See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/325735082

Stockage instantané d'énergie photovoltaïque par air comprimé (Compressed

Air Energy Storage : CAES) : modélisation, analyse de sensibilité et
optimisation des principaux composant...

Conference Paper · May 2018

CITATIONS READS

0 511

5 authors, including:

Sidiki Simpore Francois Garde

Hilo University of La Réunion
9 PUBLICATIONS 20 CITATIONS 147 PUBLICATIONS 1,815 CITATIONS

SEE PROFILE SEE PROFILE

Mathieu David Olivier Marc

University of La Réunion University of La Réunion
93 PUBLICATIONS 3,185 CITATIONS 76 PUBLICATIONS 719 CITATIONS

SEE PROFILE SEE PROFILE

All content following this page was uploaded by Olivier Marc on 13 June 2018.

The user has requested enhancement of the downloaded file.

 Congrès Français de Thermique, SFT 2018, Pau, 29 mai — 1er juin 2018

Stockage instantané d'énergie photovoltaïque par air

comprimé (Compressed Air Energy Storage : CAES) :
modélisation, analyse de sensibilité et optimisation des
principaux composants du système

Sidiki SIMPORE*, François GARDE, Mathieu DAVID, Olivier MARC, Jean CASTAING-
LASVIGNOTTES.

Laboratoire de Physique Et Ingénierie Mathématique pour l’Energie, le bâtimeNt et l’environnemenT

117 rue du Général Ailleret, 97430 Le Tampon, Ile de La Réunion, France
*
(Auteur correspondant : sidiki.simpore@univ-reunion.fr)

Résumé - En raison de la variabilité et de l’intermittence de l'énergie solaire photovoltaïque, son intégration à grande
échelle dans le mix énergétique de micro-réseaux intégrant différents moyens de production demeure compliquée.
Une des solutions pour surmonter ces handicaps est le stockage d'énergie qui est généralement basé sur l’utilisation
de batteries lithium-ion. En recherche d’une alternative, nous présentons dans cet article, la modélisation, la
simulation et l’optimisation d’un système de stockage d’énergie photovoltaïque à petite échelle par air comprimé
destiné à alimenter de façon instantanée un bâtiment.

Nomenclature
Variables et Paramètres Indices et exposants
T Température, K cp Compresseur
P Pression, Pa tb Turbine
h Enthalpie spécifique, J.kg-1 vol Volumique
s Entropie spécifique, J.kg-1.K-1 res Réservoir
u Énergie interne spécifique, J.kg-1 pv Photovoltaïque
v Volume spécifique, m3.kg-1 max Maximum
A Surface, m2 is Isentropique
t Temps, s in Entrée
GNI Irradiation Normale Globale, W.m-2 ext Extérieur
cp Capacité calorifique, J.kg-1.K-1 bat Bâtiment
E Énergie, J imp Importation
M Masse, kg exp Exportation
D Débit volumique, m3.s-1 pv/bat Du PV au bâtiment (directement)
Q Densité de flux, W.m-2 st Stockage
m Débit massique, kg.s-1 cv couverture
w Puissance électrique, W out Sortie
V Volume, m3 sys Système
Lettres grecques m mécanique
 Rendement, - th thermique
 Taux de compression, - conso Autoconsommation
 Taux de couverture des charges, - prod Autoproduction

1. Introduction
L’augmentation de la demande énergétique durant ces dernières années d’une part et les conséquences
du changement climatique causées en outre par la production d’énergie d’autre part, conduisent à
prospecter de nouvelles solutions de production et de gestion de l’énergie. En effet, dans l’esprit de la
transition énergétique, beaucoup de pays s’engagent à changer leur modèle en s’orientant vers les énergies
renouvelables en général et le solaire photovoltaïque en particulier. Mais comme d’autres sources
renouvelables, l’intégration directe à grande échelle de l’énergie solaire photovoltaïque pose problème du
fait de son intermittence et de sa variabilité. Ainsi, pour des régions isolées comme l’ile de La Réunion,
une part importante de l’énergie photovoltaïque directement injectée dans le réseau électrique peut causer
des instabilités. L’une des solutions pour venir à bout de ce problème est le stockage d’énergie. De nos

