在我国的能源消耗中,工业是我国能源消耗的大户,能源消耗量占全国能源消耗总量的70%至75%,且能源利用率水平不高,万元产值能耗与欧美日本相比差距还很大。因此,加强企业能源管理,开展企业节能降耗行动,提高能源利用率是减少资源消耗、保护环境的最有效途径,也是我国走新型工业化道路的重要内容,这对于提高企业经济效益,缓解社会经济发展面临的能源和环境约束具有重要意义。本文分析了当前企业的节能情况,给出了能源管理系统的结构和功能模块,着重针对能源管理模块的三个主要功能:负荷预测、需量控制和电费优化提出了新的设计思路和实现方法。在对企业负荷进行了深入细致的分析的基础上,提出了基于小波包和神经网络的企业电力负荷预测方法,通过小波包分解后再运用神经网络方法进行电力负荷预测,使负荷的细节分量得到利用,仿真结果表明,该方法具有较高的预测精度。提出了结合神经网络和模糊理论的分级需量控制,传统的控制方法进行改进,不再仅仅引入需量偏差率作为输入量;将需量偏差率分为不同的等级,同时引入了需量变化趋势,两者相结合来对需量进行区域性控制,使需量控制更加完善,仿真实验结果表明,基于模糊控制的需量控制算法有很好的跟随性。将模糊理论引入企业用电成本分提出了模糊优化的方法,对目标函数和约束条件进行模糊区域化,对于不同的过渡区间的选取,会得到不同的优化方案,达到了一种方法多种优化方式的目的,同时得到的结果更加符合实际情况。该方法在解决实际的电费优化问题中具有明显的优越性。三种功能相辅相成,负荷的高精度预测可以为需量控制和用电成本优化提供更加准确的负荷分布,而需量控制和用电成本优化又是相互联系的,精确的需量控制可以更好的降低用电成本,而合理的用电成本优化又可以辅助需量控制的过程。