CN104950852A - 一种卷烟企业能源管控系统的数据校验系统与方法 - Google Patents

Abstract

本发明公开了一种卷烟企业能源管控系统的数据校验系统与方法，数据采集器从卷烟企业已经建设的各种系统和新增加的测量仪表中采集所需数据；将采集到的数据存储到数据缓存器中；采用内部包含有改进零度矩阵方法的数据分类算法、最小二乘数据协调算法、节点残差检测算法以及修正的迭代测量残差检验法和同步补偿的广义似然法联合的检验校正算法的数据校正器对存储在数据缓存器中的数据进行校正：将校验后的数据存储实时数据库中，以供卷烟企业能源管控系统使用。本发明所提出的卷烟企业能源管控系统的数据校验方法和系统，具有较快的运算速度、较高的显著误差识别率，可保证卷烟企业能源管控系统使用数据的有效性和准确性。

Description

一种卷烟企业能源管控系统的数据校验系统与方法

技术领域

本发明涉及卷烟企业能源管控系统数据校验处理技术领域，尤其涉及一种卷烟企业能源管控系统的数据校验系统与方法。

背景技术

卷烟企业能源管控系统中的数据主要包括空压系统、软化水系统、锅炉系统、中水处理系统、配电系统、空调系统、制冷系统设备等的详细数据，这些数据通常从已经建设的企业资源计划系统(ERP)、分布式控制系统(DCS)、制造执行系统(MES)系统及新增加的测量仪表中采集得到。

卷烟企业能源管控系统中采集到准确的已测数据是对整个卷烟企业进行能源监视、故障诊断、能源计划与调度方案制度和能源供给控制的基本保障。因此，卷烟企业能源管控系统中所采集和使用的数据的准确性至关重要。由于采集数据受仪表精度、测量原理、测量方法和生产环境等的影响，不可避免地伴随产生随机误差，偶尔产生显著误差。因此，为有效发挥卷烟企业能源管控系统的作用，须对采集到的已测数据进行校验修正，以删除显著误差并降低随机误差。

目前，卷烟企业能源管控系统大多对已测数据只进行测量仪表量程范围的校验处理，部分系统甚至没有对已测数据进行校验，卷烟企业能源管控系统中的数据不精准问题较为严重。数据校验技术已在部分行业得到运用，一般采用整体检验法(GT)、节点残差检测法(NT)、测量刺儿头检测法(MT)和广义似然比法(GLR)等，但单一的校验方法都存在故有不足。如整体检验法(GT)不能对显著误差进行定位，且不能指明具体哪些已测数据存在显著误差；节点残差检测法(NT)不能具体定位哪些已测数据含有显著误差；测量刺儿头检测法(MT)在计算校正值的过程中将某些已测数据上较大的误差传播到其他已测数据上，使原本不含显著误差的已测数据被误判含有显著误差；广义似然比法(GLR)则对多个显著误差的识别效率较低。因此，在卷烟企业能源管控系统中，提出一种能高效且能同时识别随机误差和显著误差的数据校验方法与系统具有较大的应用价值。

发明内容

本发明的目的是提供一种卷烟企业能源管控系统的数据校验系统与方法，能同时识别已测数据的随机误差和显著误差，为卷烟企业能源管控系统提供有效可靠的数据。

本发明采用的技术方案为：

一种卷烟企业能源管控系统的数据校验系统，包括数据采集器、数据缓存器、数据校验器和实时数据库；

所述的数据采集器用于从企业资源计划系统、分布式控制系统、制造执行系统和新增加的测量仪表中采集空压系统、软化水系统、锅炉系统、中水处理系统、配电系统、空调系统和制冷系统设备的详细数据，数据采集器连接数据缓存器；

