo los movimientos de flujo sino también las presiones dentro de los mismos.
Cabe destacar finalmente que se ha creado un modelo fácilmente extrapolable a otras infraestructuras, es decir a otras configuraciones, tanto de la red como de los turbocompresores de que se dispone dentro de las estaciones de compresión. Así, esta estrategia permitiría también, de una forma sencilla y sin tener que crear un modelo desde cero, ayudar a tomar decisiones a la hora de diseñar una red o ampliarla, como por ejemplo, ante la decisión de dónde convendría poner un almacenamiento, o si sería ventajoso poner un turbocompresor más en una estación de compresión, etc.
Las propuestas de los usuarios técnicos del sistema, así como los intereses académicos del trabajo realizado, nos sugieren las siguientes líneas futuras de investigación:
- Introducir las presiones en el modelo de transporte para los gasoductos y las estaciones de compresión, de manera que el usuario pueda escoger aquellos elementos cuyo comportamiento físico quiera que intervengan en la optimización.
- Implementar un modelo complementario capaz de interpretar las causas de las posibles insatisfacibilidades del sistema frente a unos datos determinados. Este tema se podría abordar calculando los conjuntos mínimos de restricciones que se han de eliminar para que el problema sea satisfacible, así como introduciendo de manera selectiva variables slack auxiliares y minimizando el modelo respecto a dichas variables.
- Diseñar un sistema para realizar análisis empírico de sensibilidad usando técnicas de barrido para los parámetros de interés.
[1] Goslinga, J., Kaulback, M., Witczak, K. y McNeill, B. “A Method for Pipeline Network Optimization”, ASME Offshore Mechanics and Arctic Engineering, Volume V., Pipeline Technology, pp.31-43, 1994.
[2] Osiadacz, A.J. y Bell, D.J. “Simplified Algorithm For Optimization Of Large-Scale Gas Networks”, Optimal Control Applications and Methods, Vol. 7, pp. 95-104, 1986.
[3] Rachford, Jr. H.H. y Carter, R. G. “Optimizing Pipeline Control In Transient Gas Flow”, Pipeline Simulation Interest Group, 32nd Annual Meeting, 2000.
[4] Shaw, D.C. “Pipeline System Optimization: A Tutorial”, Pipeline Simulation Interest Group, 26th Annual Meeting, San Diego, CA, October, 1994.
[5] Sung, W., Huh, D., Lee, J. y Kwon, O. “Optimization of Pipeline Networks with a Hybrid MCST-CD Networking Model”, SPE Production and Facilities, pp. 213-219, August 1998.
[6] Wilson, J.G, Mallinson, J.R. y Ceney, J.E. “Simulation and Optimization of Gas Transmission Systems”, Int. Gas Research Conference, pp.373-385, 1986.
[7] Percell, P.B. y Ryan, M.J. “Steady-State Optimization of Gas Pipeline network Operation”, Pipeline Simulation Interest Group, Annual Meeting, Tulsa, Oklahoma, October 22-23, 1987.
[8] Tsal, R.J., Gordon, E., Simpson, K.O. y Olson, R. R. “Optimal Gas Pipeline Design via Dynamic Programming with Variable Stages”, Pipeline Simulation Interest Group, Annual Meeting, New Orleans, LA, October 30-31, 1988.
[9] Gopal, V.N. “Techniques to optimize fuel and compressor combination selection”, American Gas Association Transmission Conference, 1979.
[10] Zimmer, H.I.. “Calculating optimum pipeline operations, American Gas Association Transmission Conference, 1975.
[12] Short, M. y Meller, S.H. “Elements of Comprehensive Pipeline Optimization”, International Pipeline Conference, Volume 2, pp. 1211-1220, 1996.
[13] Bolkan, Y.G., Mehrotra, A.K. y Hastaoglu, A.M. “Development of an Efficient Algorithm for Optimal Pipeline Design and Operation”, ASME Offshore Mechanics and Arctic Engineering, Volume V-B, Pipeline Technology, pp.517-524, 1992.
[14] Carter R. “Pipeline optimization: Dynamic programming after 30 years”, Pipeline Simultaion Interest Group, URL: www.psig.com, 1998.
[15] Goldberg, D.E. y Kuo, C.H. “Genetic Algorithms in Pipeline Optimization”, Pipeline Simulation Interest Group, Annual Meeting, Albuquerque, New Mexico, October 24-25, 1985.
[16] Goldberg, D. E. “Computer-Aided Pipeline Operation Using Genetic Algorithms and Rule Learning. Part I: Genetic Algorithm in Pipeline Optimization”, Engineering with Computers, Vol 3 (1), pp. 35-45, 1987.
[17] Wright S., Somani M., y Ditzel C.. “Compressor station optimization”, Pipeline Simulation Interest Group, Denver, Colorado, October 1998.
[18] Smeers, Yves y De Wolf, Daniel. “The gas transmission problem solved by an extension of the simplex algorithm”, MANAGEMENT SCIENCE, Vol. 46, Nr. 11:1454.1465, 2000.
[19] Sekirnjak, E. “Mixed Integer Optimization for Gas Transmission and Distribution Systems”, INFORMS Meeting, Seattle, October 1998.
[20] Ruz José, Sáenz Fernando, y de la Cruz Jesús. “Modeling Natural Gas Networks for Planning and Scheduling”, Proc. 4th Workshop on Constraint Programming For Decision and Control, Poland, pp. 17-24, 2002.
[21] Möller, M., “Mixed Integer Models for the Optimisation of Gas Networks in the Stationary Case”, PhD thesis, Technische Universität Darmstadt, 2004.
[22] Wu, S., Ríos-Mercado, R. Z.,. Boyd, E.A y Scott, L.R., “Model Relaxations for the Fuel Cost Minimization of Steady-State Gs Pipeline Networks” Mathematical and Computer Modelling, 31(2-3):197-220, 2000.
[23] Martin, A., Möller, M., y Moritz, S., “Mixed integer models for the stationary case of gas network optimization”, Math. Programming, v105, pp. 563-582, 2006.
[24] Van der Hoeven, T., “Constrained Network Simulation”, PSIG 0311, 2003.
[25] Letniowski, F. W., “Compressor Station Modelling in Networks”, PSIG, 1993.
[26] Carter, R. G., “Compressor Station Optimization: Computational Accuracy and Speed”, PSIG, 1996.
[27] Herrán González, A., “Modelado, Planificación y Control de Sistemas de Distribución de Gas y Derivados del Petróleo”, Tesis Doctoral, Universidad Complutense de Madrid, 2008.
Capítulo 2: Bases físicas de la red básica de gasoductos
Capítulo 3: Bases matemáticas y computacionales
Capítulo 6: Conclusiones y trabajos futuros