耦合LNG冷能及ORC的新型液化空气储能系统分析

图1 储能过程系统结构示意图

Fig. 1 Structure diagram for energy storage process

在用电高峰期，系统运行释能模式，如图2所示。储存在储罐中的液态空气经低温泵升压后，高压液态空气首先经过气化换热器加热至接近环境温度，此时蓄冷剂回收了液态空气的部分冷能，并储存在蓄冷装置中以便在储能过程中用于冷却压缩空气。高压空气最后进入四级膨胀机做功，驱动发电机发电，最终达到削峰填谷的目的。与此同时，LNG气化释放的高品位冷能则经过4个换热器被丙烷回收存储，从换热器HX4排出的低温天然气流向与储能模式相同。需要注意的是，在释能发电过程中，液态空气储罐需打开自稳压装置，维持内部压力恒定^[1]。

图2

图2 释能过程系统结构示意图

Fig. 2 Structure diagram for energy release process

该系统最大的特点在于：①它将LNG全天候连续释放的冷能和储能系统进行结合，在不同时间段的两种运行模式可以有效应对电网的负荷波动；②LNG的冷能用于降低压缩机的工作温度，减少了压缩过程中所消耗的机械功，提高了储能系统的循环效率；③LNG高品位的冷能用来液化空气或者液化丙烷，中品位的冷能用于ORC，低品位冷能用于液化数据中心冷却剂，冷能梯级利用的方式，可减少能量损失，并减少LNG气化升温过程中所使用的海水量。

2 基本参数设定与模型分析

2.1　基本参数设定

系统采用Aspen HYSYS进行建模和稳态计算，采用Peng-Robinson状态方程进行物性计算^[16]，并进行以下假设：①系统在储能模式和释能模式下均处于稳态；②换热器和海水加热器的相对压降设置为1%，管道压降忽略不计；③LNG的组成为甲烷91.15%、乙烷5.55%、丙烷2.16%、正丁烷0.51%、异丁烷0.51%和氮气0.12%^[17]；④ORC的工质为丙烷；⑤忽略低温储罐的冷能损失。表1总结了系统计算过程中所需的基本参数。

表1 系统计算的基本参数

Table 1 Basic parameters of system calculation

参数	数值
LNG进口温度/K	111
LNG进口压力/MPa	0.1013
LNG质量流量/(kg/s)	0.5
NG出口压力/MPa	7
进口空气质量流量/(kg/s)	0.694
空压机组出口压力/MPa	3.5
液态空气泵出口压力/MPa 四级空气膨胀机组出口压力/MPa	12 0.1013
液态丙烷质量流量/(kg/s)	1.28
海水温度/K	288
膨胀机额定效率	0.85
压缩机额定效率	0.85
低温泵机额定效率	0.80

2.2　模型分析

2.2.1　循环效率模型分析

在本系统研究中，循环效率(RT)定义为释放空气能量产生的净输出电功率除以液化空气消耗的净输入电功率。膨胀机(Tur)、压缩机(Comp)和泵(Pump)的输出或输入功率计算公式如下

W_{T u r} = m_{a i r} \times (h_{T u r, i n} - h_{T u r, o u t})

(1)

W_{C o m p} = m_{a i r} \times (h_{C o m p, o u t} - h_{C o m p, i n})

(2)

W_{P u m p} = m_{a i r, O R C} \times (h_{P u m p, o u t} - h_{P u m p, i n})

(3)

在液态空气释能发电阶段，系统的总输出电功率计算公式如下

W_{T} = \sum_{i = 1}^{5} W_{T u r i} - \sum_{i = 2}^{3} W_{P u m p i}

(4)

在液化空气储能阶段，系统的总输入电功率计算公式如下

W_{C} = \sum_{i = 1}^{3} W_{C o m p i}

(5)

系统循环效率定义为释能时系统做功发电功率除以储能时系统做功耗电功率之和(不计LNG冷能)，计算公式如下

η_{R T} = \frac{W_{T}}{W_{C}}

(6)