413
 Congrès Français de Thermique, SFT 2018, Pau, 29 mai — 1er juin 2018

jours, le système de stockage d’électricité le plus utilisé demeure celui par des batteries lithium-ion.
Malgré les bonnes performances des batteries, elles restent peu respectueuses de l’environnement.
Selon Lund et G. Salgi [1] , l’une des alternatives à l’utilisation des batteries pour le futur semble être
le système de stockage à air comprimé. Il s’agit d’une technologie connue depuis le 19ième siècle et qui
était pratiquée dans l’industrie [2]. Elle consiste à utiliser une source énergétique pour comprimer de l’air
puis à le stocker dans un réservoir lorsque la ressource est abondante, moins chère ou que la demande
énergétique est faible. Pendant les périodes de forte consommation, de rareté ou de coût important de la
ressource, l’air sous pression est détendu à travers une turbine pour produire de l’électricité. De nos jours,
seulement deux centrales électriques utilisant le système de stockage à air comprimé fonctionnent dans le
monde. Il s’agit de la centrale Huntorf en Allemagne construite en 1978 avec une puissance de 290 MW,
et la centrale AEC à McIntosh, Alabama, aux États-Unis d’une capacité de 110 MW qui a été augmenté
à 226 MW en 1998 par l’ajout de deux générateurs [3]. L’air comprimé de ces centrales est stocké dans
des cavités d’anciennes mines de sel ou de charbon [4–6]. Cette technologie à l’avantage d’être plus
écologique que le système à batterie mais dépend fortement des conditions géologiques du lieu
d’installation. Les systèmes de stockage à air comprimé admettent un rendement allant de 40 à 60 % en
fonction de la gestion de la chaleur issue de la compression. Ainsi, si la chaleur de compression est stockée
pour être réutilisée pendant la détente, le système de stockage est dit adiabatique et son rendement peut
atteindre jusqu’à 70 % [7,8]. Par contre, le rendement des systèmes de stockage basés sur l’utilisation
d’une source extérieure de chaleur pour réchauffer l’air au niveau de la turbine est d’environ 50 %. Dans
la littérature, quelques travaux de modélisation ont vu le jour, en particulier pour le stockage de l’énergie
éolienne et solaire. En effet, en 2014, Jannelli et al. [9] ont étudié un système de stockage à air comprimé
pour l’alimentation d’une station de radio de télécommunication. Dans cette étude, une méthode de calcul
des différents composants de la centrale : un champ photovoltaïque (PV), un réservoir de stockage d’air,
des compresseurs et des turbines, a été proposée. Cette étude s’intéresse aussi à un système de
refroidissement des équipements de la station de radio par la valorisation d’air frais à la sortie de la turbine.
Caichu Xia et al. [10] ont proposé en 2014 un modèle sur le stockage à air comprimé avec un débit
massique constant pour chaque période de fonctionnement du système (compression, stockage, détente).
Niklas Hartmann et al. [6] comparent les rendements des systèmes de stockage à air comprimé sur la base
des configurations du compresseur et de la turbine. Il en ressort qu’un système de stockage à air comprimé
avec stockage de chaleur muni de deux étages de compression et un étage de détente admet un rendement
compris entre 40 et 61 % si on suppose une transformation polytropique. Ce rendement peut atteindre
70% pour une transformation supposée isentropique [11]. Presque tous les modèles existants sont basés
sur de grandes puissances et un stockage de longue durée, voire saisonnier. Dans cet article, un modèle
traduisant le comportement instantané d’un système composé d’une production photovoltaïque (PV) de
petite échelle (quelques kilowatts), d’un bâtiment consommateur d’énergie électrique, d’un réseau
électrique et d’un système de stockage à air comprimé est proposé. Il s’agit pour nous d’étudier la
faisabilité de ce type de stockage pour de petites puissances provenant d’une source énergétique
intermittente comme le PV et d’augmenter l’autonomie du bâtiment vis-à-vis du réseau électrique à
l’échelle de quelques heures, voire de la journée et nous utiliserons pour cela un réservoir artificiel.
Pour percevoir l’impact de chaque composant important sur le système, une étude de sensibilité
concernant la surface du champ solaire, le débit volumique du compresseur, le volume de réservoir et la
pression maximale de l’air dans le réservoir est effectuée. Elle est suivie par une séquence d’optimisation
permettant de trouver le meilleur point de fonctionnement conduisant dimensionnement complet de
chaque composant du système en fonction des conditions climatiques, du bâtiment et de son mode de
fonctionnement.

