能源短缺和环境恶化是制约社会和经济可持续发展的重要因素,能源问题已成为全人类亟需解决的难题。工业企业作为我国能源消耗大户,用电量大,电费支出居高不下,其能源高效利用对我国工业绿色转型和经济发展有着重要作用。如何促进工业绿色转型,有效合理利用能源是贯彻落实“十三五”规划,推进落实能源革命以及国家生态文明建设的重大措施。在此背景下,针对工业企业减少用电量、减少电费支出所面临的关键问题,工业企业对工业负荷需量进行精准管理。首先选取耦合性、关联性强的工业企业的负荷进行建模。通过分析工业负荷中生产设备负荷的工艺流程,建立工艺流程中连续负荷、强关联负荷、前置负荷、同步负荷的模型。根据工业负荷中空调负荷功率与温度之间的关系约束,建立空调负荷的模型,针对空调温度调整与工业企业用电舒适度、满意度之间的关系,建立用电满意度模型。同时,通过分析工业负荷中储能各时段之间的功率关系以及约束,建立储能负荷的模型。工业负荷模型为负荷预测提供预测负荷种类,是工业负荷综合优化调度模型的基础。其次,本文介绍了TRUST-TECH神经网络的训练方法,总结出ELITE“多样性、准确性、最优性”的特点。在基于TRUST-TECH输入修剪的神经网络集合(ELITE)的预测方法前提下,根据负荷的分类,对优化周期各类工业负荷的用电量预测。仿真结果表明:对比其它预测方法本文所提出的预测方法具有更高的预测精度,更好的预测性能。根据负荷预测结果,得到优化周期内各负荷的用电数据及工业企业的用电趋势,为下一步工业负荷的综合优化调度提供数据基础。最后,根据各类工业负荷模型及负荷预测结果,对工业负荷进行综合优化调度。在工业负荷综合优化调度中,选取电解铝企业中的工业负荷作为研究对象,把电解铝企业购电费用最低和用电满意度最优作为目标,建立了双目标优化调度模型。根据负荷预测所提供的用电数据,应用约束处理方法(ECHM)与多目标差分进化(MODE)算法集成在一起的集合方法来解决具有约束的多目标优化问题。仿真结果表明:相比优化前,在用电满意度影响较小的情况下,工业企业用电量大幅减少,企业用电成本明显降低。同时利用储能与不同负荷进行综合控制优化,降低工业负荷的最大用电需量,电度电费与基本电费均减少且不影响用电满意度。