由于现代物联网技术和信息化技术的兴起与发展,卷烟企业越来越重视能源管理系统的建设及改进,期望通过新的技术手段对企业的能源利用实现精细化管理,从而为节能工作的开展提供指引和帮助。能耗预测作为企业能源管理系统的重要组成模块,目前对于卷烟生产过程系统能耗预测的研究还比较少,而且能耗预测误差较大,因此,寻找准确可靠的能耗预测模型是一项重要的任务。为解决上述问题,本文结合国内某卷烟企业的实际生产过程工艺及其用能特点,按照数据挖掘全流程,对卷烟生产过程系统各部分能耗建立不同的能耗预测模型,力争为各部分能耗寻找准确合理的能耗预测模型。主要的研究工作及结论如下:1、根据研究目标以及企业积累的实际历史数据情况,采集研究所需的数据,并对其进行处理和整理,采集的数据主要包括各能耗指标历史时间序列数据及各气象参数数据。在数据准备环节,完成了数据缺失值和异常值处理、数据规范化、相关性分析,为各部分能耗预测模型的建立提供准确、完整、一致的数据集。2、对划分后的卷烟生产过程单变量能耗时间序列数据建立了单变量能耗预测模型。文中分别建立了基于ARIMA算法和基于LSTM神经网络算法的能耗预测模型进行预测,并对两者的预测结果进行了对比分析,发现采用基于LSTM神经网络算法的能耗预测模型可以更好地对这部分能耗进行预测,计算所得的模型性能评价指标MAE和RMSE最小。因此,可将该模型应用于卷烟生产过程单变量能耗预测模块。3、对划分后的卷烟生产过程空调蒸汽消耗量建立了多变量能耗预测模型,模型主要以历史空调蒸汽消耗量时间序列数据和各气象参数数据作为输入。文中分别建立了基于BP和基于CNN-LSTM神经网络算法的能耗预测模型进行预测,并对比分析了其预测结果,发现采用基于CNN-LSTM神经网络算法的能耗预测模型进行预测效果更好,计算所得的模型性能评价指标MAE和RMSE最小。因此,可将该模型应用于卷烟生产过程多变量能耗预测模块。本研究为卷烟生产过程系统各部分能耗预测提供了更加准确合理的模型选择,这对卷烟企业能源管理系统的建设以及对节能工作的开展都具有一定的帮助作用。