所述数据缓存器用于缓存数据采集器采集到的数据，数据缓存器连接数据校验器；

所述数据校验器用于对数据缓存器中的数据进行处理，数据缓存器中的数据包括已测数据和计算数据两类，对数据缓存器中的数据进行处理时，首先，采用改进的零度矩阵法对采集到的数据进行分类，将已测数据分类为冗余型已测数据和非冗余型已测数据，将计算数据分成可估计型计算数据和不可估计型计算数据；其次，利用最小二乘算法，对冗余型己测数据进行协调，消除随机误差；再次，运用节点残差检测法检测每个经最小二乘算法协调后的数据节点的数据，确定含有显著误差的已测数据节点；最后，采用修正的迭代测量残差检验法和同步补偿的广义似然法对数据节点的数据进行联合检验，确定经节点残差检测法处理过的含有显著误差的已测数据节点是否含有显著误差，若含有显著误差，则采用顺序补偿策略进行补偿，每次用同步补偿的广义似然法检验识别出一个显著误差后，用其估计值对约束残差或测量值进行补偿；采用补偿后的约束残差或者测量值侦破、识别其它的显著误差，直到没有新的显著误差被识别出来为止，从而完成数据的校正，数据校验器连接实时数据库；

所述的实时数据库用于存储经数据校验器处理过的数据。

采用改进的零度矩阵法对数据缓存器中的数据分类时，数据缓存器中的数据分为已测数据集X和计算数据集U两类，已测数据集X和计算数据集U满足约束条件AX+BU＝0，其中，A和B为卷烟企业蒸气系统的平衡方程矩阵，首先对计算数据集U分类，具体方法是将约束条件AX+BU＝0中的计算数据集系数矩阵B分解成最大线性独立列组成的子矩阵B₁和其余部分B₂，即B＝[B₁|B₂]；求解B₂的零度矩阵P₂，并利用P₂左乘B，得到矩阵P₂B，矩阵P₂B的全零列对应不可估计型计算数据，矩阵P₂B的其余列为可估计型计算数据；然后，对已测数据分类，先求出矩阵P₂B的零度矩阵P₁，然后利用P₁P₂左乘约束条件AX+BU＝0，得到P₁P₂AX＝0；矩阵P₁P₂A的全零列对应非冗余型已测数据，矩阵P₁P₂A的其余列为冗余型已测数据。

采用最小二乘法对冗余型己测数据进行协调时，最小二乘数算法的数学模型为： $\min {(\hat{X}-\tilde{X})}^T{Q}^{-1}(\hat{X}-\tilde{X}),s.\mathrm{tAX}=0,$ 其中，为目标函数，min为最小函数，为冗余型己测数据，为协调值，上标T表示矩阵的秩，Q为测量值的误差协方差矩阵，Q由仪表的测量范围和精度要求确定，上标-1表示矩阵的逆，s.tAX＝0为约束条件，s.t表示约束条件，A为卷烟企业蒸气系统的平衡方程矩阵，X为已测数据集。

一种利用卷烟企业能源管控系统的数据校验系统的卷烟企业能源管控系统的数据校验方法，依次包括以下步骤:

A，数据采集器从卷烟企业已经建设的企业资源计划系统、分布式控制系统、制造执行系统和新增加的测量仪表中采集空压系统、软化水系统、锅炉系统、中水处理系统、配电系统、空调系统和制冷系统设备的详细数据以及测量仪表的量程和测量精度；

B，将采集到的数据存储到数据缓存器中；

C，采用内部包含有改进零度矩阵方法的数据分类算法、最小二乘数据协调算法、节点残差检测算法以及修正的迭代测量残差检验法和同步补偿的广义似然法联合的检验校正算法的数据校正器对存储在数据缓存器中的数据进行校正：

D，将校验后的数据存储到卷烟企业能源管控系统的实时数据库中，以供卷烟企业能源管控系统使用。

步骤C包括以下步骤：

C1，采用改进的零度矩阵法对采集到的数据进行分类，卷烟企业能源管控系统中数据包括已测数据和计算数据集两类，将已测数据分类为冗余型已测数据和非冗余型已测数据，将计算数据分成可估计型计算数据和不可估计型计算数据；

