随着经济的快速发展,能源发展问题已经成为国家的重要战略,能源管理也正成为时下的一个重要研究课题。而目前,关于企业能源节能降耗的研究,相对是比较多的,但是以某个整体、某个区域作为研究对象的能源研究很少,而区域能源的分析和预警对政府的能耗宏观管理,对企业能源的节能,都具有重要意义。同时当前的能源管理,越来越期望能主动发现内在的能耗规律性知识,对能耗数据的智能分析和决策提出了更高的要求。本文以区域和企业能源管理为背景,针对区域能源管理在数据分析、能耗预警上存在的问题,采用数据仓库技术和数据挖掘算法加以解决并融入于区域能耗预警系统中,取得了良好的实际效果。本文的主要工作和成果如下：1、针对区域能耗数据的多维性,本文引入数据仓库技术,通过概念模型、逻辑模型和物理模型设计,分别确定了能耗预警主题、数据仓库模型、数据库的索引等,从而构建了区域能耗数据仓库,并在数据仓库的基础上进行了OLAP的多维数据分析。2、针对传统预警中存在的缺陷与弊端,提出了利用关联规则作能耗数据的相关性预警,通过研究经典Apriori算法和区域的多维性,提出了一种具有时空特性的分层挖掘Apriori算法,该算法提高了Apriori算法的挖掘速度,有利于相关性预警知识的挖掘。3、针对区域能效的利用率问题,对于多指标下的多维能耗数据,提出了适用于区域能耗预警系统的粒子群和K-means的混合聚类算法进行非监督式的聚类,对远离聚类中心的项进行能耗预警,从而有利于能管中心采取有效措施,最终提高区域能源利用率。4、本文在企业调研的基础上,对能耗预警系统进行了研究与实现,通过系统功能、流程、数据结构设计,构架了区域能耗预警系统和企业能源管理系统；在系统实现过程中,于区域能耗数据仓库上,导入改进Apriori算法作相关性预警,导入PS0-K混合聚类算法作聚类预警,从而为区域能管中心能耗预警提供决策支持。