有色金属行业作为我国九大高耗能行业之一,目前面临着来自能源、环境、国家政策和市场的巨大节能压力。在能源供应日益紧张、成本日渐高涨的环境下,科学有效地管理企业能源尤为重要。能源管理系统是对能源科学管理的有效手段,为了提高企业能源管理效率和完善能源管理系统,要在能源历史数据统计、分析的基础上,对未来的能源数据进行智能化预测,从而满足企业各种需求。所以,研究以节能为目标的能耗预测模型具有重大意义。本研究以佛山某有色金属企业为对象,针对企业因能源需求与供应出现矛盾而造成的能源浪费或紧缺的问题,根据该企业的能源使用情况研究并建立了相应的能耗预测模型,并将该模型集成于该企业能源管理系统中。让企业管理者提前制定能源分配、使用计划,从而满足生产能源的需求。首先,在介绍BP神经网络的模型结构、学习算法和遗传算法的基础理论上,以遗传算法与BP神经网络结合为预测方法进行研究。针对标准遗传算法对于寻找最优BP神经网络权值和阈值的不足之处,引入拉普拉斯交叉算子和黄金分割变异算子对算法进行改进,增加个体多样性,提高算法寻优速度,从而设计了LGGA-BP神经网络预测模型。其次,针对改进的遗传算法和BP神经网络各自的优势和特点,利用LGGA-BP预测模型预测有色金属企业的能耗。为了方便企业制定详细的能源计划,根据有色金属企业的生产工序能源使用特点,对铜管生产工序能耗进行划分和分类,分别采用LGGA-BP预测模型进行预测。最后,在工序能耗预测的基础上,实现对整个企业未来一天能耗的有效预测。结果显示,相对其它两种模型的预测结果,LGGA-BP能耗预测模型具有更好的寻优能力。通过企业能耗的有效预测,为能源生产计划提供支持,减少能源浪费,进而实现能源供需平衡。并将此预测模型应用于能源管理系统中,使该能源管理系统在有色金属企业中应用取得良好的效果。