水泥产业是国民经济和社会发展的重要支柱产业之一,水泥粉磨是水泥制造的关键步骤。当前水泥粉磨生产过程存在调节主观性、滞后性等问题,导致水泥粉磨系统生产能耗较高,产品质量不稳定。因此,研究水泥粉磨系统的建模和优化问题对降低水泥生产能耗和控制产品质量有重要意义。水泥粉磨过程涉及多个工序难以用数学模型精确描述,此外水泥粉磨过程中各工序相互制约,相互影响但工序间缺少协同机制,这都对水泥粉磨系统建模和优化带来了一定困难。针对上述问题,本文开展水泥粉磨系统电耗优化模型与优化算法的相关研究,主要研究内容如下:针对水泥粉磨过程机理模型建模困难的问题,使用数据驱动的方法建立水泥粉磨系统电耗优化模型。优化模型以水泥粉磨系统生产电耗作为目标函数,并把反应产品质量的比表面积作为质量约束确保在降低水泥粉磨系统生产电耗的同时保证水泥产品质量。本文采用卷积-门控循环单元神经网络（CNN-GRU）计算水泥粉磨过程的电耗和比表面积,该网络首先使用滑窗得到各生产过程变量的时间序列,然后利用卷积和池化提取特征降低冗余,之后利用门控循环单元处理时序数据的能力充分提取数据中包含的时序特征,解决水泥生产数据存在的时变时延性、不确定性和非线性等问题。针对水泥粉磨系统优化模型缺少反映运行变量耦合关系的约束,导致优化时搜索空间内存在不可行解,优化结果不符合实际生产要求的问题,提出基于判别模型的差分进化算法（AE-DE）。所提出的算法使用基于自编码器的判别模型挖掘运行变量之间的关系,在优化过程中以此作为约束过滤优化搜索空间内的不可行解,提高优化结果的可行性。最后,使用水泥生产现场采集的数据进行实验及分析,通过与多种不同模型对电耗和比表面积的计算结果进行对比,说明本文对水泥粉磨系统建模的准确性,并对优化后的结果进行分析,说明本文提出的约束优化算法的可行性与优越性。