混合液氣壓縮儲能機電系統控制策略

張立偉　羅秋風　安　琪

（北京交通大學電氣工程學院　北京　100044）

混合液氣壓縮儲能機電系統控制策略

張立偉羅秋風安琪

（北京交通大學電氣工程學院北京100044）

微小規模壓縮空氣儲能是一種環保且很有發展前景的儲能方式。本文分析了混合液氣壓縮儲能系統中機電轉換環節的工作特性，進而對儲能系統的電機控制策略進行研究，提出了利用最大效率點和最大功率點跟蹤混合控制策略。針對混合液氣壓縮儲能系統中能量形式轉換多的特點，利用宏觀能流表示法對混合壓縮空氣儲能系統進行建模，重點對機電轉換環節進行仿真。分別利用最大效率點跟蹤、最大功率點跟蹤以及兩種方法的混合控制作為系統控制策略，對比分析仿真結果，證明控制策略的控制效果。

壓縮空氣儲能系統宏觀能留表示法控制策略最大效率點跟蹤

0　引言

隨著新能源發電的廣泛應用，儲能技術得到了快速的發展［1-3］。微小容量壓縮空氣儲能系統（Compressed Air Energy Storage， CAES）由于其不受地理位置的影響，成本較大規模壓縮空氣儲能降低很多，在近年得到了很大的發展［4］。微小容量壓縮空氣儲能已經成為再生能源發電中儲能系統的一種新的選擇［5］。壓縮空氣儲能技術可以根據熱力學原理來提高效率，同時，機電轉換過程的能量轉換效率也是影響儲能系統效率的一個重要因素。傳統的單純空氣壓縮儲能技術利用異步電機，采用普通的傳統電機控制策略，可以達到壓縮空氣儲能的目的［6］，但是其系統效率較低。混合液氣壓縮儲能系統是將能量密度大的空氣壓縮儲能裝置與功率密度高的超級電容儲能裝置結合，構成混合儲能系統［7-10］。對于混合液氣壓縮儲能系統，文獻［11］利用最大功率點跟蹤（Maximum Power Point Tracking， MPPT）算法，對永磁同步電機進行控制。對于循環液氣混合壓縮儲能系統，文獻［12，13］提出利用最大效率點跟蹤（Maximum Efficiency Point Tracking， MEPT）算法對系統電機進行控制，從而使得電機的負載-液泵工作在最大效率點，以提高系統機電轉換效率。

由于系統機電能量的轉換是系統效率的重要影響因素，基于對混合液氣壓縮儲能系統機電轉換環節的研究，提出一種結合最大功率點跟蹤和最大效率點跟蹤的混合控制策略。并將其應用于儲能系統的電機控制策略中，來提高機電能量轉換效率。本文利用液氣混合壓縮空氣儲能技術，以壓縮過程為例，分別以最大功率點和最大效率點兩種控制理念實現對電機的控制。通過對系統進行宏觀能流表示法（Energetic Macroscopic Representation，EMR）建模仿真，分析兩種控制策略下的系統工作特性。對系統的電機控制策略進行研究，并最終提出一種綜合兩種理論的控制策略，以提高液泵的利用效率，從而提高壓縮空氣儲能系統的效率。

1　混合儲能系統機電能量轉換特性

1.1系統結構和工作原理

液氣混合壓縮空氣儲能系統如圖1所示。儲能時電機將電能轉換為機械能，帶動液泵轉動，將液罐中的液體壓入氣罐當中，利用液體活塞的概念，實現氣罐中氣體壓縮，從而儲存能量。釋能時，高壓氣體將液體從氣罐壓入液罐中并帶動液壓馬達轉動，從而帶動電機轉動，產生電能。

