جبران‌کننده توان راکتیو استاتیکی یا Static Var Compensator (SVC) یکی از تجهیزات مهم در سیستم‌های قدرت مدرن است که برای کنترل ولتاژ، بهبود پایداری شبکه و مدیریت توان راکتیو مورد استفاده قرار می‌گیرد. این تجهیز با تغییر میزان تولید یا جذب توان راکتیو، ولتاژ شبکه را در محدوده مطلوب نگه می‌دارد و نقش مهمی در شبکه‌های انتقال با ولتاژ بالا دارد. در این شبیه‌سازی، عملکرد استاتیکی و دینامیکی مدل فازوری SVC در یک سیستم قدرت 500 کیلوولت و با توان نامی 3000 مگاولت‌آمپر بررسی می‌شود.

مدل استفاده شده در Matlab، یک مدل فازوری از بلوک Static Var Compensator است که رفتارهای اصلی SVC را در فرکانس پایه سیستم نمایش می‌دهد. استفاده از مدل فازوری باعث می‌شود امکان بررسی رفتار دینامیکی سیستم‌های قدرت بزرگ با سرعت مناسب فراهم شود، زیرا در این روش جزئیات کلیدزنی ادوات الکترونیک قدرت حذف شده و تمرکز اصلی روی رفتار کنترلی و پاسخ سیستم در شرایط مختلف قرار می‌گیرد.

معرفی عملکرد SVC در سیستم قدرت

SVC یک تجهیز FACTS یا سیستم انتقال انعطاف‌پذیر جریان متناوب است که با کنترل سوسپتانس معادل خود، توان راکتیو تزریقی یا جذبی را تغییر می‌دهد. هنگامی که ولتاژ سیستم کاهش پیدا می‌کند، SVC به حالت خازنی وارد شده و توان راکتیو تولید می‌کند. این توان راکتیو باعث افزایش ولتاژ شبکه و جبران افت ولتاژ می‌شود. در مقابل، زمانی که ولتاژ شبکه افزایش پیدا می‌کند، SVC به حالت سلفی تغییر وضعیت داده و با جذب توان راکتیو، مقدار ولتاژ را کاهش می‌دهد.

در این شبیه‌سازی، SVC دارای ظرفیت نامی +200 Mvar خازنی و 100 Mvar سلفی است. بنابراین این تجهیز می‌تواند در شرایط افت ولتاژ تا 200 مگاولت‌آمپر توان راکتیو تولید کند و در شرایط افزایش ولتاژ تا 100 مگاولت‌آمپر توان راکتیو جذب نماید.

تنظیمات کنترل‌کننده SVC

برای مشاهده پارامترهای کنترلی SVC در محیط Matlab، پنجره تنظیمات بلوک Static Var Compensator باز شده و گزینه نمایش پارامترهای کنترل انتخاب می‌شود. کنترل‌کننده SVC در این مدل در حالت تنظیم ولتاژ یا Voltage Regulation Mode قرار دارد. مقدار مرجع ولتاژ برابر با:

Vref = 1.0 pu

در نظر گرفته شده است. همچنین مقدار افت ولتاژ یا Voltage Droop برابر با 0.03 پریونیت بر مبنای 200 MVA تنظیم شده است. این مقدار باعث می‌شود ولتاژ سیستم با تغییر جریان SVC از حالت کاملاً خازنی تا کاملاً سلفی، در محدوده مشخصی تغییر کند. در این حالت، ولتاژ سیستم تقریباً بین 0.97 پریونیت تا 1.015 پریونیت تغییر خواهد کرد.

یکی از ویژگی‌های مهم مدل فازوری SVC، امکان مشاهده منحنی مشخصه V-I است. این منحنی رابطه بین ولتاژ سیستم و جریان یا سوسپتانس SVC را نشان می‌دهد و یکی از ابزارهای مهم برای تحلیل عملکرد جبران‌کننده‌های توان راکتیو در شبکه‌های قدرت محسوب می‌شود.

اندازه‌گیری ولتاژ و سوسپتانس SVC

در این مدل، ولتاژ توالی مثبت سیستم و سوسپتانس SVC در زیرسیستم Signal Processing اندازه‌گیری می‌شوند. این اندازه‌گیری با استفاده از ولتاژهای مختلط سه‌فاز Vabc و جریان‌های مختلط Iabc انجام می‌شود که توسط بلوک Three-Phase V-I Measurement در اختیار سیستم کنترل قرار می‌گیرند.

با پردازش این سیگنال‌ها، مقدار واقعی ولتاژ توالی مثبت V1 و مقدار سوسپتانس B1 به دست آمده و برای بررسی عملکرد کنترل‌کننده مورد استفاده قرار می‌گیرند. این فرآیند امکان تحلیل دقیق پاسخ SVC در برابر تغییرات سریع ولتاژ شبکه را فراهم می‌کند.

بررسی پاسخ دینامیکی SVC

در بخش اول شبیه‌سازی، رفتار دینامیکی SVC در برابر تغییرات پله‌ای ولتاژ بررسی می‌شود. برای ایجاد تغییرات ولتاژ، از بلوک Three-Phase Programmable Voltage Source استفاده شده است. این منبع ولتاژ امکان اعمال تغییرات برنامه‌ریزی شده در شبکه را فراهم می‌کند.