2. Modélisation du système étudié

Le système étudié, dont la configuration est représentée par la Figure 1, est essentiellement composé
du champ photovoltaïque, d’un bâtiment, du réseau et du système de stockage à air. Tous les composants
sont interconnectés en fonctionnement instantané selon des scénarios qui seront définis plus tard.
L’air utilisé pour le stockage est supposé se comporter comme un gaz parfait. La consommation
électrique du bâtiment est issue de données réelles provenant d’un édifice existant. Le réseau est supposé
toujours disponible et peut être exploité à n’importe quel moment. L’ensoleillement et les autres données
climatiques nécessaires à la simulation du modèle sont aussi représentés par un fichier météo.

414
 Congrès Français de Thermique, SFT 2018, Pau, 29 mai — 1er juin 2018

Champ photovoltaïque Réseau électrique Bâtiment (charges)

Eimp
Ebat

E exp Epv/bat

Distribution électrique
Système de
Chargement du réservoir
conversion DC/AC Déchargement du réservoir
Etat thermodynamique

Epv
Etb
Ecp
2 3 5
4
Eth
Moteur Générateur
6
1 Compresseur Réservoir d air comprimé Turbine 7

Figure 1 : configuration du système étudié

Pour connaitre le comportement instantané du système à chaque pas de temps, les variables
thermodynamiques (enthalpie spécifique, entropie spécifique, volume spécifique, énergie interne
spécifique, température, pression) sont calculées en utilisant l’équation d’état des gaz parfaits et les
principes de conservation de masse et d’énergie. En supposant dans un premier temps une compression
parfaitement isentropique, elle est modélisée ensuite grâce au rendement isentropique ηis,cp défini par :
his h (t) - h1 (t)
ηis,cp   2 (1)
hreal h3 (t) - h1 (t)

D’après M. Jubeh et al. [12], les rendements isentropiques de compression et de détente sont fonctions
du taux de compression βcp (t) et de détente βtb (t) et sont déterminés par :
 βcp (t) - 1
ηis,cp  0,91 
300

η  0,90  (t) - 1
βtb
 is,tb 250 (2)
À l’intérieur du réservoir de stockage, les équations de conservation de la masse et de l’énergie sont écrites
selon :
 dM ( t )
 dt  min ( t ) - mout ( t )
 (3)
 d(Mu) = Q (t) + m (t)h (t) - m ( t )h (t)
 dt tk in 3 out 4

où la perte de chaleur, le débit massique du compresseur et le rendement volumique sont définis par :
 V
min ( t )  ηv,cp
 v1( t )

Qres (t) = K res  Ares T4 (t) - Text (t) (4)

η  1   0.05  β (t)1.4  1
1

 v,cp  cp 
  
La puissance instantanée nécessaire au fonctionnement du compresseur et la puissance instantanée produite par
la turbine dépendent de leurs rendements mécaniques (m) respectifs et sont calculées selon :
 1
Wcp (t) = η × min (t) ×  h3 (t) - h1 (t) (5)
 m,cp
W (t) = η × m (t) × h (t) - h (t)
 tb m,tb out  7 5 

415
 Congrès Français de Thermique, SFT 2018, Pau, 29 mai — 1er juin 2018

2.1. Modèle de production photovoltaïque

Le système de stockage ainsi modélisé est couplé à un champ photovoltaïque qui, en fonction du niveau
de sa production, alimente les charges du bâtiment ou alimente le système de compression. Le reste de la
production du PV est exporté vers le réseau.
La production du champ PV peut se modéliser par la relation suivante :
Wpv (t) = ηpv  K pv  GNI  Apv (6)
Avec GNI qui désigne l’irradiation globale normale sur le plan du module photovoltaïque, Apv
représente la surface totale du champ photovoltaïque, K pv représente le coefficient de conversion
électrique des onduleurs et η pv désigne le rendement des cellules photovoltaïques.