C2，利用最小二乘算法，对由冗余型己测数据进行协调，消除随机误差；

C3，运用节点残差检测法检测每个经最小二乘算法协调后的数据节点的数据，确定含有显著误差的已测数据节点；

C4，采用修正的迭代测量残差检验法和同步补偿的广义似然法对数据节点的数据进行联合检验，确定经节点残差检测法处理过的含有显著误差的已测数据节点是否含有显著误差，若含有显著误差，则采用顺序补偿策略进行补偿，每次用同步补偿的广义似然法检验识别出一个显著误差后，用其估计值对约束残差或测量值进行补偿；采用补偿后的约束残差或者测量值侦破、识别其它的显著误差，直到没有新的显著误差被识别出来为止，从而完成数据的校正。

采用改进的零度矩阵法对数据缓存器中的数据分类时，数据缓存器中的数据分为已测数据集X和计算数据集U两类，已测数据集X和计算数据集U满足约束条件AX+BU＝0，其中，A和B为卷烟企业蒸气系统的平衡方程矩阵，首先对计算数据集U分类，具体方法是将约束条件AX+BU＝0中的计算数据集系数矩阵B分解成最大线性独立列组成的子矩阵B₁和其余部分B₂，即B＝[B₁|B₂]；求解B₂的零度矩阵P₂，并利用P₂左乘B，得到矩阵P₂B，矩阵P₂B的全零列对应不可估计型计算数据，矩阵P₂B的其余列为可估计型计算数据；然后，对已测数据分类，先求出矩阵P₂B的零度矩阵P₁，然后利用P₁P₂左乘约束条件AX+BU＝0，得到P₁P₂AX＝0；矩阵P₁P₂A的全零列对应非冗余型已测数据，矩阵P₁P₂A的其余列为冗余型已测数据。

采用最小二乘法对冗余型己测数据进行协调时，最小二乘数算法的数学模型为： $\min {(\hat{X}-\tilde{X})}^T{Q}^{-1}(\hat{X}-\tilde{X}),s.\mathrm{tAX}=0,$ 其中，为目标函数，min为最小函数，为冗余型己测数据，为协调值，上标T表示矩阵的秩，Q为测量值的误差协方差矩阵，Q由仪表的测量范围和精度要求确定，上标-1表示矩阵的逆，s.tAX＝0为约束条件，s.t表示约束条件，A为卷烟企业蒸气系统的平衡方程矩阵，X为已测数据集。

步骤C4包括以下步骤：

C41，设flag1＝flag2＝0，集合U1、U2、U3为空集合；

C42，数据校验器通过修正的迭代测量残差检验法判断经过节点残差检测法处理过的含有显著误差已测数据的数据节点是否有显著误差，若无显著误差，则进入步骤C43；若有显著误差，则获得可能含有显著误差的测量变量的位置集合U1，并置flag1＝1；

C43，数据校验器通过同步补偿的广义似然法判断有无显著误差，若无显著误差，刚进入步骤C44；若有显著误差，则获得可能含有显著误差的测量变量的位置集合U2，并置flag2＝1；

C44，若flag1+flag2＝0，则说明无显著误差，进入步骤C47；若flag1+flag2>0,则表明有显著误差，确定可能含显著误差的集合U3＝U1∪U2，即U1和U2的并集；

C45，数据校验器对于可能含有显著误差的测量数据的位置集合U3内所有数据构造似然比检验统计量，并对所有统计量进行排序，取得最大统计量T；

C46，若统计量T小于临界值，进入步骤C47；否则，表明存在显著误差，用其估计值对约束残差或测量值进行补偿，进入步骤C41；其中，临界值由测量仪表的精度的确定；

C47，显著误差侦破结束。

本发明有机结合节点残差检测法(NT)、修正的迭代测量残差检验法(MIMT)和同步补偿的广义似然法(CGLR)各自的优点，对卷烟企业能源管控系统的采集数据进行联合检验校正，能快速、高效地进行已测数据随机误差和显著误差的识别和校正，提高卷烟企业能源管控系统使用数据的有效性和准确性，为卷烟企业能源管控系统提供更可靠的数据保障。

