离散制造涉及工业航空航天、机床、船舶制造等领域,其规模庞大,能源消耗不可忽视,节能减排尤其重要。解析离散制造系统的能耗特性,建立系统能耗预测模型,可以为加工工艺参数及调度方案的优化提供数据支持。然而离散制造系统能耗与机床设备信息、加工零件信息、生产工艺参数、任务调度方案等因素具有密切关联性,能耗机理复杂,对系统能耗进行建模及预测难度较大。本文基于离散制造车间中的海量能耗数据,运用基于数据驱动的算法来实现离散制造车间能耗的离线与在线预测,并开发了离散制造能耗预测系统。具体研究工作如下:（1）分析离散制造系统能耗特性,建立起系统运行时各部分的能耗机理表达式;通过对表达式中各变量进行分类,确定出主要的能耗影响因素,并以典型的机械加工过程为例,从内部结构展开分析,以确定能耗模型的输入和输出变量,最后阐述了能耗关联数据的采集与预处理方法。（2）针对离散制造系统中设备的能耗影响因素多且非线性关联的特点,提出一种基于数据驱动的能耗离线预测方法。提出在灰狼优化算法基础上融合混沌映射、遗传算法的交叉变异算子和精英保留策略,并将改进的优化算法用于优化支持向量回归的惩罚参数和核参数,从而构建出能耗离线预测模型。实验表明改进的支持向量回归应用于离散制造的离线预测是可行的,且具有更高的准确度。（3）针对离散制造系统的能耗离线预测方法难以适应工况复杂多变性的问题,提出一种基于实时数据的能耗动态建模与在线预测方法。采用极限学习机算法构建离散制造系统的能耗模型;结合结构增量学习确定隐藏层节点数;对于实时数据,采用在线贯序学习快速更新模型;为防止模型因新增的冗余数据过多而导致在线计算困难,引入伯恩斯坦不等式提高模型的数据筛选能力。通过仿真实验和对比分析,验证了该方法具有回归精度高、预测误差小且建模用时短的优点。（4）以某实际离散制造车间为应用对象,开发了一套能耗预测系统。使用HTML、CSS、Java Script、Vue、Echarts等前端技术及组件开发了前端可视化页面,同时,使用Java语言及Spring Boot、My Batis等开源框架技术完成了后端模块逻辑功能的开发和能耗预测算法的实现。应用结果表明,本文开发的预测方法取得了较好的应用效果,能够较高精度地实现能耗的离线与在线预测。