Der Bericht stellt einen auf mathematischer Modellierung basierenden Szenario-Generator vor, der eine operative Analyse des europäischen Erdgastransportnetzes ermöglicht und dabei ausschließlich offene Daten verwendet. Die Autoren, Inci Yueksel-Erguen, Thorsten Koch und Janina Zittel, sind Mitarbeiter der Abteilung für Angewandte Algorithmische Intelligenzmethoden am Zuse-Institut Berlin und des Lehrstuhls für Software und Algorithmen der Diskreten Optimierung an der Technischen Universität Berlin. Die Arbeit wurde im Rahmen der Horizon 2020 Finanzhilfevereinbarung Nr. 773897 durchgeführt und vom Bundesministerium für Bildung und Forschung über den Forschungscampus MODAL (Förderkennzeichen 05M14ZAM, 05M20ZBM) unterstützt. Der Bericht wurde am 27. März 2024 veröffentlicht und spiegelt einen Projektzeitraum wider, der sich über die frühen 2020er Jahre erstreckt und in diesem technischen Abschlussbericht gipfelt.
Technisch gesehen besteht der Generator aus zwei linearen Programmierungsmodellen (LP), die auf hierarchische Art und Weise arbeiten. Das erste Modell, M1, stellt das paneuropäische Netz als ein kapazitives Minimum-Cost-Flow-Problem dar. Es verwendet als Input die Topologie auf hoher Ebene aus den ENTSOG-Transportplan-Daten, zusammen mit den Zahlen zur Gasversorgung aus Importen, LNG-Terminals, unterirdischen Gasspeichern und der inländischen Produktion sowie der aggregierten Nachfrage aller EU-Mitgliedstaaten. M1 berechnet die kumulativen Gaszuflüsse und -abflüsse für eine ausgewählte Region und stellt sicher, dass das gesamte gelieferte Gas so verteilt wird, dass es die regionale Nachfrage deckt und gleichzeitig die Kürzungen minimiert werden. Das zweite Modell, M2, zerlegt diese regionalen Zu- und Abflüsse auf die einzelnen Ein- und Ausspeiseknoten des regionalen Netzes. M2 ist eine lineare Annäherung an das physische Gastransportnetz, die die ungefähren Kapazitätsgrenzen der Pipelines und die Verteilung der Nachfrage auf die Knotenpunkte der Region berücksichtigt. Die Ausgabe von M2 ist ein knotenbasiertes Szenario, das in einen vollständigen nichtlinearen Gasnetzoptimierer (GNO) für Machbarkeitsprüfungen und detaillierte Betriebsstudien eingespeist werden kann.
Die Autoren demonstrieren den Generator am Beispiel des deutschen Gastransportnetzes. Indem sie die offenen ENTSOG-Daten in M1 und M2 einspeisen, erzeugen sie realistische Zu- und Abflussszenarien auf Knotenebene, die alle regionalen Beschränkungen erfüllen. Der Szenario-Generator eliminiert undurchführbare Szenarien, die sich sonst aus dem entspannten linearen Modell ergeben würden, und verbessert so die Zuverlässigkeit der nachfolgenden nichtlinearen Optimierungen. Die Fallstudie zeigt auch, dass die generierten Szenarien zur Bewertung der Datenqualität verwendet werden können: Unstimmigkeiten in den offenen Daten werden identifiziert, wenn das lineare Modell die auferlegten Beschränkungen nicht erfüllen kann. Obwohl der Bericht keine expliziten numerischen Leistungskennzahlen enthält, garantiert die Verwendung von LP die Lösbarkeit in polynomialer Zeit, und die Autoren stellen fest, dass der Generator ein vollständiges Szenario innerhalb von Minuten auf Standardhardware erzeugen kann.
Über die unmittelbare Anwendung auf Erdgas hinaus skizzieren die Autoren mehrere Erweiterungen. Das Tool kann in eine dynamische Version umgewandelt werden, die Zeitserienszenarien für instationäre Analysen erstellt. Obwohl es derzeit kostenneutral ist, kann das Framework mit Kostenparametern angereichert werden, um die Kosten für die Einschränkung und den Redispatch zu bewerten. Derselbe Modellierungsansatz kann an Wasserstoffpipelines angepasst werden, und die C2F-Integrationsmethode, die zur Kopplung von M1 und M2 verwendet wird, dürfte auch für andere mehrschichtige Netzstudien nützlich sein. Diese zukünftigen Richtungen unterstreichen die Flexibilität des Generators für eine breite Palette von Forschungsfragen zur Energiewende.
Zusammenfassend lässt sich sagen, dass das Projekt einen robusten, auf offenen Daten basierenden Szenariengenerator liefert, der die Lücke zwischen den Daten des europäischen Gasnetzes auf hoher Ebene und den detaillierten regionalen Betriebsmodellen schließt. Er verbessert die Datenqualität, unterstützt Machbarkeitsanalysen und bietet eine Grundlage für die weitere Erforschung von Dekarbonisierungspfaden und der Integration von Multi-Energie-Systemen.