水泥制造业是对能源依赖度非常高的行业之一,在整个生产的总成本中,能源消费占其中的一半之多,尽管水泥企业近些年在节约能耗方面做出了巨大的努力,但是吨水泥的综合电耗水平与世界先进水泥企业的水泥生产电耗水平仍然有一定的差距。在面对企业发展的压力时,水泥企业对节能降耗的重视将日趋增高,而在水泥生产过程中,水泥煅烧系统是最耗能的部分,水泥煅烧系统几乎每个环节和设备都存在众多理化反应,这就导致水泥生产涉及的数据众多,且生产过程中几乎大部分的水泥数据都呈非线性关系和强耦合性,传统的方法很难实现全面地,快速地分析这些数据与电耗之间的关系,因此就无法有效、精准且全面的预测水泥煅烧电耗。本文针对水泥煅烧电耗的优化问题以及煅烧过程最优关键参数的预测问题,提出了基于改进BP神经网络的电耗优化和关键参数预测的模型。具体研究工作如下:（1）介绍水泥煅烧系统的生产工艺及其工艺机理,并分析水泥煅烧过程中电耗分布及对电耗产生影响的关键因素,通过具体分析初步选取对电耗造成影响的变量,待后续筛选,为水泥煅烧系统电耗优化和最优关键参数预测的模型打下基础。（2）针对水泥生产过程中的电耗及其关键参数数据存在的非线性和耦合性等问题,首先建立了基于BP神经网络的水泥煅烧电耗预测模型,并根据BP神经网络存在的一些缺点采取了相应的改进措施,分别通过遗传算法和粒子群算法对BP神经网络的权值和阈值进行优化并对两种算法的仿真结果进行对比分析,找到优化效果最佳的改进方法,最终选择通过遗传算法改进BP神经网络并利用相关水泥电耗数据训练建立出水泥煅烧电耗预测模型,实现更为精准的电耗预测模型。（3）基于已经建立起来的水泥煅烧电耗预测模型,通过平均影响值法（Mean Impact Value,MIV）计算出各个关键参数的平均影响值,作为参数的敏感度值,其大小代表对电耗的影响程度,根据敏感度值对关键参数进行筛选,剔除一些对电耗影响不大的参数,对模型输入数据进行降维,实现模型优化,再通过遗传算法以电耗为适应度值进行寻优。（4）最后结合某水泥企业水泥炉窑节能管控平台数据并形成节能模块,找到关键参数的最优个体,作为电耗优化结构的具体参数数值为操作人员提供参考。