本发明所提出的卷烟企业能源管控系统的数据校验系统和方法，具有较快的运算速度、较高的显著误差识别率，且当有多个显著误差存在时，能高效检测出所有显著误差，对已经检测出来的显著误差集能进行同步幅度补偿，可保证卷烟企业能源管控系统使用数据的有效性和准确性，为能源管控系统提供更可靠的数据保障。

附图说明

图1为本发明中卷烟企业能源管控系统的数据校验方法的流程图。

具体实施方式

一种卷烟企业能源管控系统的数据校验系统，包括数据采集器、数据缓存器、数据校验器和实时数据库；

所述的数据采集器用于从企业资源计划系统、分布式控制系统、制造执行系统和新增加的测量仪表中采集空压系统、软化水系统、锅炉系统、中水处理系统、配电系统、空调系统和制冷系统设备的详细数据，数据采集器连接数据缓存器；

所述数据缓存器用于缓存数据采集器采集到的数据，数据缓存器连接数据校验器；

所述数据校验器用于对数据缓存器中的数据进行处理，数据缓存器中的数据包括已测数据和计算数据两类，对数据缓存器中的数据进行处理时，首先，采用改进的零度矩阵法对采集到的数据进行分类，将已测数据分类为冗余型已测数据和非冗余型已测数据，将计算数据分成可估计型计算数据和不可估计型计算数据；其次，利用最小二乘算法，对冗余型己测数据进行协调，消除随机误差；再次，运用节点残差检测法检测每个经最小二乘算法协调后的数据节点的数据，确定含有显著误差的已测数据节点；最后，采用修正的迭代测量残差检验法和同步补偿的广义似然法对数据节点的数据进行联合检验，确定经节点残差检测法处理过的含有显著误差的已测数据节点是否含有显著误差，若含有显著误差，则采用顺序补偿策略进行补偿，每次用同步补偿的广义似然法检验识别出一个显著误差后，用其估计值对约束残差或测量值进行补偿；采用补偿后的约束残差或者测量值侦破、识别其它的显著误差，直到没有新的显著误差被识别出来为止，从而完成数据的校正，数据校验器连接实时数据库；

所述的实时数据库用于存储经数据校验器处理过的数据。

采用改进的零度矩阵法对数据缓存器中的数据分类时，数据缓存器中的数据分为已测数据集X和计算数据集U两类，已测数据集X和计算数据集U满足约束条件AX+BU＝0，其中，A和B为卷烟企业蒸气系统的平衡方程矩阵，首先对计算数据集U分类，具体方法是将约束条件AX+BU＝0中的计算数据集系数矩阵B分解成最大线性独立列组成的子矩阵B₁和其余部分B₂，即B＝[B₁|B₂]；求解B₂的零度矩阵P₂，并利用P₂左乘B，得到矩阵P₂B，矩阵P₂B的全零列对应不可估计型计算数据，矩阵P₂B的其余列为可估计型计算数据；然后，对已测数据分类，先求出矩阵P₂B的零度矩阵P₁，然后利用P₁P₂左乘约束条件AX+BU＝0，得到P₁P₂AX＝0；矩阵P₁P₂A的全零列对应非冗余型已测数据，矩阵P₁P₂A的其余列为冗余型已测数据。

采用最小二乘法对冗余型己测数据进行协调时，最小二乘数算法的数学模型为： $\min {(\hat{X}-\tilde{X})}^T{Q}^{-1}(\hat{X}-\tilde{X}),s.\mathrm{tAX}=0,$ 其中，为目标函数，min为最小函数，为冗余型己测数据，为协调值，上标T表示矩阵的秩，Q为测量值的误差协方差矩阵，Q由仪表的测量范围和精度要求确定，上标-1表示矩阵的逆，s.tAX＝0为约束条件，s.t表示约束条件，A为卷烟企业蒸气系统的平衡方程矩阵，X为已测数据集。