2.2. Couplage entre le champ PV et le bâtiment

Le fonctionnement du système de stockage à air comprimé couplé au bâtiment, à la production solaire
et au réseau électrique peut se faire par plusieurs scénarios qui prennent en compte la sécurité du système
et les différentes contraintes techniques et énergétiques. On aboutit à quatre principaux scénarios :
1. Le réseau alimente le bâtiment (importation d’énergie du réseau, pas de stockage) ;
2. Le PV alimente le bâtiment et le reste est exporté au réseau (pas de stockage) ;
3. Le PV alimente le bâtiment ainsi que le compresseur (stockage) et le reste est exporté ;
4. La turbine alimente le bâtiment (pas de stockage, pas d’exportation, pas d’importation).

2.3. Indicateurs de performance

Pour déterminer les performances énergétiques et l’apport du stockage à air comprimé sur l’autonomie
du bâtiment , nous définissons et calculons des indicateurs en utilisant les différentes énergies mises en
jeu au bout d’un temps de fonctionnement donné (une année par exemple)
Tableau 1 : Définition des énergies utilisées pour le calcul des indicateurs.
• Epv/bat : Énergie consommée par le
• Epv : Énergie produite par le champ
bâtiment provenant directement du PV
photovoltaïque
• Eimp : Energie importée du réseau
• Ecp : Énergie consommée par le système de
électrique
compression (compresseur)
• Eexp : Énergie exportée au réseau
• Eth : Énergie thermique disponible dans le
électrique
réservoir au moment du calcul
• Etb : Énergie produite par le système de
• Ebat : Énergie totale consommée par le
stockage (turbine)
bâtiment
Le rendement global du système de stockage et le taux de couverture des charges par le stockage sont
calculés de la façon suivante :
 Etb
 ηst  E
 cp
 (7)
   tbE
 st Ebat

Le taux d’importation du réseau  imp désigne le rapport entre l’énergie totale importée et l’énergie
totale consommée par le bâtiment. Il est donc calculé par la relation :
Eimp
 imp 
Ebat
(8)
L’autoconsommation conso se définit comme étant la proportion de l’énergie photovoltaïque
consommée sur le site de production soit directement par le bâtiment soit par le système de stockage à
travers le compresseur.
Epv/bat  Ecp Eexp
 conso   1
Epv Epv
(9)

416
 Congrès Français de Thermique, SFT 2018, Pau, 29 mai — 1er juin 2018

L’autoproduction prod représente la proportion de la demande du bâtiment qui est autoproduite sur site
c’est-à-dire par le photovoltaïque ou par le stockage.
Epv/bat  Etb Eimp
 prod   1  1  imp
Ebat Ebat (10)

3. Résultats et discussion
Pour la simulation, nous nous servons des données climatiques mesurées à Terre Sainte à l’Ile de La
Réunion et d’une courbe de charge du bâtiment ENERPOS (bâtiment à énergie positive) implanté sur le
même lieu. L’objectif de cette simulation est d’étudier la faisabilité technique d’un tel système. Pour cela,
nous nous donnons des tailles initiales des principaux paramètres du système à savoir la taille du système
de compression (débit volume balayé), le volume du réservoir de stockage, la pression maximale autorisée
dans le réservoir et la taille du champ photovoltaïque. Voulant étudier le comportement du système de
stockage à air comprimé alimentant un bâtiment à énergie positive, nous avons effectué la simulation sur
la base de l’équivalence entre la consommation énergétique annuelle du bâtiment et la production
photovoltaïque. Ainsi, nous obtenons une puissance crête de 5.82 kWc correspondant à une production et
à une consommation annuelle de 10721 kWh d’énergie. Les valeurs des autres paramètres sont consignées
dans le tableau 2.
Tableau 2 : Paramètres principaux utilisés pour la simulation

Débit Volume Pression

volumique Surface PV maximale du
balayé Du réservoir réservoir
Unités m3.h-1 m3 m2 bar
Valeur de calcul 10 5 58.28 40
Plage de variation 0-100 0.5-100 0-370 5-70
La Figure 2 donne les valeurs des principales énergies mises jeu au cours d’une année de
fonctionnement et la Figure 3 donne les valeurs des principaux indicateurs de performance.

