我国是纸和纸板生产和消费量的大国,近年已在降低造纸能耗方面取得了明显进展。但造纸作为能源密集的工业,仍然具有较大的节能潜力。纸机真空系统是纸机上电和水消耗的大户,具有能耗大,节能潜力大的特点。真空系统的设定不仅影响着真空系统本身的能耗,还影响到纸机上其他部分的能量消耗。合理的真空系统的配置可以使纸机在稳定生产的同时节约大量能量。本文以优化真空系统为目标,提出了一种分析真空系统生产数据、建立真空系统优化模型以及开发真空系统在线平台的方法。旨在解决生产中真空度的设定缺乏定量依据的问题,提高纸机的能源利用效率。本文以广东某涂布白卡纸厂为例,通过华南理工大学节能与过程优化课题组的能源管理系统(Energy Management System,EMS)获取生产数据。EMS能以1s为时间间隔对该厂生产数据进行集成和运算,提高了该厂的能源利用效率。以2014年为例,EMS在该厂等价节能1048tce,等效节约能量成本131.64万元。在对真空系统进行了数据挖掘时,采用了3σ法和滑动平均滤波法进行了数据预处理,采用了偏最小二乘法的对真空系统相关数据进行分析,采用了K-means聚类法对数据进行了分类。该涂布白卡纸厂数据挖掘结果显示,除了干燥部汽耗外,真空系统的能耗还与传动能耗关系密切,二者相关系数为0.8017。另外,车速和定量是影响真空系统能量消耗的一个重要的因素,它们分别位于变量投影重要性排序的第一位和第二位,VIP数值为1.2195和1.2057。二者在建模时必须重点考虑。依据车速和定量的不同,K-means将数据分为了高克重、中克重和低克重三类,总体平均距离为38.97。依据数据挖掘的结果,提出了一种建立了真空系统优化模型的方法。针对造纸真空系统面临的情况动态复杂,难以从机理的角度得到优化结果的特点,方法从数据的角度出发,基于偏最小二乘法、人工神经网络等多种方法建立了真空系统能耗成本模型,然后依据遗传算法从这些关系中求解出了不同工况下的最节约能源的真空度的数组。采取不同时间段数据测试,偏最小二乘法对能耗成本和脱水能力拟合的判定系数在在0.6到0.7之间,人工神经网络的判定系数在0.80以上。模型最终确定采用神经网络建立关系式。遗传算法在求解时综合考虑了偏最小二乘法和人工神经网络的模型,与现场生产的平均数比较,模型得到的优化设定值每小时能节约2000元以上的能量成本。最后,基于真空系统优化模型的结果,在EMS上开发了真空系统优化平台。结合现场的具体情况和现场实际应用的需求,设计了平台的架构,并且优化了平台画面代码。优化平台对真空系统进行实时监控,并提供实时的最优化真空度设定值指导生产。