近年来,能源需求的无序消耗,使得能源的供应变得日趋紧张。钢铁等典型流程制造业都属于高耗能行业,因此面临着十分严峻的能源形势。提高能源利用率,节约能耗不但可以降低企业的生产成本,而且可以增加企业的效益,提高企业的竞争力。本文以典型流程工业的能源介质的消耗预测为背景,用近似动态规划理论将其建模成一个多阶段的动态优化问题。主要内容如下：(1)钢铁企业目前的能源管理侧重以工序为单位进行能源消耗量预测,关注更多的是能源消耗总量。这种捆绑式的能源预测统计方法无法使管理者很好的了解每种介质具体的工序分布情况。本文以介质为预测单位,对能源介质在工序间的分布消耗做预测,能够很好的平衡能源介质的消耗回收损失和放散情况。(2)针对能源介质工序分布消耗预测问题,本文提出了基于神经网络的近似动态规划算法。近似动态规划是近些年发展起来的解决大规模随机优化问题的有效工具,其核心为值函数逼近。在用于值函数逼近的四种非参数方法：K邻域、核回归、局部多项式回归和神经网络中,神经网络的精度和稳定性最高。基于神经网络的近似动态规划算法,在神经网络基础上,数据稳定性和数据精度又提高了很多,提高了预测准确性。(3)基于调研结果、理论分析和算法实现,设计并开发了针对钢铁企业能源介质工序分布消耗预测问题的能源介质预测平衡系统。对系统的模块设计、各模块功能实现及界面展示等做以详细介绍。(4)钢铁是典型流程工业,有着能源介质种类多、消耗量大等能源消耗特点。为了验证本文提出的用于能源介质工序分布消耗预测算法在流程工业中的广泛应用,以某啤酒企业的能源介质消耗情况为背景进行了扩展研究,并开发了用于该啤酒企业的能源介质预测系统。