风电场异常数据辨识与重构技术综述

风电场运行数据的质量是影响风电消纳的重要因素,电网调度运行以及电力市场等业务应用都需要风电场数据支撑,但一般情况下,风电场采集到的原始数据会包含部分异常数据。本文详细分析对比了国内外学者对于异常数据辨识和异常数据重构使用的方法。依据数据辨识原理将目前国内外使用的数据辨识方法分为3类,阐述了各辨识方法优越性以及局限性;其次,根据使用重构方法的数量将数据重构方法分为了单一重构法和复合重构法,阐述了各重构法的适用场合以及局限性;然后,根据风电数据的不同应用场合,对异常数据辨识对象以及辨识方法做了详细研究;最后对本领域未来可研究的问题进行了展望。     

风电机组风速-功率异常运行数据特征及清洗方法

风功率曲线是考核风电机组发电性能的重要指标,对风电场的运行管理和电力系统的运行调度都具有重要意义。实际运行过程的设备故障及人为控制因素会导致风速-功率曲线中存在大量的异常数据,给风功率曲线的后续应用带来严重影响。本文在分析风电机组风速-功率异常运行数据特征的基础上,根据空间分布位置和形态将异常数据分为曲线底部、中部、上部堆积型异常数据和曲线周围分散型异常数据等四类,提出了基于变点分组法与四分位法组合的异常数据识别清洗方法及流程,与四分位-变点分组法以及局部离群因子算法的对比算例验证结果表明,提出的变点分组-四分位法可有效识别四种类型的异常数据,流程合理,清洗效果好,效率高,并具有较强的通用性。     

(S)-1-氯-3-甲基丁基硼酸-( )-蒎烷二醇酯的合成

考察了医药中间体(S)-1-氯-3-甲基丁基硼酸-(+)-蒎烷二醇酯的合成,由异丁基硼酸经酯化,同系化反应制得,总收率87.6%。用单因素法优化了工艺条件,酯化反应:正己烷中回流反应5 h,2-甲基丙基硼酸-(+)-蒎烷二醇酯收率为98.5%;同系化反应:n〔2-甲基丙基硼酸-(+)-蒎烷二醇酯〕∶n(LDA)∶n(ZnCl2)=1∶2∶1.7,-78℃反应4 h,(S)-1-氯-3-甲基丁基硼酸-(+)-蒎烷二醇酯收率89.0%。中间体和目标产物用GC/MS、1 HNMR等方法分析,确认了其结构。