如图1所示，一种利用卷烟企业能源管控系统的数据校验系统的卷烟企业能源管控系统的数据校验方法，依次包括以下步骤:

A，数据采集器从卷烟企业已经建设的企业资源计划系统、分布式控制系统、制造执行系统和新增加的测量仪表中采集空压系统、软化水系统、锅炉系统、中水处理系统、配电系统、空调系统和制冷系统设备的详细数据以及测量仪表的量程和测量精度；

B，将采集到的数据存储到数据缓存器中；

C，采用内部包含有改进零度矩阵方法的数据分类算法、最小二乘数据协调算法、节点残差检测算法以及修正的迭代测量残差检验法和同步补偿的广义似然法联合的检验校正算法的数据校正器对存储在数据缓存器中的数据进行校正，包括以下步骤：

C1，采用改进的零度矩阵法对采集到的数据进行分类，卷烟企业能源管控系统中数据包括已测数据和计算数据集两类，将已测数据分类为冗余型已测数据和非冗余型已测数据，将计算数据分成可估计型计算数据和不可估计型计算数据；

采用改进零度矩阵法对数据分类的作用是对已测数据和计算数据进行分类，本发明将已测数据分成冗余型已测数据和非冗余型已测数据，将计算数据分成可估计型计算数据和不可估计型计算数据。其中，在计算数据中能由约束方程式和已测数据计算的是可估计(可观测)数据，否则为不可估计(不可观测)数据。在已测数据中，能由约束方程式和其它已测数据计算的是冗余型已测数据,否则为非冗余型己测数据。

只有冗余型己测数据能被校正，也只有冗余型己测数据的校正对提高卷烟企业能源管控系统数据的精度有贡献。如果在进行最小二乘协调运算前不把非冗余型已测数据和不可估计型计算数据剔除，就会因为矩阵不可逆而使计算无法进行。因此在做运用最小二乘数据协调算法之前，必须对数据进行分类。

数据缓存器中的数据分为已测数据集X和计算数据集U两类，已测数据集X和计算数据集U满足约束条件AX+BU＝0，其中，A和B为卷烟企业蒸气系统的平衡方程矩阵，首先对计算数据集U分类，具体方法是将约束条件AX+BU＝0中的计算数据集系数矩阵B分解成最大线性独立列组成的子矩阵B₁和其余部分B₂，即B＝[B₁|B₂]；求解B₂的零度矩阵P₂，并利用P₂左乘B，得到矩阵P₂B，矩阵P₂B的全零列对应不可估计型计算数据，矩阵P₂B的其余列为可估计型计算数据；然后，对已测数据分类，先求出矩阵P₂B的零度矩阵P₁，然后利用P₁P₂左乘约束条件AX+BU＝0，得到P₁P₂AX＝0；矩阵P₁P₂A的全零列对应非冗余型已测数据，矩阵P₁P₂A的其余列为冗余型已测数据。

如此，卷烟企业蒸气系统的平衡方程矩阵A和B为：

  

利用零度矩阵法对仪表已测数据集X和计算数据集U分类，首先对计算数据集U进行分类；

B＝[B₁|B₂]    

求得B₂的零度矩阵P₂，即：

$P_2=\left[\begin{array}{ccccc}1& 0& 0& 0& 0\\ 0& 0& 1& 0& 0\\ 0& 0& 0& 1& 0\\ 0& 0& 0& 0& 1\end{array}\right]$

因此：

  

由此可知U₁，U₂为不可估计型计算数据，U₃，U₄为可估计型计算数据。

其次，对已测数据集X进行分类：求得P₂B的零度矩阵P₁，即：

$P_1=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 1& 1& 1\end{array}\right]$

