铜管生产过程能源是按需供给,若能源供给不足或供给过剩,会造成生产中断和能源浪费,影响企业的经济效益,准确掌握能源需求,保障能源供需平衡是铜管生产企业急需解决的问题。此外,铜管生产过程中存在能耗异常,且难以发现,往往造成能源浪费。而解决上述问题的根本是实现对能耗的精准预测,尤其在加工过程中,针对影响能耗的复杂加工参数,准确预测出相应能耗,通过与实际能耗进行对比分析,可以有效检测出能耗是否存在异常。因此,针对能源需求进行预测和能耗异常事件进行检测两个问题的特点,通过数据处理和预测建模,提出一种基于GA-BP网络的能耗预测模型,保障能源供需平衡、减少能源浪费、提高能源使用效率。本文的研究内容具体如下：1.根据铜管生产工艺流程,系统分析了生产过程能耗结构、能耗分布及各工序耗能种类,揭示了熔铸、铣轧拉、盘拉等工序的能耗影响因素,形成了铜管生产工序能耗影响因素集。2.针对能源需求预测问题,提出一种基于GA-BP神经网络的能源需求预测模型。将能耗历史序列数据和能耗影响因素数据组合输入,使预测输出包含能耗历史序列数据的时序信息、能耗影响因素信息以及能耗信息,并运用遗传算法优化BP神经网络模型,通过该优化模型提高预测精度(平均相对误差为1.53%)。3.针对能耗异常检测问题,提出一种基于GA-BP神经网络的能耗异常检测模型。对能耗影响因素进行关联度分析,将关联度较大的因素作为能耗主要影响因素,并采用主成分分析法对原始数据进行降维处理,同时根据预测误差结合多元线性回归设置置信区间的方法将能耗预测值扩展成一个区间,实现异常检测。综合以上研究,建立能源需求预测和能耗异常检测模型库,并采用Java语言开发了能源需求预测和能耗异常检测模块,通过将该模块集成到能源管理系统,在企业中进行应用验证。