钢铁工业是我国的支柱性产业之一,对我国的经济发展与社会建设起到十分关键的作用。氧气系统作为钢铁企业生产的重要一部分,其中能源产消平衡不仅能够保证钢铁企业的安全生产,而且还能降低能源消耗、减少氧气放散量,对于钢铁企业节约生产成本、促进经济效益和保护环境具有重要意义。现在大多数钢铁企业都是凭借现场工作人员的实际操作经验进行氧气系统的平衡调度。然而由于钢铁企业氧气系统结构复杂,涉及用户较多,仅凭人工经验的氧气系统平衡其效果并不理想。本文针对钢铁企业氧气系统的供应与需求存在的不平衡问题,提出一种两阶段实时平衡调度方法,用于在线确定氧气系统的调度方案。第一阶段对氧气系统工况分类：首先基于高斯过程分类器确定未来时刻某一点是否为调整点,然后基于统计的方法分析出调整时刻所有的工况。第二阶段,建立基于改进细菌觅食算法的不同工况下模糊T-S模型：使用FCM算法对输入输出空间划分并提取T-S模型的前件隶属度函数参数,同时利用改进的细菌觅食算法优化T-S模型前件隶属度函数的参数。所提方法在工业实际应用时,需要先判断该时刻是否为调整时刻,在确定为调整时刻后,分析对应的工况,进而据此选择模型,最终确定调整用户具体的调整量。为验证所提方法的有效性,本文选取我国某钢铁企业氧气系统现场数据进行验证实验。基于高斯过程的分类器对现场数据进行分类分离出调整点,并比较高斯过程分类器相比于其他分类器对于氧气系统数据的优势；然后根据调整点时刻所对应工况的模型求出调整量。本文将改进的细菌觅食算法与遗传算法、粒子群算法等进行了比较,结果表明所提方法与其它方法相比精度明显提高。