Managing Uncertainty in Design and Operation of Natural Gas Infrastructure

Abstract

Summary of the thesis: This thesis concerns the management of uncertainty in design and operation of natural gas infrastructure by means of mathematical programming. The export of natural gas is an important industry in Norway. Investments in infrastructure such as subsea pipelines and processing facilities with long lifetime are capital intensive and mandate thorough analysis of future cash flows to assess profitability.

Several crucial parameters are uncertain, such as resources, costs and future prices, and analysis of net present value should consider this uncertainty carefully. The long lifetime with significant short-term uncertainty and variability in addition to long-term uncertainty makes this particularly challenging.

Natural gas is not a homogenous commodity, and different composition of gas from each field makes the management of gas quality an important consideration. Gas quality may be altered through mixing in the transport pipeline network, or in processing facilities. Accounting for pooling in the network with quality constraints introduces computationally expensive non-convex formulations.

The main contributions of the work in this thesis consists of modelling short- and long-term uncertainty for design and operation of natural gas networks in models that combine these demands and introduce multi-horizon stochastic programming.

The pooling problem is addressed by a novel discretization scheme and auxiliary linear programs that will improve solution times in many instances. A generalized global optimization multi-commodity pooling formulation with processing facilities and composite quality constraints is appropriate for analysis in this context.

Traditionally, analysts consider uncertainty as exogenous, i.e. unaffected by the decisions in the model. In this thesis, the work on stochastic programming with endogenous uncertainty is reviewed with an expanded taxonomy, with several novel models with decision-dependent probabilities. This demonstrates how this problem may be addressed through the framework of stochastic programming with recourse.

Sammendrag av avhandlingen:

Denne avhandlingen omhandler håndtering av usikkerhet i design og drift av infrastruktur for transport og prosessering av naturgass ved hjelp av matematisk programmering eller optimering. Eksport av naturgass er en viktig næring i Norge. Investeringer i infrastruktur som undersjøiske transportrørledninger og prosessanlegg med lang levetid er kapitalintensive og krever grundig analyse av fremtidige kontantstrømmer for å vurdere lønnsomheten.

Flere viktige parametere er heftet med usikkerhet, slik som ressursgrunnlaget, kostnader og fremtidige priser, og analyser av netto nåverdi bør vurdere denne usikkerheten med nennsomhet. Den lange levetiden med betydelig kortsiktig usikkerhet og variasjon i tillegg til den langsiktige usikkerheten gjør dette spesielt krevende.

Naturgass er ikke en homogen vare, og forskjellig sammensetning av gass fra hvert felt gjør behandlingen av gasskvalitet viktig. Gasskvaliteten kan påvirkes og styres gjennom blanding i transportnettverket eller ved behandling i prosessanlegg. Å ta hensyn til slik blanding i nettverk med kvalitetsskranker introduserer beregningsmessig krevende ikke-konvekse problemformuleringer.

Hovedbidraget i arbeidet som presenteres i denne avhandlingen består av modellering av kortsiktig og langsiktig usikkerhet for design og drift av transportnettverk for naturgass i modeller som kombinerer disse behovene og introduserer optimering under usikkerhet med flere tidshorisonter (multi-horizon stochastic programming).

Problemet med blanding i nettverket som introduserer ikke-konvekse formuleringer blir håndtert med nye diskretiseringsregimer og lineære hjelpeproblemer som bedrer løsningstiden i mange tilfeller. En generalisert global optimering-formulering for dette problemet (pooling-problemet) basert på en flerkomponenttilnærming med beskrankninger hvor flere av komponentene inngår er utviklet for å svare på utfordringene i denne sammenhengen.

Normalt vil analytikere behandle usikkerheten som eksogen, det vil si at den ikke påvirkes av beslutningene som gjøres i modellen. I denne avhandlingen blir arbeidet på stokastisk programmering med endogen usikkerhet utvidet med flere modeller med beslutningsavhengig usikkerhet. Slik demonstreres hvordan dette problemet kan angripes innenfor rammeverket av stokastisk programmering.