钢铁企业高能耗、高污染、高排放的生产特点,对企业的经济和环境保护都带来了十分严峻的负面影响。面对能源介质交互并存、能源消耗大、能源利用率低等长期困扰钢铁企业发展的问题,需要科学合理的制定能源管理方法提升能源管理水平,以减少能源的排放,提高能源利用效率,实现能源循环利用。本文对钢铁企业能源预测问题进行研究,利用最小二乘支持向量机算法对不同时间维度的能耗数据进行预测,可以更好的监视能源介质的生产状况和消耗状况,从而实现合理的安排生产,减少能源放散,提高能源回收率。论文的主要研究内容如下:(1)针对目前钢铁企业用能计划制定中存在能源生产过程复杂、计划制定时间长、人为因素影响较大的问题,本文从时间与介质维度对能源预测问题进行分类,从整个钢铁企业生产全流程出发,利用钢铁生产能源消耗产生机理分析影响主工序能耗的主要因素,从而为能源预测奠定基础。(2)针对钢铁企业生产过程复杂、机理模型未知、能源转换非线性的特点,利用最小二乘支持向量机构建预测模型,并采用控制变量法手动设置影响算法预测效果的未知参数。通过两个不同的核函数对高炉实时生产数据进行预测,验证了模型的有效性。(3)采用差分进化算法对最小二乘支持向量机算法中影响预测精度的参数进行寻优,并与粒子群寻优的结果进行了比较。分别利用实际生产中的高炉实时生产数据和炼铁工序月统计数据对模型进行了测试,测试结果表明本文提出的基于差分进化和最小二乘支持向量机的混合算法具有较高的预测精度。(4)基于所提出的混合建模算法,设计并开发了钢铁企业能源介质预测系统,包括数据库表结构和预测系统功能模块设计。预测系统主要针对生产主工序的能源介质使用状况按照不同时间维度进行预测,为钢铁企业用能计划提供科学依据,主要功能包括基础数据、参数设置、能源预测和系统管理。