2.2.2　㶲效率模型分析

基于热力学第二定律进行㶲效率分析，能够指出设备和系统的㶲利用程度，为优化系统中的用能薄弱环节提供理论依据。

系统中各个物流的㶲值计算公式如下

E_{i} = m_{i} \times [(h - h_{0}) - T_{0} \times (S - S_{0})]

(7)

㶲平衡方程计算公式如下

E_{F, i} = E_{P, i} + E_{D, i}

(8)

系统中各个设备的㶲效率计算公式如下

η_{e x i} = \frac{E_{P, i}}{E_{F, i}} = 1 - \frac{E_{D, i}}{E_{F, i}}

(9)

系统㶲效率计算公式如下

η_{e x - o v e r a l l} = \frac{\sum_{i = 1}^{5} W_{T u r i} - \sum_{i = 1}^{3} W_{P u m p i} + (E_{48} - E_{47}) + (E_{50} - E_{49})}{E_{L N G} - E_{N G} + \sum_{i = 1}^{3} W_{C o m p i}}

(10)

2.2.3　经济性模型分析

使用净现值法对该系统工艺进行经济性评估。年收益是用户用电高峰期的电价、系统释能阶段的发电功率和工作时长的乘积。年运行成本包括维修成本和耗电成本，每年的维修成本按总资本成本的3%计算，耗电成本是用户用电低谷期的电价、系统储能阶段耗电功率和工作时长的乘积。

年收益(REV)计算公式如下

R E V = [(\sum_{i = 1}^{6} W_{T u r i} - \sum_{i = 2}^{4} W_{P u m p i}) \times C_{e l e, o n} \times t_{o n}] \times 365

(11)

年运行成本(C_o)计算公式如下

C_{o} = (W_{C} \times C_{e l e, o f f} \times t_{o f f} + 0.03 \times C_{c}) \times 365

(12)

净现值(NPV)计算公式如下

N P V = - C_{c} + \sum_{y = 1}^{25} \frac{(R E V - C_{o} - D E P) \times (1 - T A X) + D E P}{{(1 + r)}^{y}}

(13)

3 结果与分析

经过Aspen HYSYS模拟，系统中LNG(序号1～9)和空气(序号10～30)各状态点的关键参数如表2所示。在本系统中，LNG依次与空气、ORC和数据中心冷却剂进行换热，换热曲线如图3所示，LNG气化至288 K释放的总冷量达到216.70 kW。

表2 系统中LNG和空气的关键参数

Table 2 Key parameters for LNG and air in the system

序号	质量流量/(kg/s)	温度/K	压力/MPa	序号	质量流量/(kg/s)	温度/K	压力/MPa
1	0.5	111	0.101	16	0.694	243.85	3.535
2	0.5	114.56	7.5	17	0.694	153.26	3.5
3	0.5	141.33	7.44	18	0.694	94.6	3.5
4	0.5	163.96	7.36	19	0.694	78.77	0.101
5	0.5	178.44	7.28	20	0.694	78.77	0.101
6	0.5	192.72	7.21	21	0.694	78.77	0.101
7	0.5	230.64	7.14	22	0.694	85.10	12
8	0.5	248.42	7.07	23	0.694	288	11.88
9	0.5	288	7	24	0.694	211.13	3.60
10	0.694	298	0.101	25	0.694	288	3.56
11	0.694	183.08	0.100	26	0.694	214.09	1.08
12	0.694	272.87	0.333	27	0.694	288	1.06
13	0.694	173.06	0.330	28	0.694	215.82	0.32
14	0.694	257.74	1.085	29	0.694	288	0.32
15	0.694	163.05	1.074	30	0.694	218.51	0.101

