一种基于液态空气储能枢纽站的分布式压缩空气储能系统模型预测控制方法.pdf

在当前面临的环境污染和气候变化问题中，再电气化成为了关键的发展趋势之一。这包括将传统能源如煤炭和石油等逐步替换为电力，例如在家庭和工业中使用电能替代煤炭、将交通工具电气化等措施。这些措施将会显著增加电力在终端能源利用中的比例，从而提高配电网尤其是城市电网的电力负荷水平，为配电网的运行、安全及可靠性带来新的挑战。 储能作为智能电网的一个重要组成部分，对提高供电的可靠性和安全性具有不可替代的作用。目前，一种新的储能方式即基于液态空气储能枢纽站(LAES)的分布式压缩空气储能系统(CAES)模型预测控制(MPC)方法，已经引起了业内的广泛关注。CAES系统是指通过电力驱动空气压缩机将空气压缩存储起来，在需要的时候释放空气驱动涡轮发电的一种储能方式。 文章中提到的基于液态空气储能枢纽站的分布式CAES系统模型预测控制方法，具体是指在LAES枢纽站的基础上，提出一种分布式安装配置方法。这种方法结合了双层优化模型预测控制方法，不仅满足了配电网和液态空气-压缩空气储能系统的安全运行条件，而且以日前运行成本最小和实时运行偏差最小为目标。通过优化配电网络的运行，可以保证系统的稳定性和高效性。 文章还提到，为了验证所提出的模型预测控制方法的正确性和实用性，研究者使用了改进的IEEE30节点测试系统进行了实际的验证。IEEE30节点测试系统是电力系统分析中广泛使用的标准测试系统，用于研究电力系统的潮流计算、稳定性分析、优化控制等问题。通过在实际的配电网络模型上应用提出的控制策略，证明了该方法能有效地解决配电网络在分布式储能系统接入后所面临的运行和控制问题。 液态空气储能（LAES）利用夜间低谷时段富余电力，将空气液化并储存在低压容器中，需要时再通过气化过程驱动涡轮机发电。与传统的压缩空气储能技术相比，LAES系统具有更高的能效、更灵活的运行能力以及可以长期存储电能的潜力。而CAES系统由于其较低的建设成本和运行成本，被视作一种很有前途的大型电能储存解决方案。 模型预测控制（MPC）是一种先进的控制策略，它通过预测未来一段时间内系统的行为，并在每个控制步骤上优化一个预定性能指标，来达到对未来行为的控制。MPC的优势在于能够处理各种约束条件，优化控制系统的整体性能，并且能够很好地适应系统的动态变化。在储能系统中应用MPC方法，可以实现对储能系统充放电的精确控制，保证电力系统的稳定性，同时提高储能效率。 本文所提出的基于液态空气储能枢纽站的分布式压缩空气储能系统模型预测控制方法，是对现有储能技术的一种创新和补充。随着可再生能源的大量接入和能源转型的推进，该方法将对促进智能电网的进一步发展和完善起到重要作用。同时，该技术的深入研究和应用也预示着未来电网在优化资源配置、保障供电安全、提升系统稳定性和运行效率等方面将取得更大的技术突破。