钢铁企业中能源介质的传输与转换的过程复杂,确保连续、安全和经济的能源供应是企业能源管理的重要任务。从钢铁企业能源的使用情况来看,副产煤气是能源优化调度的重点。由于高炉煤气(BFG)热值最低,生产过程复杂,产出波动大,一般情况下企业在对煤气调度和平衡调整不善时首先选择将BFG作放散处理,这势必造成大量有害气体对环境造成污染。因此对BFG产生量和消耗量进行科学预测,充分回收和利用BFG,可为制定合理的煤气使用计划提供依据,提高钢铁企业节能降耗的水平。本文以上海宝钢股份公司为研究背景,针对BFG系统的预测问题,将其系统中的产消用户分为非调节用户和调节用户,对不同类型用户采用不同的方法进行预测。对于非调节用户,提出一种带参数的改进回声状态网络(ESN)时间序列方法进行预测,同时根据最小均方差准则,以训练误差最小为目标,利用随机梯度下降法优化网络参数,并与其它几种常见神经网络的预测效果进行了比较,说明了该方法的优势。对于调节用户,则采用平均值法进行预测。对于BFG的受入量,由于其含噪水平较高,直接采用改进ESN方法进行预测,其效果不理想,为此提出一种基于经验模态分解(EMD)的除噪算法,在预测前首先对数据进行除噪。此外,分析了影响高炉煤气系统柜位升降的因素,采用ESN网络建立了高炉煤气系统柜位预测因素模型。在高炉煤气系统预测模型的基础上,本文研究开发了高炉煤气系统预测软件。该软件分为服务端和客户端,服务端每隔一定时间对高炉煤气系统(包括各个用户和柜位)进行预测,客户端则将实时数据和预测数据通过用户界面进行显示。仿真实验和高炉煤气系统软件运行均取得了较好的效果,表明了本文提出算法的有效性。