圖1　液氣混合壓縮空氣儲能系統Fig.1　Hydro-pneumatic compressed air energy storage system

1.2液泵特性與電機控制

系統的機電轉換環節由液泵和電機構成。液泵作為電機的負載，電機的控制將決定液泵的工作狀態，因此需要對液泵的工作特性進行研究，以此為依據來優化電機的控制策略。

電機將電能轉化為機械能，向液泵輸出轉矩Tsm，可知電機的轉速N為

式中，Thm為液泵作為電機負載的負載轉矩；J為轉軸的慣性系數，忽略了轉軸的摩擦損耗。從液罐流入液泵的液體流量為

式中，D為液泵的排量。根據標準氣體方程pV=nRT （p、V、n、T和R分別為理想氣體的壓強、體積、物質的量、溫度及理想氣體常數），可知等溫過程中氣體壓縮前后壓強與體積的乘積不變，故可得

式中，pam為標準大氣壓；Vs為氣罐體積。故可求得壓縮后氣體的壓強p。

液泵的轉矩表達式為

聯立式（3）～式（5）即可得到液泵的轉矩。

液泵的效率等于容積效率ηv與機械效率ηm的乘積，即

其中

式中，Qout為從液泵流出的液體流量。

由文獻［8］分析可知，整個壓縮過程的定義壓縮氣體做功效率為ηc_all，電機效率為ηmotor，變流器效率為ηinv，液泵工作效率為ηpump。整個壓縮儲能過程的總效率可表示為

根據熱力學原理采用多次壓縮、減小壓縮比等方式可以提高ηc_all。永磁同步電機效率較高且受負載影響較小，可假定ηm和ηinv一定，則提高液泵效率可以有效地提高系統的總效率。

由文獻［12，13］及液泵廠商提供數據可擬合得知液泵壓縮工作效率特性如圖2所示，圖2中Nk和ηk分別為第k次采樣的轉速及對應的效率計算值?？梢钥闯鲆罕霉ぷ鲿r的轉速和壓強決定了液泵的工作效率。因此，為了使液泵工作時有更高的效率，應考慮壓強變化的同時，控制電機轉速，使得液泵工作在最合理的轉速下。這就需要對儲能系統的電機控制策略進行研究。

圖2　液泵壓縮工作效率特性Fig.2　Characteristic of a pump working

2　機電轉換系統建模

宏觀能流表示法是一種基于元素間激勵-反應原則的圖形化建模方法［14］。每個元素由一個圖形表示，圖形內部可以是傳遞函數、數學關系式或者其他建模工具。元素之間的能量交換、激勵和反應，即輸入與輸出關系由箭頭表示［15］。這種方法最顯著的特點是從能量、功率鏈的角度出發，對系統內部各個模塊之間的作用進行描述。利用 EMR建模，可以實現復雜能量源系統的能流控制，在混合電動汽車、風力發電和工業自動化等方面應用廣泛［16］。

混合液氣壓縮空氣儲能系統包括電氣、機械、熱力學等不同能量狀態的傳遞和轉換，利用 EMR建模，可以簡化系統控制，提高系統設計開發效率。并且，EMR建模方法采取特殊的控制理念，即由EMR模型可以通過反演思想推出系統的控制模型［17］。本文在文獻［12］對儲能系統EMR理論分析的基礎上，在Matlab平臺上搭建了EMR模型進行仿真。圖3為EMR基本模型庫。

圖3　EMR基本模型庫Fig.3　Energetic macroscopic representation blocks

2.1液泵負載模型

液泵實現了液體動能到轉軸轉動機械能的轉換，因此由機械變換模塊表示，結合液泵工作特性分析，可由式（10）和式（11）建模。其中，輸入量為轉速和壓強差，輸出量為流量和電機負載轉矩。

儲能裝置的建模。由源模塊來表示，利用理想氣體狀態方程pV=nRT可得

式中，Vair為氣罐體積。

2.2電機及控制模塊

2.2.1電壓源逆變器的建模

由于逆變器接三相對稱負載，因此建模時只需考慮兩個變量（第三個變量可由前兩個變量線性表示）。定義逆變器中功率開關器件函數當時表示開關管關斷；當時表示開關管開通。橋臂數橋臂上的開關數｛1，2｝j∈。