Figure 2 : Énergies mises en jeu en une année Figure 3 : Indicateurs de performance

Pour les paramètres choisis pour les composants du système pour la simulation, on obtient un
rendement moyen de stockage de 40.0 % et le taux de couverture moyen des charges par le système de
stockage à air comprimé est d’environ 5.0 %, ce qui permet au bâtiment d’avoir une autonomie
énergétique de 41.3% avec la taille du champ PV installé. En ce qui concerne l’autoconsommation,
seulement 62.6 % de la production PV a été utilisée pour alimenter le bâtiment soit directement ou soit
indirectement à travers le système de stockage. L’autoproduction calculée indique que 55.0 % de la
demande du bâtiment est autoproduite sur site (PV + stockage). Ainsi, le reste (45.0 %) de la demande de
bâtiment est compensé par une importation au réseau électrique. La majeure partie de l’importation a eu
lieu durant les nuits et durant des jours non ensoleillés, ainsi l’optimisation permettra de trouver les
paramètres qui conduisent à un minimum d’importation. Le dimensionnement final du système intervient
après l’obtention des paramètres optimaux qui confèrent le plus d’autonomie possible au bâtiment.

417
 Congrès Français de Thermique, SFT 2018, Pau, 29 mai — 1er juin 2018

4. Analyse de sensibilité sur les paramètres et optimisation

4.1. Analyse de sensibilité paramétrique

Comme indiqué dans le paragraphe précèdent, afin d’augmenter l’indépendance du bâtiment vis-à-vis
du réseau et d’améliorer le rendement de stockage, nous étudions l’évolution du taux d’importation et du
rendement de stockage en fonction de la taille du compresseur (débit volumique balayé), le volume du
réservoir et la pression maximale fixée (la puissance crête installée étant toujours fixée à 5.82 kWc).

Figure 4 : Évolution du taux d’importation en Figure 5 : Évolution du rendement en fonction

fonction du débit volumique et de la pression maximale du débit volumique et de la pression maximale

Figure 6 : Évolution du taux d’importation en Figure 7 : Évolution du rendement en fonction

fonction du débit volumique et du volume du réservoir du débit volumique et du volume du réservoir

Le débit volumique total du système de compression est calculé en fonction de la cylindrée, de la

vitesse de rotation et du nombre de compresseurs en parallèle. Nous avons choisi une plage de variation
du débit volumique total allant de 0 à 100 m3/h et une plage de 2.5 à 100 m3 pour le volume du réservoir
d’air. La double variation permet de se rendre compte de l’évolution des indicateurs en fonction du débit
volumique, du volume du réservoir et de la pression maximale fixée.

• Influence du débit volumique et de la pression maximale

En fixant le volume à 5 m3, la Figure 4 et la Figure 5 montrent que pour une pression maximale
supérieure à 35 bars, le taux d’importation et le rendement de stockage deviennent pratiquement
invariables, quelles que soient la taille du compresseur et celle du réservoir ; ce qui explique la
superposition des courbes. Cela implique que pour une configuration donnée du système étudié, il existe
une pression maximale à partir de laquelle, son influence sur le rendement de stockage et sur le taux
d’importation est négligeable.