图3

图3 冷热流换热曲线图

Fig. 3 Heat transfer curve of hot and cold flow

在LNG气化的低温范围(111～192 K)，释放的冷量为143.41 kW，占总冷量的66.18%，该部分冷量被LAES吸收。如图3(a)所示，液化空气的冷源来自于LNG和液态丙烷的冷能两部分，液态丙烷冷能在相对较高的温度下使用(编号37～41)，LNG冷能在相对较低的温度下使用(编号2～6)，空气主要通过与LNG进行换热而液化。如图3(b)所示，在LNG气化的中温范围(192～230 K)，ORC吸收LNG的冷量为56.28 kW，占总冷量的25.97%，由图可知，ORC工质的冷凝降温曲线(编号42～46)与LNG的气化升温曲线(编号6、7)之间的距离明显小于空气与LNG换热曲线之间的距离，故此次换热能够高效地利用LNG冷能。最后，在LNG气化的高温范围(230～248 K)，数据中心冷却剂的液化过程吸收LNG的冷量为9.36 kW，占总冷量的4.32%。系统对LNG的冷能梯级利用，能够减少能量浪费，增加能量利用率。

3.1　循环效率分析

循环效率是评价储能系统最重要的指标之一，常规的大型储能系统循环效率一般不超过75%^[18]。而当储能系统引入外部能量时，循环效率则可能会超过100%。循环效率越高，储能系统输出的净功率越大，储能项目带给客户的收益越高。经模拟计算，系统中泵、压缩机和膨胀机的性能参数如表3所示。在储能过程中，泵P1、P3和压缩机组(Comp1、Comp2和Comp3)的耗电功率共计175.65 kW，膨胀机Tur5的发电功率共计22.46 kW，净耗电功率为153.19 kW。在释能过程中，泵P1、P2和P3的耗电功率共计20.73 kW，膨胀机组(Tur1、Tur2、Tur3、Tur4和Tur5)的发电功率共计189.55 kW，净发电功率为168.82 kW。由此计算，该新型液化空气储能系统的循环效率为110.20%。相对于传统的储能系统，该系统不仅接收电网的富余电力，还接收LNG的冷量来存储能量，因此该系统的循环效率大于100%。

表3 泵、压缩机和膨胀机性能参数

Table 3 Performance parameters of pump、compressor and expander

设备	功率/kW	设备	功率/kW
P1	10.52	Tur1	39.83
P2	9.86	Tur2	42.24
P3	0.35	Tur3	42.94
Comp1	58.68	Tur4	42.08
Comp2	55.72	Tur5	22.46
Comp3	50.38	—	—

由于使用丙烷储罐作为中间存储器，该系统的能量储存和释放具有灵活性，可根据用户的用电需求灵活释能发电。表4总结了本研究与最近研究成果(耦合LNG冷能的液态空气储能系统)循环效率之间的比较。结果表明，该系统的循环效率高于近期研究成果，提高了储能系统的实用价值。

表4 本研究与最近研究成果之间的循环效率比较

Table 4 Comparison of round trip efficiency between this study and recent research results

耦合LNG冷能的液化空气储能系统	参考文献	循环效率/%
LNG-LAES	[19]	67.60
Hybrid LAES	[20]	70.51
LAES-Brayton-LNG	[21]	70.60
MCES	[22]	85.10
LPCES	[23]	95.20
本研究	—	110.20

3.2　㶲效率分析

3.2.1　㶲流分析

LNG气化过程的㶲流程图，如图4所示。在储能模式下，泵P1将2.41 kW的有效能传递给常压LNG使其增压至7.51 MPa，高压的LNG将143.41 kW冷能用于空气液化、56.28 kW冷能用于ORC、9.36 kW冷能通过换热器HX6用来液化数据中心冷却剂，最后低温天然气通过海水加热器升温至288 K排出系统。在释能模式下，LNG也在不断气化释放冷能，在储能模式下用来液化空气的LNG高品位的冷能，此时被丙烷回收，其余LNG冷能利用过程与储能模式相同。

图4

图4 LNG气化过程㶲流图：(a) 储能模式；(b) 释能模式

Fig. 4 Exergy flow diagram of LNG regasification: (a) energy storage process and (b) energy release process