基于開關函數，可定義調節量

由此可得母線電壓ucap和逆變器電壓uinv，uinv= ［uinv13，uinv23］T以及逆變器電流iinv與線電流iline，iline= ［iline1，iline2］T的關系為

2.2.2永磁同步電機的建模

本文中忽略了永磁體和繞組損耗。在dq旋轉坐標軸下建模需對定子三相電壓做Park變換，三相靜止坐標系下定子三相電壓usm_123=［us1，us2，us3］T，usm_123可由uinv表示為

兩相旋轉坐標系下的定子電壓 usm_dq和定子電流ism_dq可由Park變換得出。

式中，θ 為轉子和定子位置的角度差，可以通過轉速得出，即

式中，Np為電機極對數；Ωshaft為液壓泵的轉軸角速度。

在此模型中，電機由一個能量累積模塊和一個機電轉換模塊表示。能量累積模塊中電機電流ism_dq可由定子電壓和電機電動勢esm_dq得出

式中，Ls和rs分別為電機定子電感和繞組電阻。

2.2.3機電轉換模塊

電機轉矩和電動勢由電機的電流和轉速決定。傳統的電機控制均將isd_ref置零［18］，可得

式中，φrd為永磁體產生的永磁磁鏈。

2.2.4電機和液泵的連接模塊

電機和液泵轉矩加在轉軸上，從而產生轉速，由式（22）可確定液泵轉速。

式中，f為摩擦系數。

通過以上分析完成了儲能系統的建模過程，進而可以利用 EMR反演控制規則完成儲能系統的控制系統建模。

2.2.5控制策略模塊

控制策略模塊基于最大功率點控制和最大效率點控制算法，通過編程實現。

（1）連接模塊的反演控制模塊。連接模塊是能量累積模塊，其對應反演規則應通過PI控制實現。

式中，Cont［Xref-Xmes］表示變量X的控制器，一般由PI控制器實現；Tsm_ref、Tsm_mes為電機轉矩的參考值和測量值。

（2）電機模塊的反演模塊。對電機模塊進行反演運算可得

電機繞組模塊為能量累積模塊，通過控制器實現對其反演運算。

式中，ism_ref、ism_mes為定子電流的參考值和測量值；esm_mes為電機電動勢的測量值。

（3）Park變換模塊的反演模塊。對Park變換進行如下反演運算，可得到其反演模塊。

（4）逆變器模塊的反演模塊。通過電壓可得出調節量參考值mref。

2.3機電系統EMR模型

基于以上分析，完成了機電系統 EMR建模，如圖4所示。系統其他部分由圓形源模塊代替，上側模塊為系統正向能量流動模塊，下側模塊為EMR反演控制模塊。

3　混合儲能系統電機控制策略

3.1MEPT控制

儲能系統最大效率點跟蹤控制流程如圖 5所示。在初始階段，利用二次插值法給定參考轉速，使得液泵快速啟動。啟動完成后，利用液泵工作效率特性圖判斷液泵的工作點位于最大效率點左側或右側，從而修正轉速，完成液泵的最大效率點跟蹤控制。

圖4　機電系統EMR建模Fig.4　Simulation mode of the CAES system bassed on EMR

圖5　儲能系統最大效率點跟蹤控制流程Fig.5　Flow chart of CAES based on MEPT

圖5中

3.2MPPT控制

最大功率點跟蹤方法如下：利用液泵功率計算式

得到控制策略，當電機功率小于系統設計功率時，給定較高的參考速度，使得系統功率快速升高，以便快速儲存能量。當電機功率達到系統設計功率后，利用式（30），計算系統工作在最大功率時的參考轉速，從而控制系統工作在最大功率點。

4　仿真和實驗

系統主要參數：系統設計功率 15kW；電機額定功率11kW，額定轉速2 000r/min；液泵型號Parker F12—125；儲氣罐容量為 500L；最大儲氣壓強150bar（1bar=1×105Pa）；電機繞組電阻（線-線）0.3Ω；繞組電感（線-線）6.54mH；電機轉動慣量162.6kg·cm2。基于Matlab/Simulink以系統壓縮過程為例，對不同控制策略進行仿真，對比分析系統的工作狀態。

