TCR型SVC仿真实战手记

TCR型SVC静止无功补偿器仿真模型 （1）基本思路：采集母线电压母线电流、TCR支路电流。 进行FFT，分离得到实部和虚部，通过steinmetz原理计算需要补偿的导纳大小，再通过查表得到TCR需要的导通角，完成闭环. （2）资料内容： ①仿真原理分析word文档 ②仿真使用说明 ③仿真建模word文档 ④参考文献两篇

最近在搭TCR型SVC的仿真模型，踩了不少坑也攒了些经验。这个补偿器的核心说白了就是实时算导纳然后调导通角，但实际实现起来还是有点门道的。

先说数据采集这块，母线电压电流的同步测量是关键。仿真时我用的是滑动窗口机制，每0.5ms更新一次数据缓存区。这里有个细节——当采样率设置为10kHz时，实际处理时最好加点汉宁窗，能有效抑制频谱泄露。

# 数据缓存示例 class DataBuffer: def __init__(self, window_size=200): self.buffer = np.zeros(window_size) self.pointer = 0 def update(self, new_data): # 滚动更新数据 self.buffer[:-1] = self.buffer[1:] self.buffer[-1] = new_data return np.hanning(len(self.buffer)) * self.buffer

FFT处理部分，刚开始直接用numpy的fft库，发现相位总有偏差。后来意识到需要做频率校准，特别是当系统频率有波动时。改进后的做法是先通过零交叉检测估算实际频率，再用这个频率调整FFT的步长。

导纳计算是steinmetz原理的具体应用。这里有个工程经验：虚部计算时最好做三次滑动平均滤波，避免个别异常点导致导纳剧烈波动。实际代码里我是这么处理的：

def calc_admittance(v_real, v_imag, i_real, i_imag): # 复功率计算 S = (v_real + 1j*v_imag) * np.conj(i_real + 1j*i_imag) P = np.real(S) Q = np.imag(S) # 导纳计算（带滤波） G = np.mean(P[-3:]) / (v_rms**2 + 1e-6) B = np.mean(Q[-3:]) / (v_rms**2 + 1e-6) return G, B

查表环节最头疼的是表格精度和实时性的平衡。我的解决方案是离线生成细粒度表格（0.1度步长），运行时用二分查找。后来发现用numpy的插值函数np.interp效率更高，而且误差在可控范围内。

闭环控制部分尝试过PI调节，但动态响应总是不理想。改成模糊控制后效果提升明显，特别是当负载突变时，导通角调整的平滑性好多了。不过模糊规则的设计需要结合实际系统的工况反复调试。

仿真过程中发现个有趣现象：导通角在120度附近时，TCR支路的谐波含量会突然增大。后来在触发脉冲生成模块加了最小导通角限制（强制不低于5度），这个问题才解决。这也说明实际工程中安全裕度的设置非常重要。

整个模型调通后实测数据表明，在10ms内能完成从检测到补偿的全过程，稳态时功率因数能维持在0.98以上。不过动态过程还是有约3个周期的震荡，这部分可能需要引入预测算法来优化。

参考资料里提到的两篇论文确实很有帮助，特别是关于晶闸管导通角非线性特性的部分。建议做类似项目的同学重点关注FFT窗函数选择和模糊规则库构建这两个环节，这两个点最容易影响最终补偿效果。