能源消耗问题是制约水泥行业发展的关键所在,水泥磨系统是水泥生产的关键生产过程,对水泥粉磨过程中耗电量的关键参数进行优化可以为水泥生产过程中的节能降耗提供依据。水泥粉磨过程能耗主体为电耗,水泥磨生产过程是一个时变、连续且各个过程变量之间相互耦合的过程,水泥粉磨过程中电力消耗容易受到设备运行情况、原料波动及过程变量的变化等因素的影响,难以通过分析水泥磨运行机理建立精准的数学模型对电耗进行控制。本课题旨在通过数据驱动的方式,建立水泥磨生产电耗预测模型,通过不断更新预测结果修正生产过程变量以适应新的工况条件。并且以预测模型为基础,结合水泥粉磨过程设备约束、电耗指标约束构建水泥磨过程变量的优化模型,利用DC-BAS算法对过程变量进行优化求解,实现基于电耗预测的水泥磨生产过程优化。具体研究工作如下:（1）基于水泥粉磨过程工艺机理,分析影响水泥粉磨过程电耗的相关设备,进一步选取影响水泥粉磨过程电耗的相关变量。采用互信息法度量电耗相关变量与电耗的相关性系数,将目前的人工经验分析转换为基于相关性系数的选取,筛选出影响水泥粉磨过程中影响电耗的关键变量,减少数据冗余,为后续水泥粉磨过程电耗预测模型的建立奠定基础。（2）针对水泥粉磨过程存在的时变时延性、非线性和不确定性等个性问题,且生产要求即时性等共性问题。充分利用变量数据及目标变量的时序特性,根据水泥粉磨过程的时延时间确定时间窗口长度将各变量数据排列作为输入层,使用改进粒子群算法（Improved Particle Swarm Optimization,IPSO）对高性能极限学习机预测模型（High-Performance Extreme Learning Machines,HP-ELMs）的结构参数进行优化,消除了变量的时变时延特性对电耗预测精度的影响,实现了对电耗的预测。（3）将电耗预测模型作为目标函数,结合水泥粉磨过程中设备运行情况、工况信息,结合动态修正的天牛须搜索（Dynamic Correction Beetle Antennae Search,DC-BAS）算法对目标函数进行求解,得到适合当前工况的最优过程变量。实验结果表明,本文所建立的电耗预测模型具有较高的预测精度,优化后的过程变量作为设定值代入到目标函数后,有效降低电耗。