4.1MEPT控制算法仿真

按照圖5，利用Matlab編寫MEPT算法，并進行仿真，可得MEPT控制仿真波形如圖6所示。

圖6　最大效率點跟蹤控制仿真波形Fig.6　Simulation waveforms of MEPT control

由仿真結果可以看出系統根據儲氣罐壓強變化，實時調整轉速，使液泵的工作效率保持在較高的數值。但在系統壓強較高時，功率遠遠超出系統的設計功率，且在壓縮后期，系統的轉速始終高于電機的額定轉速，會造成電機發熱甚至損壞。存在極大的安全隱患。

4.2MPPT算法控制仿真

當電機功率小于 15kW 時，設定參考轉速為2 200r/min，當電機功率達到系統設計功率后，利用式（30），計算系統工作在最大功率時的參考轉速。MPPT控制仿真波形如圖7所示。

圖7　最大功率點跟蹤控制仿真波形Fig.7　Simulation waveforms of MPPT control

由圖7可看出，利用MPPT控制，很好地限制了系統的功率和轉速，改善了最大效率點跟蹤算法的不足，但是從效率波形中明顯看出此方法的效率遠低于MEPT控制。

4.3MEPT和MPPT混合算法控制仿真

基于以上分析，本文提出利用MEPT和MPPT混合算法，對系統進行控制。在初期利用MEPT算法，使系統工作在較高的效率點，當系統壓強較高時，切換至MPPT算法，限制系統運行的功率和轉速。

圖8　混合控制策略仿真波形Fig.8　Simulation waveforms of MEPT and MPPT control

從圖8混合控制策略仿真波形可以看出，前期采用MEPT控制，使系統快速壓縮，達到10 kW后切換至MPPT控制，此時轉速出現振蕩下降，但很快達到穩定，穩步下降。

由仿真結果可以看出，利用混合控制策略，限制了功率的增長速度，使系統在可接受功率內維持最大的轉速，并且可以使效率維持在較高的數值，達到了預期效果。

通過仿真模型，對儲能系統輸入側電壓電流乘積作積分測得系統的輸入功率仿真結果如圖 9所示。由式（31）［19］可計算得出氣體存儲的能量。

圖9　系統輸入功率仿真結果Fig.9　Input power of the CAES system

圖10　實驗平臺Fig.10　Picture of the test-setup

式中，pf為最終氣體壓強；p0為初始狀態氣體壓強；V為氣體體積。本系統中 pf=15MPa，p0=100kPa，V=0.5m3。計算得氣體存儲能量為8.333kW·h?；贚abview和混合控制算法搭建系統上位機，采用混合控制策略進行實驗，驗證混合控制算法的可行性。實驗平臺如圖10所示，通過上位機以混合控制算法控制逆變器單元，對永磁同步電機進行驅動，帶動液泵工作，將空氣壓縮至儲氣罐，實現能量轉換與儲存。利用傳感器信號并通過上位機利用式（6）計算分析可在上位機界面中實時觀測液泵的效率，其實驗波形如圖11所示。利用實驗平臺與外部電網接口處的電能表測得輸入電能并利用式（31），得混合控制算法下儲能系統的效率為0.52。仿真和實驗結果見表1。

圖11　液泵效率實驗波形Fig.11　Experiment waveform of pump efficiency

表1　仿真和實驗結果Tab.1　Results of simulation and experiment

從表1中數據可以看出，利用MEPT控制策略時，系統的效率最高，利用MPPT控制策略時，系統的效率最低，而利用混合控制策略，系統效率略低于MEPT策略，遠高于MPPT策略。綜合考慮前文系統其他參數的波形分析，采用MEPT具有不安全性，因此混合控制策略更適用于儲能系統。由于實驗中存在氣體液體流動帶來的損耗，因此實驗結果略低于仿真結果。

