能源在离散型制造企业中扮演着重要的角色,制造设备的能源数据对于企业生产效率的提升,以及生产成本的管控有着重要的参考价值。基于云计算模式下的设备能源管理系统在离散型制造车间得到广泛地应用,但是车间制造设备的迅速增加和秒级采集数据的方式情况存在,使得能源数据量呈现出海量增长的趋势,在这种情况下,基于云计算模式下的设备能源数据直接上云的处理方式,造成了网络传输拥堵、数据池存储压力增大等问题。同时,离散型制造车间生产任务是按照生产安排进行实施的,然而车间进行生产安排时并没有将设备能耗情况纳入考虑范围内,因此常常存在不合理的安排导致设备能耗量增加,进而提高了企业的生产成本。在实际生产过程中,设备能耗情况对于生产合理安排具有重要意义,但是设备能耗情况是滞后知晓的,于是对设备能耗情况进行提前预测,成为了企业能源管理的重大需求。因此,本文以广东省某汽车配件企业为研究对象,结合边缘计算、数据压缩以及时序预测方法来解决上述问题,保障制造车间能源管理和生产任务的健康运作,实现企业能源的合理利用以及生产效率的提升。论文的主要工作包括:第一,本文根据实际生产车间情况进行具体需求分析,设计并实现了基于边缘计算的能源数据采集系统。该系统由设备能源数据源层、边缘数据处理层以及云平台数据处理层组成,边缘数据处理层作为核心层,该层边缘网关完成了设备信息配置、数据通信以及数据处理功能需求,Kafka集群完成了数据传输功能。该系统实现了全部制造设备能源数据实时准确地采集,为边缘端数据处理提供稳定的数据来源。第二,针对海量能源数据传输与存储压力过大的问题,本文提出了一种基于异常检测的容差动态调整旋转门压缩算法。首先根据基于状态变化的滑动窗口异常检测算法选取的最优异常检测参数对能源数据进行异常检测,提高能源数据的准确性;其次根据基于容差动态调整旋转门压缩算法结合场景需求期望误差及数据实际波动性状态进行数据压缩处理,从而减少数据量来缓解传输与存储压力;最后使用企业实际重点能源监测设备数据进行测试验证,表明该算法具有一定的可行性。第三,针对企业需要使用设备能耗预测值进行生产任务安排的需求,本文先采用基于ARIMA模型能耗预测算法,结合能耗数据含有非线性部分的特点,继而采用基于ARIMA-SVR组合模型的能耗预测算法。两种算法对相同重点能源监测设备能耗数据进行验证,实验结果表明组合模型对于能耗预测拥有更好的效果,该模型基本能够满足短期生产任务的设备能耗预测需求。第四,为了验证算法的合理性和有效性,本文设计并实现了边缘数据处理层的能源管理边缘平台。将数据压缩算法和能耗预测算法部署在能源管理边缘平台,对能源数据进行边缘端实时地压缩与预测,满足实际应用场景下的实时业务需求,表明本文的方案在解决两大问题上具有一定的实用性。