تاسیسات الکتریکی

توان راکتیو

سوال ششم: میزان کیلو وات ساعت اندازه گیری شده توسط کنتور های الکتریکی دقیقاً معادل انرژی مصرف شده توسط بارهای الکتریکی در یک بازه زمانی مشخص است. میزان کیلو وار ساعت اندازه گیری شده توسط کنتور معرف چیست؟ آیا معرف انرژی مصرفی مجازی (غیر واقعی) است؟ آیا معرف یک کمیت الکتریکی مستقل از مفهوم انرژی است؟ آیا دقیقاً معادل انرژی مبادله شده بین تولید کننده و مصرف کننده در یک بازه زمانی مشخص به دفعات متناسب با فرکانس برق شهر است؟ معرف چه چیزی است؟ مفهوم توان  راکتیو
پاسخ:
توان اکتیو  = توان واته  = توان مفید  = توانی که به اجبار از شبکه میکشیم =   توانی که ما دوست داریم مصرف بشه   = توانی که باعث روشنایی در لامپ میشه  = توانی که باعث گردش شافت موتورها می شه  = توانی که در خطوط انتقال ارسال می کنیم =  p
توان راکتیو  = توان دواته  = توان  غیر مفید = توانی که به اجبار با توان اکتیو منتقل میشه   =  توانی که ما دوست نداریم مصرف بشه   = توانی که باعث روشنایی در لامپ نمیشه  = توانی که باعث گردش شافت موتورها نمی شه  = توانی که تنها باعث افزایش جریان در سیمها می شه = توانی که اجبارا با توان اکتیو در خطوط انتقال عبور می کند = Q
مفهوم ساده تر برای (مفهوم توان راکتیو):
یک جاده با عرض 10 کامیون  تصور کنید
تمامی 10 کامیون  به طور همزمان بار مشخصی را از نقطه 1 به نقطه 2 انتقال میدن و بار خود را در نقطه 2 خالی می کنند اما 2 کامیون بار خود را تخلیه نمی کنند و با بار به نقطه اول بر می گردند
به طور ساده تر کم میتونیم  بگیم که 8 کامیون توان اکتیو و 2 کامیون بار راکتیو هستند
در مبحث برقی نیز توان راکتیو همان توانی است که باعث اضافه جریان در سیمها می شود اما این اضافه جریان باعث انجام کاری نمیشود و واجبارا از سیمها عبور می کند
خازن در این مدارات به مفهوم یک بازرس در موقع تخلیه بار در آن کامیونها می باشد.
آیا توان راکتیو مصطلح در مهندسی برق با مفهوم انرژی ( قابلیت انجام کار) ارتباط دارد یا نه؟ آیا مقدار اندازه گیری شده توسط کنتور راکتیو همان مقدار واقعی انرژی جابجا شده بین منبع و مصرف کننده است؟ در برآورد انرژی اکتیو ، فاکتور زمان اهمیت دارد یعنی با یک توان مصرفی ثابت هر چه زمان بیشتر شود انرژی مصرفی در سیستم هم بیشتر می شود. آیا فاکتور زمان در پارامترهای راکتیو نیز همین اثر را دارد؟
بالاخره دیمانسیون KVARH اندازه گیری شده توسط کنتور نیز مانند دیمانسیون KWH است یعنی قابل تبدیل به کالری یا ژول است؟

توان لحظه ای نرخ تغییرات انرژی در هر لحظه است.بنابراین در یک لحظه ممکن است مقدار انرژی بسیار کم باشد اما نرخ تغییراتش زیاد، در آن صورت توان راکتیو معرف ماکزیمم توان لحظه ای راکتیو یا ماکزیمم نرخ تغییرات انرژی در یک بازه زمانی قابل تکرار است. برای ولتاژ، جریان و توان لحظه ای می توان نوشت:

 

V=Vm COS ωt
I=Im COS (ωt-θ)
P=V.I = Vm.Im COS ωt COS (ωt-θ)
P = Vm/√2 .Im/√2 COS θ (1+ COS 2ωt) + Vm/√2 .Im/√2 SIN θ SIN 2ωt