• Influence du débit volumique et du volume

La Figure 6 et la Figure 7 représentent respectivement l’évolution du taux d’importation du réseau et
du rendement de stockage en fonction du débit volumique du compresseur et du volume du réservoir d’air
pour une puissance photovoltaïque de 58.28 kWc et une pression maximale de 35 bars. On constate que,

418
 Congrès Français de Thermique, SFT 2018, Pau, 29 mai — 1er juin 2018

quel que soit le volume du réservoir, le taux d’importation admet un minimum qui se déplace avec le
volume. Quant au rendement de stockage, il admet aussi un minimum, mais sa valeur augmente
régulièrement avec le volume de stockage. On peut donc dire que le taux d’importation et le rendement
de stockage sont fortement influencés par la taille du système de compression et par le volume du réservoir
pour une puissance fixée du champ photovoltaïque.

4.2. Optimisation du système étudié

L’étude paramétrique permet de nous rendre compte de l’influence majeure de la taille du compresseur
et du volume du réservoir sur les indicateurs de performance du système de stockage à air comprimé à
fonctionnement instantané connecté à un bâtiment à énergie positive. Nous voulons donc trouver un point
optimal de fonctionnement du système caractérisé par un vecteur composé du débit volumique, du volume
du réservoir, de la surface du champ photovoltaïque et de la pression maximale. Ce point de
fonctionnement optimal doit offrir un bon compromis entre les indicateurs étudiés. La fonction objectif
est donnée par :
( imp , ηst )  f (Dvol ,Vres ,S pv ,Pmax )
(11)
Avec  imp qui désigne le taux d’importation, ηst le rendement de stockage Dvol ,Vres ,S pv ,Pmax représentent
respectivement le débit volumique, du volume du réservoir, de la surface du champ photovoltaïque et de
la pression maximale. Suite aux résultats précédents, nous fixons la pression maximum de stockage à 35
bars. La surface du champ PV étant connue, l’optimisation est donc basée sur la taille du compresseur et
sur le volume du réservoir soit :
 imp  f (Dvol ,Vres ) et ηst  f (Dvol ,Vres ) (12)

Nous utilisons la méthode du gradient qui est un algorithme d'optimisation différentiable. Cet
algorithme est destiné à minimiser une fonction réelle différentiable. Pour cela nous construisons une
régression polynomiale à deux variables de degré 4 donnant le taux d’importation et le rendement en
fonction du débit volumique et du volume de stockage. Nous posons : X = [x1, x2] avec x1 qui correspond
au débit volumique et x2 désigne le volume du réservoir. On a ainsi défini le taux d’importation et le
rendement de la manière suivante :
 imp ( X )   i  0 ai X n st ( X )   i 0 bi X n
n n

et (13)
Les coefficients ai et bi des polynômes sont automatiquement déterminés par un algorithme de
régression polynomiale. Le taux d’importation est utilisé comme fonction objectif  imp ( X ) à minimiser
et le rendement de stockage st ( X ) .comme une contrainte à maximiser.

4.3. Résultats de l’optimisation

Après optimisation, on obtient un vecteur optimal X = [x1= 45.1 x2 = 86.2] (Figure 8 et Figure 9). Ce
qui correspond au point de fonctionnement optimal de ce système de stockage à air comprimé connecté à
ce bâtiment avec la courbe de charge et l’ensoleillement introduits. A ce point optimal caractérisé par ces
valeurs, une surface photovoltaïque de 58.28 m² et une pression maximale de 35 bar, nous obtenons un
taux d’importation minimum de 37.8 % et un rendement de 50.4 %. Pour cette configuration optimale,
l’autoconsommation et l’autoproduction du système sont respectivement maintenant de 74.2 % et 62.2 %.
Ce qui offre au bâtiment une autonomie annuelle d’environ 52.0 % avec une exportation au réseau réduite
à seulement 25 % de la production totale du champ photovoltaïque. Pour cette optimisation nous avons
fait une hypothèse sur une la taille du champ PV à installer, la suite du travail sera de trouver aussi la taille
optimale du champ PV pour que le système de stockage puisse couvrir au maximum les demandes de nuit
et des jours faiblement ensoleillés.