通過仿真和實驗驗證，可以明顯看出本文采用的混合控制算法相對于單獨采用最大功率點或最大效率點算法的先進性。

5　結論

本文介紹了一種適用于中小容量電能存儲的壓縮空氣儲能系統，利用 EMR對其進行了建模和仿真。采用MEPT和MPPT的方法，實現較高的能量轉換率，通過研究得出了以下結論：

1）利用EMR建模和反演控制，可以直觀地從能量角度觀察壓縮空氣儲能系統的轉換過程。EMR建模尤其適合多種能量形式之間轉化的系統建模，因此特別適合機械能、熱力學能和電能共同作用的壓縮空氣儲能系統。

2）利用 MEPT算法控制系統，可以使液泵工作在較高的效率點，但是轉速和功率會超出系統額定值很多。利用MPPT算法，可以使系統工作在可接受的最大功率點，但其效率將比前種控制方法小。

3）采用最大效率點和最大功率點混合控制算法，可以發揮兩種方法的優勢，彌補不足。在保證系統安全運行的前提下，提高了系統的效率。

［1］余志強， 張國民， 邱清泉， 等. 高溫超導飛輪儲能系統的發展現狀［J］. 電工技術學報， 2013， 28（12）：109-118. Yu Zhiqiang， Zhang Guomin， Qiu Qingquan， et al. Development status of magnetic levitation flywheel energy storage system based on high-temperature superconductor［J］. Transactions of China Electrotechnical Society， 2013， 28（12）： 109-118.

［2］劉學， 姜新建， 張超平， 等. 大容量飛輪儲能系統優化控制策略［J］. 電工技術學報， 2014， 29（3）： 75-82. Liu Xue， Jiang Xinjian， Zhang Chaoping， et al. Optimization control strategies of large capacity flywheel energy storage system［J］. Transactions of China Electrotechnical Society， 2014， 29（3）： 75-82.

［3］鄧自剛， 王家素， 王素玉， 等. 高溫超導飛輪儲能技術發展現狀［J］. 電工技術學報， 2008， 23（12）：1-10. Deng Zigang， Wang Jiasu， Wang Suyu， et al. Status of high Tcsuperconducting flywheel energy storage system［J］. Transactions of China Electrotechnical Society， 2008， 23（12）： 1-10.

［4］Proczka J J， Muralidharan K， Villela D， et al. Guidelines for the pressure and efficient sizing of pressure vessels for compressed air energy storage［J］. Energy Conversion & Management， 2013， 65： 597-605.

［5］Barrade P， Delalay S， Rufer A. Direct connection of supercapacitors to photovoltaic panels with on-off maximum power point tracking［J］. IEEE Transactions on Sustainable Energy， 2012， 3（2）： 283-294.

［6］Khamis A， Badarudin Z M， Ahmad A， et al. Development of mini scale compressed air energy storage system［C］//2011 IEEE First Conference on Clean Energy and Technology （CET）， Kuala Lumpur，Malaysia， 2011： 151-156.

［7］張莉， 吳延平， 李琛， 等. 基于超級電容器儲能系統的均壓放電控制策略［J］. 電工技術學報， 2014，29（4）： 329-333. Zhang Li， Wu Yanping， Li Chen， et al. Control strategy for balanced discharge based on supercapacitor storage system［J］. Transactions of China Electrotechnical Society， 2014， 29（4）： 329-333.

［8］丁明， 陳中， 程旭東. 級聯儲能變換器直流鏈紋波電流的抑制策略［J］. 電工技術學報， 2014， 29（2）：46-54. Ding Ming， Chen Zhong， Cheng Xudong. A scheme for suppressing DC ripple current of cascade converter for energy storage system［J］. Transactions of China Electrotechnical Society， 2014， 29（2）： 46-54.

［9］張純江， 董杰， 劉君， 等. 蓄電池與超級電容混合儲能系統的控制策略［J］. 電工技術學報， 2014，29（4）： 334-340. Zhang Chunjiang， Dong Jie， Liu Jun， et al. A control strategy for battery-ultracapacitor hybrid energy storage system［J］. Transactions of China Electrotechnical Society， 2014， 29（4）： 334-340.