进而求得P₁P₂A，即：

由此可知x₆为非冗余型已测数据，x₁、x₂、x₃、x₄、x₅、x₇、x₈为冗余型已测数据。

C2，利用最小二乘算法，对由冗余型己测数据进行协调，消除随机误差；

采用最小二乘法对冗余型己测数据进行协调时，最小二乘数算法的数学模型为： $\min {(\hat{X}-\tilde{X})}^T{Q}^{-1}(\hat{X}-\tilde{X}),s.\mathrm{tAX}=0,$ 其中，为目标函数，min为最小函数，为冗余型己测数据，为协调值，上标T表示矩阵的秩，Q为测量值的误差协方差矩阵，Q由仪表的测量范围和精度要求确定，上标-1表示矩阵的逆，s.tAX＝0为约束条件，s.t表示约束条件，A为卷烟企业蒸气系统的平衡方程矩阵，X为已测数据集。

C3，运用节点残差检测法检测每个经最小二乘算法协调后的数据节点的数据，确定含有显著误差的已测数据节点；节点是指经最小二乘数据协调算法协调后的每个数据点，包括冗余型已测数据点。节点数由协调后的数据点数决定，如实施例中节点数为x₁、x₂、x₃、x₄、x₅、x₇、x₈，共7个节点；

C4，采用修正的迭代测量残差检验法和同步补偿的广义似然法对数据节点的数据进行联合检验，确定经节点残差检测法处理过的含有显著误差的已测数据节点是否含有显著误差，若含有显著误差，则采用顺序补偿策略进行补偿，每次用同步补偿的广义似然法检验识别出一个显著误差后，用其估计值对约束残差或测量值进行补偿；采用补偿后的约束残差或者测量值侦破、识别其它的显著误差，直到没有新的显著误差被识别出来为止，从而完成数据的校正，具体包括以下步骤：

C41，设flag1＝flag2＝0，集合U1、U2、U3为空集合；

C42，数据校验器通过修正的迭代测量残差检验法判断经过节点残差检测法处理过的含有显著误差已测数据的数据节点是否有显著误差，若无显著误差，则进入步骤C43；若有显著误差，则获得可能含有显著误差的测量变量的位置集合U1，并置flag1＝1；

C43，数据校验器通过同步补偿的广义似然法判断有无显著误差，若无显著误差，刚进入步骤C44；若有显著误差，则获得可能含有显著误差的测量变量的位置集合U2，并置flag2＝1；

C44，若flag1+flag2＝0，则说明无显著误差，进入步骤C47；若flag1+flag2>0,则表明有显著误差，确定可能含显著误差的集合U3＝U1∪U2，即U1和U2的并集；

C45，数据校验器对于可能含有显著误差的测量数据的位置集合U3内所有数据构造似然比检验统计量，并对所有统计量进行排序，取得最大统计量T；

C46，若统计量T小于临界值，进入步骤C47；否则，表明存在显著误差，用其估计值对约束残差或测量值进行补偿，进入步骤C41；其中，临界值由测量仪表的精度的确定；

C47，显著误差侦破结束。

D，将校验后的数据存储到卷烟企业能源管控系统的实时数据库中，以供卷烟企业能源管控系统使用。

上面结合附图对本发明专利进行了示例性描述，本发明专利具体实现并不受上述方式的限制，只要采用了本发明专利的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明专利的构思和技术方案直接应用于其它场合的，均在本发明专利的保护范围之内。

Claims (8)

1.一种卷烟企业能源管控系统的数据校验系统，其特征在于：包括数据采集器、数据缓存器、数据校验器和实时数据库；

所述的数据采集器用于从企业资源计划系统、分布式控制系统、制造执行系统和新增加的测量仪表中采集空压系统、软化水系统、锅炉系统、中水处理系统、配电系统、空调系统和制冷系统设备的详细数据，数据采集器连接数据缓存器；