419
 Congrès Français de Thermique, SFT 2018, Pau, 29 mai — 1er juin 2018

Figure 8 : Évolution 3D du taux d’importation en Figure 9 : Évolution 3D du rendement en plus du

plus du point optimal de fonctionnement trouvé point optimal de fonctionnement trouvé

5. Conclusion
En conclusion, nous pouvons dire que le modèle développé permet de démontrer la faisabilité d’un
système de stockage à air comprimé de petites puissances en fonctionnement instantané et alimenté par
un champ photovoltaïque. L’optimisation des principaux paramètres constitutifs du système permet le
dimensionnement optimal en fonction des charges à alimenter et des données climatiques du lieu.
L’optimisation va se poursuivre en envisageant l’augmentation de la taille du champ PV pour une
meilleure autonomie du bâtiment. L’introduction d’une optimisation technico-économique et
environnementale pourrait valider la rentabilité économique du système étudié.

Références
[1] H. Lund, G. Salgi, B. Elmegaard, A.N. Andersen, Optimal operation strategies of compressed air energy storage (CAES) on
electricity spot markets with fluctuating prices, Appl. Therm. Eng. 29 (2009) 799–806.
doi:10.1016/j.applthermaleng.2008.05.020.
[2] IEC blog » White Paper – Electrical Energy Storage, (n.d.). https://blog.iec.ch/2015/09/white-paper-electrical-energy-storage/
(accessed January 30, 2018).
[3] M. Raju, S. Kumar Khaitan, Modeling and simulation of compressed air storage in caverns: A case study of the Huntorf plant,
Appl. Energy. 89 (2012) 474–481. doi:10.1016/j.apenergy.2011.08.019.
[4] P. Zhao, Y. Dai, J. Wang, Design and thermodynamic analysis of a hybrid energy storage system based on A-CAES (adiabatic
compressed air energy storage) and FESS (flywheel energy storage system) for wind power application, Energy. 70 (2014) 674–
684. doi:10.1016/j.energy.2014.04.055.
[5] P. Zhao, J. Wang, Y. Dai, L. Gao, Thermodynamic analysis of a hybrid energy system based on CAES system and CO2
transcritical power cycle with LNG cold energy utilization, Appl. Therm. Eng. 91 (2015) 718–730.
doi:10.1016/j.applthermaleng.2015.08.082.
[6] N. Hartmann, O. Vöhringer, C. Kruck, L. Eltrop, Simulation and analysis of different adiabatic Compressed Air Energy Storage
plant configurations, Appl. Energy. 93 (2012) 541–548. doi:10.1016/j.apenergy.2011.12.007.
[7] N.M. Jubeh, Y.S.H. Najjar, Green solution for power generation by adoption of adiabatic CAES system, Appl. Therm. Eng. 44
(2012) 85–89. doi:10.1016/j.applthermaleng.2012.04.005.
[8] N.M. Jubeh, Y.S.H. Najjar, Power augmentation with CAES (compressed air energy storage) by air injection or supercharging
makes environment greener, Energy. 38 (2012) 228–235. doi:10.1016/j.energy.2011.12.010.
[9] E. Jannelli, M. Minutillo, A. Lubrano Lavadera, G. Falcucci, A small-scale CAES (compressed air energy storage) system for
stand-alone renewable energy power plant for a radio base station: A sizing-design methodology, Energy. 78 (2014) 313–322.
doi:10.1016/j.energy.2014.10.016.
[10] C. Xia, Y. Zhou, S. Zhou, P. Zhang, F. Wang, A simplified and unified analytical solution for temperature and pressure variations
in compressed air energy storage caverns, Renew. Energy. 74 (2015) 718–726. doi:10.1016/j.renene.2014.08.058.
[11] S. Dubey, J.N. Sarvaiya, B. Seshadri, Temperature Dependent Photovoltaic (PV) Efficiency and Its Effect on PV Production in
the World – A Review, Energy Procedia. 33 (2013) 311–321. doi:10.1016/j.egypro.2013.05.072.
[12] N.M. Jubeh, Y.S.H. Najjar, Green solution for power generation by adoption of adiabatic CAES system, Appl. Therm. Eng. 44
(2012) 85–89. doi:10.1016/j.applthermaleng.2012.04.005.

420
View publication stats