熔炼环节是铝型材生产中能源消耗最大的环节之一,熔铝炉作为铝型材熔铸生产环节的核心设备,是保证铝型材正常生产的关键。生产过程中熔铝炉的异常不仅会影响企业的正常生产,降低产品的合格率,增大企业能源的损耗,还会增加各种污染废气的排放,影响企业效益。但是目前大部分企业的生产现场都仍是依靠传统的阈值设置、人工预警的方式去实现异常的检测,检测到的异常信息往往带有比较大的主观性,并且检查到的信息常常存在滞后性,对于关键的异常信息容易遗漏。因此,进行熔铝炉设备的能耗异常诊断系统设计研究对确保铝型材生产的全局安全与效益提升有着重要的意义。针对传统异常检测技术的缺陷,本文通过研究熔铝炉能耗数据的特点,提出了一种定量分析与定性分析结合,并在定量分析模型中采用实时计算与离线计算结合的方式,完成了对熔铝炉能耗数据计算规模的双重缩减,提高了在线系统的检测效率。文章具体的研究内容如下:（1）针对熔铝炉设备的系统结构与生产工艺特性,总结归纳出熔铝炉设备的潜在能耗模式。针对熔铝炉能耗数据的特点,提出一种能耗异常分析框架。利用定性分析与定量分析结合、实时计算与离线计算结合的方式,不断缩减数据处理规模,提高异常诊断系统的运算速度与资源的整体利用率。（2）针对传统划分聚类算法的不足,选用萤火虫算法对熔铝炉能耗数据进行聚类分析,并且通过可变步长优化以及其他启发式算法融合优化等方式对萤火虫算法作调整优化,提出一种基于改进萤火虫算法的聚类模型,实现了一种运算更快、精度更好的聚类方式。并使用基于改进萤火虫算法的聚类模型对熔铝炉能耗模式进行聚类分析,获取到原始数据所对应的类别。（3）针对本文能耗数据的特点与需要,对基本CART决策树进行改进分析,并利用聚类后标签化的数据训练决策树模型。通过结合训练好的决策树分类模型与离群点分析算法,提出一种基于实时数据分类与检测的能耗异常诊断系统,实时分析系统的能耗异常点。（4）构建了基于改进萤火虫算法与改进决策树算法的熔铝炉能耗异常诊断模型,并基于分布式的大数据存储与分析系统实现了该模型,完成了对熔铝炉设备的故障诊断。