风电、光伏等可再生能源技术具有较强的波动性与间歇性,是制约其大规模发展应用的关键要素,而储能技术则是解决此类问题的重要途径。其中,压缩空气储能作为一种物理储能方式,因其具有寿命长、容量大、环境成本低等优点成为当前储能领域研究热点。膨胀机作为压缩空气储能系统能量转换关键设备,其精确建模及优化控制对提升储能系统整体性能至关重要。因此,本文以微型压缩空气储能系统中的核心能量转化设备——涡旋式膨胀机作为研究对象,在建立其准确的数学模型基础上分析其膨胀效率在不同工况下的变化规律,重点研究该设备的效率优化控制策略等,本文的主要研究工作包括:给出一种涡旋式膨胀机神经网络建模方法,该方法首先对采集到的试验数据进行误差处理,之后通过长短期记忆的循环神经网络训练得到涡旋式膨胀机的神经网络模型,并采用拟合神经网络模型输出数据的方式给出了便于计算分析膨胀效率的解析模型。仿真试验结果表明,涡旋式膨胀机神经网络建模方法减少了建模过程中的机理分析过程、降低了建模复杂度、提升了建模的精度,同时在非数据采集段亦具有更高的准确性,可用于描述涡旋式膨胀机的变工况特性及优化控制。结合热力学(火用)分析,定义设备输出功率与压缩空气最大输入功率的比值作为涡旋式膨胀机的膨胀效率。在此基础上详细分析了涡旋式膨胀机在不同的进气温度、进气压力与转速下的单机膨胀效率,并探讨了考虑节流损耗与气体泄漏损耗后的膨胀效率的变化规律,为制定效率优化控制策略提供了理论基础。设计一种基于模型控制与跟踪控制的涡旋式膨胀机发电系统混合效率优化控制策略。该策略将模型控制与跟踪控制结合,首先利用遗传算法优化平衡负载功率下的节流压力与转速参考点;然后,在转速参考点附近利用变步长最大效率跟踪控制策略寻优当前工况下的实际最大膨胀效率点;最后,在搭建的压缩空气储能试验平台上的试验结果表明,涡旋式膨胀机发电系统混合效率优化控制策略可以控制系统在平衡负载功率的同时使系统运行于高效区,兼顾了模型控制的迅速性与跟踪控制的准确性,可有效提高压缩空气储能系统整体能量转化率。