空气液化和气化过程中的㶲流程图，如图5所示。在储能模式下，常温常压的空气利用143.41 kW的LNG冷能、122.16 kW的液态丙烷冷能和164.78 kW电能变成高压低温空气。4个多股物流换热器的㶲损失87.66 kW，三个压缩机的㶲损失为23.90 kW。随后高压低温空气进入冷箱，经蓄冷装置进一步冷却，最后通过J-T阀液化存储在常压低温储罐中。在释能模式下，泵P2将4.70 kW的有效能传递给液态空气使其增压，高压液态空气的冷能首先被蓄冷装置回收，经蓄冷装置换热后，高压低温空气进入四级膨胀机组发电。气化换热器、膨胀机组的有效能损失分别为36.22 kW、33.77 kW，海水带走的有效能为28.53 kW。

图5

图5 空气液化和气化过程㶲流图：(a) 储能模式；(b) 释能模式

Fig. 5 Exergy flow diagram of air liquefaction and regasification: (a) energy storage process and (b) energy release process

3.2.2　㶲损分析

系统中泵、压缩机和膨胀机的㶲损失大小及㶲效率如表5所示，各设备㶲损失占比如图6所示。系统总㶲损失为667.01 kW，海水加热器㶲损失最多，占总㶲损的56.20%。这因为在海水加热器中，海水带走了低温工质释放的冷能，造成了大量的有效能损失，可以通过优化操作条件或使用额外的冷能回收工艺，回收更多的冷量。由于冷热流(LNG和空气、LNG与ORC工质、LNG与数据中心冷却剂)之间的传热温差，换热器(4个多股物流换热器、冷箱和气化换热器)的㶲损占比为214.57 kW，占总㶲损的32.17%。三台空气压缩机输入的有效能为164.78 kW，但由于LNG对热空气进行了级间冷却，使空气压缩机能耗和㶲损失降低，故三台空气压缩机的㶲损失也仅为26.89 kW，占比为4.03%，每台压缩机的㶲效率都在80%以上。

表5 泵、压缩机和膨胀机㶲损及㶲效率

Table 5 Exergy loss and exergy efficiency for pump、turbine and compressor

设备		输入㶲/kW	输出㶲/kW	㶲损/kW	㶲效率/%
泵	P1	10.52	2.41	8.11	22.91
	P2	9.86	4.69	5.17	47.57
	P3	0.35	0.23	0.12	65.71
压缩机	Comp1	58.68	49.49	9.19	84.33
	Comp2	55.72	46.18	9.54	82.88
	Comp3	50.38	42.22	8.16	83.80
膨胀机	Tur1	48.40	39.83	8.57	82.29
	Tur2	50.59	42.24	8.35	83.49
	Tur3	51.58	42.94	8.64	83.25
	Tur4	50.29	42.08	8.21	83.67
	Tur5	25.95	22.46	3.49	86.55

图6

图6 系统各设备的㶲损比例图

Fig. 6 Exergy loss percentage for each equipment in the system

系统中输入的有效能包括LNG冷㶲、泵和压缩机输入的电能，共计399.80 kW。输出的有效能包括液态空气释能发电系统的膨胀功及ORC的膨胀功和数据中心冷却剂的液化，共计238.72 kW。因此，系统的总㶲效率为59.71%，较常规液化空气储能系统提高约10%。

3.3　经济性评估

3.3.1　净现值分析

建设一个储能项目需要大量设备和人力，若项目运行的总成本超过其潜在的利润，则在经济上是不可取的。Aspen HYSYS软件可以根据工艺的操作条件得出设备的尺寸和成本，Aspen Process Economic Analyzer模块则可以分析得出设备的资本成本^[17]。资本成本包括设备采购成本和安装成本，根据Aspen HYSYS软件计算，该系统设计阶段各个设备的资本成本如表6所示，总额为13860.48万元。根据浙江宁波LNG接收站地区大工业用户电价政策，每日不同时段采用不同的电价，峰时电价和峰谷电价分别为0.8656、0.3536元/kWh。经济性评估假设如表7所示，经济评估是基于一个概念设计，如果是建设一个试验或商业工厂，则应该考虑更多的参数^[24]。