所述数据缓存器用于缓存数据采集器采集到的数据，数据缓存器连接数据校验器；

所述数据校验器用于对数据缓存器中的数据进行处理，数据缓存器中的数据包括已测数据和计算数据两类，对数据缓存器中的数据进行处理时，首先，采用改进的零度矩阵法对采集到的数据进行分类，将已测数据分类为冗余型已测数据和非冗余型已测数据，将计算数据分成可估计型计算数据和不可估计型计算数据；其次，利用最小二乘算法，对冗余型己测数据进行协调，消除随机误差；再次，运用节点残差检测法检测每个经最小二乘算法协调后的数据节点的数据，确定含有显著误差的已测数据节点；最后，采用修正的迭代测量残差检验法和同步补偿的广义似然法对数据节点的数据进行联合检验，确定经节点残差检测法处理过的含有显著误差的已测数据节点是否含有显著误差，若含有显著误差，则采用顺序补偿策略进行补偿，每次用同步补偿的广义似然法检验识别出一个显著误差后，用其估计值对约束残差或测量值进行补偿；采用补偿后的约束残差或者测量值侦破、识别其它的显著误差，直到没有新的显著误差被识别出来为止，从而完成数据的校正，数据校验器连接实时数据库；

所述的实时数据库用于存储经数据校验器处理过的数据。

2.根据权利要求1所述的一种卷烟企业能源管控系统的数据校验系统，其特征在于：采用改进的零度矩阵法对数据缓存器中的数据分类时，数据缓存器中的数据分为已测数据集X和计算数据集U两类，已测数据集X和计算数据集U满足约束条件AX+BU＝0，其中，A和B为卷烟企业蒸气系统的平衡方程矩阵，首先对计算数据集U分类，具体方法是将约束条件AX+BU＝0中的计算数据集系数矩阵B分解成最大线性独立列组成的子矩阵B₁和其余部分B₂，即B＝[B₁|B₂]；求解B₂的零度矩阵P₂，并利用P₂左乘B，得到矩阵P₂B，矩阵P₂B的全零列对应不可估计型计算数据，矩阵P₂B的其余列为可估计型计算数据；然后，对已测数据分类，先求出矩阵P₂B的零度矩阵P₁，然后利用P₁P₂左乘约束条件AX+BU＝0，得到P₁P₂AX＝0；矩阵P₁P₂A的全零列对应非冗余型已测数据，矩阵P₁P₂A的其余列为冗余型已测数据。

3.根据权利要求2所述的一种卷烟企业能源管控系统的数据校验系统，其特征在于：采用最小二乘法对冗余型己测数据进行协调时，最小二乘数算法的数学模型为：s.tAX＝0，其中，为目标函数，min为最小函数，为冗余型己测数据，为协调值，上标T表示矩阵的秩，Q为测量值的误差协方差矩阵，Q由仪表的测量范围和精度要求确定，上标-1表示矩阵的逆，s.tAX＝0为约束条件，s.t表示约束条件，A为卷烟企业蒸气系统的平衡方程矩阵，X为已测数据集。

4.一种利用权利要求1所述的卷烟企业能源管控系统的数据校验系统的卷烟企业能源管控系统的数据校验方法，其特征在于,依次包括以下步骤:

A，数据采集器从卷烟企业已经建设的企业资源计划系统、分布式控制系统、制造执行系统和新增加的测量仪表中采集空压系统、软化水系统、锅炉系统、中水处理系统、配电系统、空调系统和制冷系统设备的详细数据以及测量仪表的量程和测量精度；

B，将采集到的数据存储到数据缓存器中；

C，采用内部包含有改进零度矩阵方法的数据分类算法、最小二乘数据协调算法、节点残差检测算法以及修正的迭代测量残差检验法和同步补偿的广义似然法联合的检验校正算法的数据校正器对存储在数据缓存器中的数据进行校正：

D，将校验后的数据存储到卷烟企业能源管控系统的实时数据库中，以供卷烟企业能源管控系统使用。

5.根据权利要求4所述的利用卷烟企业能源管控系统的数据校验系统的卷烟企业能源管控系统的数据校验方法，其特征在于，步骤C包括以下步骤：

C1，采用改进的零度矩阵法对采集到的数据进行分类，卷烟企业能源管控系统中数据包括已测数据和计算数据集两类，将已测数据分类为冗余型已测数据和非冗余型已测数据，将计算数据分成可估计型计算数据和不可估计型计算数据；

