造纸是我国九大高耗能行业之一，在环境、政策与市场压力下造纸企业面临着巨大的节能压力。节能方式一般可以分为三大类：①结构节能；②技术节能；③管理节能。其中，管理节能即对结构节能与技术节能提供重要支持，又可实现能源效率的持续改进，能源管理系统（Energy Management System，EMS）是管理节能的核心。能源管理系统是一项整合自动化和信息化技术的管控一体化节能新技术，通过对企业能源转换，利用和回收实施动态监控，改进和优化能源平衡，实现系统性节能降耗。本研究以广州造纸厂（海珠厂区）为对象，以GE智能平台为软件平台，研究并实现课题组能源管理系统(Mill Energy Optimization Platform，MEOP)中的关键模块——数据集成和能量信息实时计算，实现造纸企业能量系统的集中化、精细化管理。并通过对能源管理系统中的数据交互技术的研究，实现MEOP与基于造纸过程的各种功能模型的集成。能源管理系统的建立实现了全厂能量信息的准确、透明、实时获取，以广州造纸厂2009年PM1单位产品能耗指标为例，MEOP计算结果与人工统计结果的均方根误差为0.47GJ/t，平均相对误差为6.79%，MEOP还实现了该指标时间间隔为1分钟的实时计算，时效性远高于人工统计周期1个月。除了单位产品能耗等重要能效指标外，MEOP还支持基于物流数据的能流数据计算，这些丰富的实时能量信息提供了对生产过程能耗状况及能流流向的深入理解。在数据集成与能量信息提取的基础上，通过能源管理系统中的数据交互技术实现了MEOP与基于造纸过程的各种功能模型的集成，进而实现了能量监控、能量分析等能源管理系统重要功能，并且丰富的生产过程数据和能量信息为后续能源影响因素分析与挖掘、能耗预测提供了重要数据基础。造纸生产过程具有海量的生产数据，但理解它们已超出了人的能力，常常使操作人员陷入“数据丰富，信息贫乏”的困境。本研究以能源管理系统为平台，以造纸过程海量生产数据为基础，对生产过程能源影响因素进行数据挖掘。针对造纸过程多变量、变量间多重相关和生产过程海量数据的特点，使用主成分分析（Principal ComponentAnalysis，PCA）、偏最小二乘分析（Partial Least Square，PLS）等多变量变换与筛选方法，对造纸过程能源影响因素的重要性进行分析与挖掘，得到了具有重要影响的能源影响因素，实现了能源影响因素的重要性排序，并根据能源影响因素的重要性分析结果，对能源影响因素进行了筛选，去除了与能耗无明显相关关系的能源影响因素。研究结果表明，合适的数据预处理和PLS相结合，可以实现对具有多重相关性的能源影响因素的重要性分析，发现与识别造纸生产过程中的主要能源影响因素，进而为各种节能技术改造、能源消耗异常分析、能耗预测等提供重要支持。基于能源影响因素的PLS分析结果，并针对偏最小二乘分析和人工神经网络各自的优势和特点，提出用PLS-ANN预测模型预测造纸过程能耗。为了提高预测的准确性，根据造纸生产过程各个工序的能耗特点，对造纸过程能耗进行划分与分类，针对每个能耗划分类型，应用适合的预测模型——PLS-ANN或ANN，对各个工序的能耗实施预测。在工序能耗预测的基础上，实现对整个造纸过程未来1小时能耗的有效预测。结果显示，对于造纸过程电耗，预测的均方根误差为9.02kWh/t，预测值与测量值的相关系数为0.95，对于造纸过程蒸汽消耗，预测的均方根误差为0.03t/t，预测值与测量值的相关系数为0.88，达到了较好的预测效果。通过造纸过程能耗的有效预测，可以为能源转换环节的生产提供重要支持，减少能源浪费，进而实现能量系统的动态平衡。本论文主要是关于方法和应用的研究，主要创新和特色之处为：1)在造纸企业能源管理信息系统中引入基于物料流和物料热力学性质的能量信息实时计算，获取准确、透明、实时的能量信息；2)针对造纸过程多变量、变量间多重相关和生产过程海量数据的特点，将PCA、PLS等多变量变换、筛选技术应用到造纸过程能源影响因素的分析与挖掘中来。通过合适的数据预处理技术与PLS相结合，实现能源影响因素的变换和重要性分析，对造纸过程的重要能源影响因素进行识别；3)对造纸过程能量系统进行合理划分，针对各个能耗划分类型，分别建立合适的预测模型，提高能耗预测的准确度。提出偏最小二乘分析与人工神经网络相结合的PLS-ANN预测模型，该预测模型即包含PLS在数据分析与解释方面的优势，又包含人工神经网络在非线性建模、自学习和自适应方面的优势。