表6 系统中各个设备的资本成本

Table 6 Capital cost for each equipment in the system

设备	资本成本/万元	所占比例/%
5个储罐	6058.28	43.71
3台压缩机	3446.81	24.87
5台膨胀机	1045.61	7.54
9台换热器	2171.62	15.67
3台泵	791.51	5.71
5台加热器	222.02	1.60
1台气液分离器	124.63	0.90
共计	13860.48	100

表7 经济评估假设

Table 7 Economic evaluation assumptions

名称	参数
工厂寿命/年	25
折现率/%	7
税率/%	25
折旧法	直线法
系统日工作时长/h	24
年维护费用	资本成本的3%
每日用电高峰时长/h	12
每日用电非高峰时长/h	12

需要注意的是，LNG气化释冷的过程是全天候连续进行的，ORC系统同样是24 h连续工作。因此在储能时段，ORC系统可为三台压缩机提供部分电能。在释能时段，ORC系统和液态空气释能系统共同发电。另外，LNG和ORC系统提供给数据中心的冷量为11.91 kW，根据制冷能效比为5计算^[25]，则能够为数据中心节约2.38 kW的电能，全年节电量为20848.8 kWh，该电能同样能够作为项目收益的一部分。

储能系统通过每日的电价差和数据中心制冷的节电量进行套利。本工作模拟流入系统的LNG质量流量为0.5 kg/s，等同于15768吨的年气化量，而浙江宁波LNG接收站的年气化设计量为300万吨。故将LNG质量流量从模拟条件的15768吨增加至300万吨，系统中ORC、空气和丙烷的质量流量按同样比例增加，故储能系统的每日耗电量、发电量和数据中心制冷的节电量均按比例增加。

采用净现值法进行经济性分析的结果如图7所示，该项目的净现值为51909.20万元，通过1.75年就可以收回初始投资成本。项目总运营成本为123245.33万元，包括耗电费用和维护费用，所占比例分别为91.57%、8.43%。总收益为310483.93万元，包括用电高峰期电能的销售费用和数据中心制冷的节电量费用，所占比例分别为98.05%、1.95%。

图7

图7 净现值分析结果

Fig. 7 NPV analysis results

3.3.2　敏感性分析

峰时电价、峰谷电价、税率、折现率和每日用电高峰时长等参数，根据不同地区的政策差异，可能会有不同。为了说明主要参数对经济结果的影响，选取5个参数作为影响净现值的主要因素，进行敏感性分析。5个参数分别为峰时电价、非峰时电价、税率、折现率和资本成本，各个参数的变化范围为±30%。每个参数的值增加(蓝色)或减少(红色)30%时，净现值NPV的变化如图8所示。由图可知，峰时电价对净现值的影响最大，因为储能项目大部分收益源自用电高峰期的电力销售费用。折现率和非峰时电价对净现值的影响较大，均超过1亿元。税率和资本成本对净现值的影响较小，净现值的变化均在8000万以内。

图8

图8 敏感性分析

Fig. 8 Sensitivity analysis

净现值法计算和敏感性分析的结果表明，系统通过非高峰时段和高峰时段的电价差进行套利，具有经济可行性，且峰时电价对储能项目的收益影响最大。

4 结论

常规液化空气储能系统(LAES系统)循环效率较低，实用价值不高。另一方面，LNG连续气化释放的冷能用于发电并不能解决电力的供需不平衡。为了应对这两个问题，本研究提出一种新型液化空气储能系统，该系统创新之处在于将LNG连续气化释放的冷能进行存储(而非冷能直接发电)，并对LNG冷能进行梯级利用。