C2，利用最小二乘算法，对由冗余型己测数据进行协调，消除随机误差；

C3，运用节点残差检测法检测每个经最小二乘算法协调后的数据节点的数据，确定含有显著误差的已测数据节点；

C4，采用修正的迭代测量残差检验法和同步补偿的广义似然法对数据节点的数据进行联合检验，确定经节点残差检测法处理过的含有显著误差的已测数据节点是否含有显著误差，若含有显著误差，则采用顺序补偿策略进行补偿，每次用同步补偿的广义似然法检验识别出一个显著误差后，用其估计值对约束残差或测量值进行补偿；采用补偿后的约束残差或者测量值侦破、识别其它的显著误差，直到没有新的显著误差被识别出来为止，从而完成数据的校正。

6.根据权利要求5所述的一种利用卷烟企业能源管控系统的数据校验系统的卷烟企业能源管控系统的数据校验方法，其特征在于：采用改进的零度矩阵法对数据缓存器中的数据分类时，数据缓存器中的数据分为已测数据集X和计算数据集U两类，已测数据集X和计算数据集U满足约束条件AX+BU＝0，其中，A和B为卷烟企业蒸气系统的平衡方程矩阵，首先对计算数据集U分类，具体方法是将约束条件AX+BU＝0中的计算数据集系数矩阵B分解成最大线性独立列组成的子矩阵B₁和其余部分B₂，即B＝[B₁|B₂]；求解B₂的零度矩阵P₂，并利用P₂左乘B，得到矩阵P₂B，矩阵P₂B的全零列对应不可估计型计算数据，矩阵P₂B的其余列为可估计型计算数据；然后，对已测数据分类，先求出矩阵P₂B的零度矩阵P₁，然后利用P₁P₂左乘约束条件AX+BU＝0，得到P₁P₂AX＝0；矩阵P₁P₂A的全零列对应非冗余型已测数据，矩阵P₁P₂A的其余列为冗余型已测数据。

7.根据权利要求5所述的一种利用卷烟企业能源管控系统的数据校验系统的卷烟企业能源管控系统的数据校验方法，其特征在于：采用最小二乘法对冗余型己测数据进行协调时，最小二乘数算法的数学模型为：s.tAX＝０，其中，为目标函数，min为最小函数，为冗余型己测数据，为协调值，上标T表示矩阵的秩，Q为测量值的误差协方差矩阵，Q由仪表的测量范围和精度要求确定，上标-1表示矩阵的逆，s.tAX＝0为约束条件，s.t表示约束条件，A为卷烟企业蒸气系统的平衡方程矩阵，X为已测数据集。

8.根据权利要求5所述的一种利用卷烟企业能源管控系统的数据校验系统的卷烟企业能源管控系统的数据校验方法，其特征在于，步骤C4包括以下步骤：

C41，设flag1＝flag2＝0，集合U1、U2、U3为空集合；

C42，数据校验器通过修正的迭代测量残差检验法判断经过节点残差检测法处理过的含有显著误差已测数据的数据节点是否有显著误差，若无显著误差，则进入步骤C43；若有显著误差，则获得可能含有显著误差的测量变量的位置集合U1，并置flag1＝1；

C43，数据校验器通过同步补偿的广义似然法判断有无显著误差，若无显著误差，刚进入步骤C44；若有显著误差，则获得可能含有显著误差的测量变量的位置集合U2，并置flag2＝1；

C44，若flag1+flag2＝0，则说明无显著误差，进入步骤C47；若flag1+flag2>0,则表明有显著误差，确定可能含显著误差的集合U3＝U1∪U2，即U1和U2的并集；

C45，数据校验器对于可能含有显著误差的测量数据的位置集合U3内所有数据构造似然比检验统计量，并对所有统计量进行排序，取得最大统计量T；

C46，若统计量T小于临界值，进入步骤C47；否则，表明存在显著误差，用其估计值对约束残差或测量值进行补偿，进入步骤C41；其中，临界值由测量仪表的精度的确定；

C47，显著误差侦破结束。