［10］田慧雯， 李咸善， 陳鐵， 等. 基于混合儲能的光伏微網孤網運行的綜合控制策略［J］. 電力系統保護與控制， 2014， 42（19）： 122-128. Tian Huiwen， Li Xianshan， Chen Tie， et al. Comprehensive control strategy of hybrid energy storage-based photovoltaic island microgrid［J］. Power System Protection and Control， 2014， 42（19）：122-128.

［11］Martínez M， Molina M G， Frack P F， et al. Dynamic modeling， simulation and control of hybrid energy storage system based on compressed air and supercapacitors［J］. IEEE （Revista IEEE America Latina） Latin America Transactions， 2013， 11（1）：466-472.

［13］黃先進， 郝瑞祥， 張立偉， 等. 液氣循環壓縮空氣儲能系統建模與壓縮效率優化控制［J］. 中國電機工程學報， 2014， 34（13）： 2047-2054. Huang Xianjin， Hao Ruixiang， Zhang Liwei， et al. System modeling and compression efficiency optimal control of hydro-pneumatic cycling compressed air energy storage system［J］. Proceedings of the CSEE，2014， 34（13）： 2047-2054.

［13］Kokaew V， Sharkh S M， Moshrefi-Torbati M. A hybrid method for maximum power tracking of a small scale CAES system［C］//2014 9th International Symposium on Communication Systems， Networks & Digital Signal Processing （CSNDSP）， Manchester，2014： 61-66.

［14］Bouscayrol A， Davat B， De Fornel B， et al. Multi-machine multi-converter system for drives：analysis of coupling by a global modeling［C］//IEEE Conference Record of Industry Applications Conference， Rome， Italy， 2000， 3： 1474-1481.

［15］Solano-Martinez J， Boulon L， Hissel D， et al. Energetic macroscopic representation of a multiple architecture heavy duty hybrid vehicle［C］//IEEE Vehicle Power and Propulsion Conference， Dearborn，Michigan， 2009： 1322-1329.

［16］Allegre A L， Bouscayrol A， Delarue P， et al. Energy storage system with supercapacitor for an innovative subway［J］. IEEE Transactions on Industrial Electronics， 2010， 57（12）： 4001-4012.

［17］Mercieca J C， Verhille J N， Bouscayrol A. Energetic macroscopic representation of a subway traction system for a simulation model［C］//IEEE International Symposium on Industrial Electronics， Ajaccio，France， 2004， 2： 1519-1524.

［18］Vas P. Vector control of AC machines［J］. Power Engineer， 1990， 6（6）： 264.

［19］張磊. 壓縮空氣儲能系統效率分析［D］. 北京： 北京交通大學， 2013.

Control Strategy of Electromechanical System of Hydro-Pneumatic Compressed Air Storage System

Zhang LiweiLuo QiufengAn Qi
（School of Electrical EngineeringBeijing Jiaotong UniversityBeijing100044China）

Micro and small scale compressed air energy storage （CAES） is an environmental friendly and promising energy saving method. For optimizing the control strategy of motor， this paper analyzed the characteristics of electromechanical conversion of the storage system， and then proposed a hybrid control strategy based on the maximum power point tracking and maximum efficiency point tracking. A simulation model was developed by energetic macroscopic representation （EMR） to analysis the working processes of system， according to various transformation forms of energy. This paper used the maximum power point tracking， maximum efficiency point tracking and the hybrid control of these two methods as the control strategy for system simulation. Comparisons of the simulation results show that energy conversion and storage performance can be effectively improved by adopting the hybrid control method.

Compressed air storage system， energetic macroscopic representation， control strategy，maximum efficiency point tracking

TM91

張立偉男，1977年生，副教授，主要研究方向為載運工具運用及系統集成。

E-mail： lwzhang@bjtu.edu.cn（通信作者）

羅秋風男，1989年生，碩士研究生，研究方向為電力電子與電力傳動。

E-mail： 305093759@qq.com

2015-11-25改稿日期 2016-02-29