（1）系统利用LNG冷能和电网富余的电能进行空气液化和空气压缩，有效地提高循环效率。系统的两种运行模式具有操作灵活性，可连续储存LNG冷能，灵活释能发电。

（2）该系统的循环效率为110.20%，高于近期相关研究成果。㶲效率为59.71%，较常规的LAES系统提高了约10%。

（3）㶲效率分析中的㶲流图和㶲损比例图有效揭示了该系统的热力学特征，为进一步改进储能系统的性能提供研究方向。

（4）采用净现值法进行经济性评估及敏感性分析的结果表明，该系统具有经济可行性，峰时电价对系统的经济效益影响最大。

符号说明

C	电价，元；
C_c	资本成本，元；
DEP	折旧费，元；
E	㶲，kW；
h	焓，kJ/kg；
m	质量流量，kg/s
r	折现率，%；
S	熵，kJ/(kg $∙$ K)；
T	温度，K；
TAX	税率，%；
t	时长，h；
W	功率，kW；
y	工厂寿命，年；
ɳ	效率，%
下角标
air	空气；
C	系统总输入功率；
Comp	压缩机；
D	㶲损，kW；
ex	㶲；
ele, on	用电高峰期的电价；
ele, off	用电低谷期的电价；
F	输入㶲，kW；
i	第i个设备/第i个物流；
in/out	设备的输入/输出端；
on	用电高峰期；
off	用电低谷期；
overall	总量；
P	输出㶲，kW；
Pump	泵；
T	系统总输出功率；
Tur	膨胀机；
0	标准状况

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

邓章, 安保林, 陈嘉祥, 等. 低温高压液态空气储能系统分析[J]. 低温与超导, 2017, 45(5): 7-10, 43.

[本文引用: 2]

DENG Z, AN B L, CHEN J X, et al. Thermodynamic analysis of a cryogenic liquid air energy storage system in high-pressure state[J]. Cryogenics & Superconductivity, 2017, 45(5): 7-10, 43.

[本文引用: 2]

[2]

LIU Z, GUAN D, WEI W, et al. Reduced carbon emission estimates from fossil fuel combustion and cement production in China[J]. Nature,2015,524(7565):335-338.

[3]

PENG H, ZHANG D, LING X, et al. N-alkanes phase change materials and their microencapsulation for thermal energy storage: A critical review[J]. Energy & Fuels, 2018, 32(7): 7262-7293.

[4]

LEE I, PARK J, YOU F Q, et al. A novel cryogenic energy storage system with LNG direct expansion regasification: Design, energy optimization, and exergy analysis[J]. Energy, 2019, 173: 691-705.

[5]

KRAWCZYK P, SZABŁOWSKI Ł, KARELLAS S, et al. Comparative thermodynamic analysis of compressed air and liquid air energy storage systems[J]. Energy, 2018, 142: 46-54.

[6]

GEORGIOU S, SHAH N, MARKIDES C N. A thermo-economic analysis and comparison of pumped-thermal and liquid-air electricity storage systems[J]. Applied Energy, 2018, 226: 1119-1133.

[7]

GUIZZI G L, MANNO M, TOLOMEI L M, et al. Thermodynamic analysis of a liquid air energy storage system[J]. Energy, 2015, 93: 1639-1647.

[8]

SCIACOVELLI A, VECCHI A, DING Y. Liquid air energy storage (LAES) with packed bed cold thermal storage-From component to system level performance through dynamic modelling[J]. Applied Energy, 2017, 190: 84-98.

[9]

刘佳, 夏红德, 陈海生, 等. 新型液化空气储能技术及其在风电领域的应用[J]. 工程热物理学报, 2010, 31(12): 1993-1996.

LIU J, XIA H D, CHEN H S, et al. A novel energy storage technology based on liquid air and its application in wind power[J]. Journal of Engineering Thermophysics, 2010, 31(12): 1993-1996.

[10]

天工. 《中国天然气发展报告(2021)》发布[J]. 天然气工业, 2021, 41(8): 68.

TIAN G. China natural gas development report (2021) [J]. Natural Gas Industry, 2021, 41(8): 68.

