冶金企业能耗长期困扰的问题是其能耗长期居高不下,所以对企业进行能源规划尤为重要,其重要的部分是对影响其因素进行预测与能耗优化系统,可以把握能源消耗的变化趋势,有效的降低生产的成本,控制能源的储备量,改善环境质量,对于提高产品的市场竞争力,经济效益与信息化管理水平具有极为重要的意义。冶金企业能源消耗系统是一个复杂的系统,它具有很强的非线性。目前,不论是机理分析模型,还是统计模型,在模型建立的过程中受许多建模假设的限制,这些模型很大程度上只是对实际能源消耗规律的一种近似模拟,难以用于处理冶金企业能源消耗系统内在的、复杂的非线性关系。本文针对目前冶金企业能源消耗量大,能源信息传输速度慢、处理周期长和信息系统的智能化水平低等状况,在广泛查阅国内外文献资料和现场调研的基础上,从生产需要和经济实用角度出发,把人工神经网络与小波分析结合起来,以辽阳铁合金股份有限公司AOD炉精炼微碳铬铁为研究对象,尝试建立终点时刻参数预测与优化模型。本文通过对铁合金的生产过程进行充分的调查和研究,在综述国内外能源消耗模型研究的基础上,把人工神经网络与小波分析法结合起来建立终点时刻参数预测模型。针对辽阳铁合金精炼微碳铬铁能源消耗系统内在要素之间关系的复杂性,利用小波神经网络具有逼近能力强、收敛速度快、能有效地避免局部最小值等优点,建立了基于小波神经网络算法的终点时刻参数预测模型,以采集到的能源数据资料为依据,对小波神经网络能源终点时刻参数预测模型进行训练和检验,运用MATLAB软件进行仿真,结果显示小波神经网络稳定性更好、鲁棒性更强,有效的提高了终点时刻参数预测的精度。在小波神经网络终点时刻参数预测模型基础上,建立了基于遗传算法的精炼微碳铬铁的供氧量优化模型。在已知铬矿加入量、石灰加入量、硅铬合金加入量等条件下,运用该优化模型,可以获得以终点碳含量为优化目标的供氧量优化生产参数,为企业提供能耗的优化策略。最后对辽阳铁合金股份有限公司能源信息管理系统进行研究。