در ابتدا منبع ولتاژ مقدار نامی خود را تولید می‌کند. سپس تغییرات زیر به سیستم اعمال می‌شود:

• کاهش ولتاژ سیستم به مقدار 0.97 پریونیت در زمان 0.1 ثانیه
• افزایش ولتاژ سیستم به مقدار 1.03 پریونیت در زمان 0.4 ثانیه
• بازگشت ولتاژ به مقدار نامی 1 پریونیت در زمان 0.7 ثانیه

پس از اجرای شبیه‌سازی، پاسخ دینامیکی SVC در Scope مشاهده می‌شود. در نمودار اول، مقدار واقعی سوسپتانس توالی مثبت B1 و خروجی کنترل‌کننده ولتاژ نمایش داده می‌شود. نمودار دوم نیز مقدار ولتاژ توالی مثبت سیستم V1 و خروجی سیستم اندازه‌گیری SVC یعنی Vm را نشان می‌دهد.

تحلیل سرعت پاسخ SVC

سرعت پاسخ SVC به چند پارامتر اصلی وابسته است. مهم‌ترین عوامل مؤثر شامل بهره انتگرالی کنترل‌کننده ولتاژ Ki، قدرت سیستم یا راکتانس شبکه Xn و مقدار دروپ یا راکتانس کنترلی Xs هستند.

در این مدل، بهره تناسبی Kp برابر صفر در نظر گرفته شده و کنترل‌کننده عمدتاً توسط بخش انتگرالی عمل می‌کند. در صورتی که ثابت زمانی اندازه‌گیری ولتاژ و تأخیر ناشی از عملکرد شیرهای کنترلی نادیده گرفته شوند، سیستم تقریباً به صورت یک سیستم مرتبه اول مدل می‌شود که ثابت زمانی حلقه بسته آن از رابطه زیر به دست می‌آید:

Tc = 1 / (Ki × (Xn + Xs))

با استفاده از پارامترهای این شبیه‌سازی شامل Ki برابر 300، راکتانس شبکه Xn برابر 0.0667 پریونیت بر مبنای 200 MVA و راکتانس دروپ Xs برابر 0.03 پریونیت بر مبنای 200 MVA، مقدار ثابت زمانی سیستم برابر با حدود 0.0345 ثانیه به دست می‌آید.

اگر بهره کنترل‌کننده افزایش پیدا کند یا قدرت اتصال کوتاه سیستم کاهش یابد، اثرات تأخیر اندازه‌گیری و زمان عملکرد کلیدهای قدرت دیگر قابل چشم‌پوشی نخواهند بود. در این شرایط ممکن است پاسخ سیستم دارای نوسان شده و حتی باعث ناپایداری کنترل‌کننده SVC شود. بنابراین انتخاب مناسب پارامترهای کنترلی اهمیت زیادی در طراحی سیستم‌های جبران توان راکتیو دارد.

اندازه‌گیری مشخصه V-I حالت ماندگار SVC

در بخش دوم شبیه‌سازی، مشخصه حالت ماندگار V-I مربوط به SVC بررسی می‌شود. برای انجام این آزمایش، تغییرات آهسته ولتاژ منبع برنامه‌ریزی می‌شود تا رفتار استاتیکی SVC در محدوده وسیعی از ولتاژها بررسی شود.

برای این منظور، تنظیمات بلوک Programmable Voltage Source تغییر داده شده و نوع تغییرات از حالت معمولی به Modulation تغییر می‌کند. در این حالت، یک تغییر سینوسی در ولتاژ توالی مثبت ایجاد می‌شود که مقدار ولتاژ را بین 0.75 پریونیت و 1.25 پریونیت در مدت زمان 20 ثانیه تغییر می‌دهد.

پس از تغییر زمان توقف شبیه‌سازی به 20 ثانیه و اجرای مجدد مدل، منحنی مشخصه SVC قابل مشاهده خواهد بود. در نمودار مربوطه، مشخصه تئوری V-I با رنگ قرمز و مشخصه اندازه‌گیری شده با رنگ آبی نمایش داده می‌شود. تطابق مناسب این دو منحنی نشان‌دهنده عملکرد صحیح مدل فازوری SVC و کنترل‌کننده آن است.

اهمیت شبیه‌سازی SVC در Matlab

شبیه‌سازی SVC در Matlab یکی از روش‌های مناسب برای تحلیل رفتار تجهیزات FACTS در شبکه‌های قدرت است. این نوع مدل‌سازی به مهندسان امکان می‌دهد قبل از پیاده‌سازی عملی تجهیزات، عملکرد کنترل‌کننده‌ها، سرعت پاسخ، محدوده کاری و اثرات تغییر پارامترهای شبکه را بررسی کنند.

مدل فازوری SVC به دلیل سرعت بالای اجرا، گزینه مناسبی برای مطالعات پایداری، کنترل ولتاژ، بررسی پاسخ دینامیکی شبکه‌های انتقال و تحلیل اثر تجهیزات جبران‌کننده توان راکتیو است. با استفاده از این شبیه‌سازی می‌توان رفتار شبکه‌های قدرت پیچیده را در شرایط مختلف بررسی کرده و پارامترهای کنترلی مناسب را برای دستیابی به عملکرد پایدار انتخاب نمود.