[11]

LEE I, PARK J, MOON I. Key issues and challenges on the liquefied natural gas value chain: A review from the process systems engineering point of view[J]. Industrial & Engineering Chemistry Research, 2018, 57(17): 5805-5818.

[12]

DUTTA A, KARIMI I A, FAROOQ S. Economic feasibility of power generation by recovering cold energy during LNG (liquefied natural gas) regasification[J]. ACS Sustainable Chemistry & Engineering, 2018, 6(8): 10687-10695.

[13]

CHOI I H, LEE S, SEO Y, et al. Analysis and optimization of cascade rankine cycle for liquefied natural gas cold energy recovery[J]. Energy, 2013, 61: 179-195.

[14]

FERREIRA P A, CATARINO I, VAZ D. Thermodynamic analysis for working fluids comparison in rankine-type cycles exploiting the cryogenic exergy in liquefied natural gas (LNG) regasification[J]. Applied Thermal Engineering, 2017, 121: 887-896.

[15]

GÓMEZ M R, GARCIA R F, GÓMEZ J R, et al. Thermodynamic analysis of a brayton cycle and rankine cycle arranged in series exploiting the cold exergy of LNG (liquefied natural gas)‍[J]. Energy, 2014, 66: 927-937.

[16]

TAFONE A, BORRI E, COMODI G, et al. Liquid air energy storage performance enhancement by means of organic rankine cycle and absorption chiller[J]. Applied Energy, 2018, 228: 1810-1821.

[17]

QI M, PARK J, KIM J, et al. Advanced integration of LNG regasification power plant with liquid air energy storage: Enhancements in flexibility, safety, and power generation[J]. Applied Energy, 2020, 269: doi: 10.1016/j.apenergy.2020.115049.

[本文引用: 2]

[18]

AMEEL B, T'JOEN C, DE KERPEL K, et al. Thermodynamic analysis of energy storage with a liquid air rankine cycle[J]. Applied Thermal Engineering, 2013, 52(1): 130-140.

[19]

何子睿, 齐伟, 宋锦涛, 等. 耦合液化天然气的液化空气储能系统热力学分析[J]. 储能科学与技术, 2021, 10(5): 1589-1596.

HE Z R, QI W, SONG J T, et al. The thermodynamic analysis of a liquefied air energy storage system coupled with liquefied natural gas[J]. Energy Storage Science and Technology, 2021, 10(5): 1589-1596.

[20]

ZHANG T, CHEN L J, ZHANG X L, et al. Thermodynamic analysis of a novel hybrid liquid air energy storage system based on the utilization of LNG cold energy[J]. Energy, 2018, 155: 641-650.

[21]

SHE X H, ZHANG T T, CONG L, et al. Flexible integration of liquid air energy storage with liquefied natural gas regasification for power generation enhancement[J]. Applied Energy, 2019, 251: doi:10.1016/j.apenergy.2019.113355.

[22]

PARK J, YOU F Q, CHO H, et al. Novel massive thermal energy storage system for liquefied natural gas cold energy recovery[J]. Energy, 2020, 195: doi:10.1016/j.energy.2020.117022.

[23]

PARK J, LEE I, MOON I. A novel design of liquefied natural gas (LNG) regasification power plant integrated with cryogenic energy storage system[J]. Industrial & Engineering Chemistry Research, 2017, 56(5): 1288-1296.

[24]

HUR J, PARK J, LANDON R S, et al. Optimization of a reactive distillation process for the synthesis of dialkyl carbonate considering side reactions[J]. Industrial & Engineering Chemistry Research, 2019, 58(38): 17898-17905.

[25]

赖建波, 郭保玲, 陈照烽, 等. LNG冷能用于发电、冷库及数据中心联合技术[J]. 煤气与热力, 2020, 40(8): 8-12, 44.

LAI J B, GUO B L, CHEN Z F, et al. Combined technology of LNG cold energy used in power generation, cold storage and data center[J]. Gas & Heat, 2020, 40(8): 8-12, 44.