در معادله بالا جمله اول معرف توان اکتیو لحظه ای و جمله دوم به عنوان توان راکتیو  لحظه ای تعریف شده است. همانطور که مشاهده می کنید جمله متغیر با زمان اول از یک مقدار متوسط غیر صفر برخوردار است که به آن توان اکتیو می گویند. در واقع انتگرال زمانی تابع مذکور در بازه تکرار تابع معرف یک مقدار اسکالر مستقل از زمان است که به آن اصطلاحاً توان اکتیو می گویند. حاصلضرب این مقدار در زمان معرف کمیت فیزیکی انرژی است که به طور مستقیم توسط کنتورهای واته اندازه گیری می شود
Pa = Vm/√2 .Im/√2 COS θ= VRMS . IRMS COS θ
W= Pa. t
اما در مورد جمله دوم معادله ذکر شده، انتگرال زمانی تابع در بازه تکرار آن برابر صفر است. با این حال در تشابه با توان اکتیو مقدار ماکزیمم این تابع متغیر را اصطلاحاً توان راکتیو می خوانند. حاصلضرب این مقدار در زمان معرف هیچ کمیت فیزیکی تیست، بلکه تنها یک بیان ریاضی است.
Qr = Vm/√2 .Im/2 SIN θ = VRMS . IRMS SINθ
حتی در صورتی که بخواهیم از انرژی رد و بدل شده بین منبع و بار صحبت کنیم ، باید انتگرال مزبور برای یک نیم سیکل مثبت و یا منفی در پریود تغییرات تابع محاسبه شده و پس از آن نیز باید از تعداد دفعات مبادله انرژی بین منبع و بار در یک بازه زمانی تعریف شده سخن به میان آورد. در آن صورت نیز تنها مضربی از جمله معروف توان راکتیو، در معادلات وارد می شود.
در واقع انرژی راکتیو ( البته نه آن چیزی که کنتورهای راکتیو نشان می دهند، چون اساساً کمیت نشان داده شده توسط کنتور از دیمانسیون انرژی برخوردار نیست )، یک مقدار اندک انرژی است ( در مقایسه با توان اکتیو تبادل شده در شبکه) که توسط سیستم تحریک ژنراتورها تولید می شود. این انرژی یکبار موقع برقدار کردن شبکه تولید و موقع بی برق نمودن آن مصرف می شود. بین این دو زمان نیز مقدار انرژی مذکور ثابت و بین منبع و مصرف کننده تبادل می شود.
سیستمهای کنترلی متکی به الگوریتم   ILC ) Iterative Learning Control ) سیستمهای کنترلی جدید و پیشرفته ای هستند که در فرآیندهای تکرار پذیر کاربرد می یابند و بر مبنای تئوری پیشرفته کنترلی Robust شکل گرفته اند. در این نوع سیستمهای کنترلی آموزش پذیر، پارامترهای کنترلی حین عملکرد سیستم می تواند تغییر کند و کاربردهای متعددی در شاخه های مختلف مهندسی از جمله برق دارند.

Iterative Learning Control (ILC) techniques have been successfully applied to solve a variety of real-life control-engineering problems, for example mechanical systems such as robotic manipulators, electrical systems such as electrical drives, chemical process systems such as batch reactors, as well as aerodynamic systems, bioengineering systems, and others. When such systems are operated repeatedly, iterative learning control can be used as a novel enabling technology to improve the system response significantly from trial to trial.
ILC is reputed for its promising and unique features: the structural simplicity, the perfect output tracking, almost model-independent design, and delay compensation.
These highly desirable features make ILC a promising control alternative suitable for numerous real-time control tasks where a simple controller is required to achieve precise tracking in the presence of process uncertainties and delays.
Most iterative learning control schemes are designed to find purely feedforward action depending wholly on the previous control performance of an identical task.
Although the purely feedforward control scheme is theoretically acceptable, it is difficult to apply to real systems without a feedback control due to several reasons.
One of the reasons is that it is not robust against disturbances that are not repeatable with respect to iterations. Another reason is that the tracking error may possibly grow quite large in the early stage of learning, though it eventually converges after a number of trials. In addition, an iterative learning control is designed and analyzed with a mathematical model of the plant. Since modelling errors are unavoidable, the real iterative learning control system may violate its convergence condition although the iterative learning control satisfies the condition for nominal plant model.
Thus, in real practice, a feedback control is commonly employed along with the iterative learning control for system robustness enhancement and better performance. In these control schemes, the feedback controller ensures closed-loop stability and suppresses exogenous disturbances and the iterative learning controller provides improved tracking performance over a specific trajectory utilizing past control results.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *