作为国民经济的支柱产业,钢铁企业的节能减排问题一直受到高度重视。而氧气系统作为钢铁企业能源系统中重要的一部分,其平衡调度问题一直是钢铁企业节能减排管理中的关键问题。本文对钢铁企业氧气的最大用户-转炉炼钢过程的氧气需求量预测问题以及氧气系统优化调度问题进行研究。主要工作是结合转炉炼钢吹炼计划和氧气需求量历史数据预测未来计划期内的氧气需求量,对制氧机组进行调度,达到氧气系统的供需平衡,减少氧气放散率,降低能源消耗。针对钢铁企业氧气需求量预测问题,提出了基于长、短期时间序列网络（Long and Short-term Time-series Network,LSTNet）的预测模型。针对钢铁企业氧气优化调度问题,基于预测模型的氧气需求量数据,建立了基于数据解析的钢铁企业氧气优化调度模型,并设计了差分进化算法进行求解。主要研究内容如下:1)钢铁企业转炉炼钢过程中的氧气消耗机理复杂,具有非线性以及间歇性等特点。本文采用深度学习方法解析炼钢用氧规律,通过工业数据中的异常值与缺失值进行预处理,建立基于超参数调节LSTNet网络的预测模型,对未来计划期内氧气需求量进行预测。与基于长短期记忆网络（Long Short-Term Memory,LSTM）的预测模型对比表明,该预测方法对钢铁企业转炉炼钢过程中氧气需求量的预测效果较好。2)针对氧气系统的平衡调度过程中氧气发生连续性与用氧设备间歇性矛盾所造成供需不平衡、氧气放散率高的问题,研究基于数据解析的氧气系统供需协调优化问题,其中的氧气需求量采用LSTNet学习网络获得。考虑氧气系统中的设备产能、管网平衡和机组变负荷等约束,建立了氧气系统优化调度模型,优化氧气系统的综合经济效益。设计了基于自适应变异、中间重组交叉的差分进化算法进行求解。实验结果表明,差分进化算法在有效时间内能够求解模型,满足实际生产的需求。3)嵌入所研究的需求量预测算法,开发了钢铁企业氧气需求量预测系统。系统结合钢铁企业积累的数据,通过钢铁企业的报文系统自动获取炼钢计划,根据实时数据库中的历史转炉氧气消耗数据实现氧气需求量预测,辅助用户制定钢铁企业的制氧计划。