空调系统运行能耗在公共建筑用能中占比较大,而现阶段在建筑运维领域中,中央空调系统的运行管理缺乏科学的指导。公共建筑运行工况复杂多变,对运行人员要求高,粗放式的运行管理方式不满足绿色发展要求,因此,基于机器学习方法精准预测负荷,并推算出合理的运行策略至关重要。近年来随着物联网的发展,建筑运行数据爆发式增长。建筑运行数据往往隐含了丰富的建筑本体特征及运行性能等信息,目前国内外有大量负荷预测与运行策略优化相关研究,但是,现阶段热源运行策略与末端室内环境多处于分离的状态,联合公共建筑室内群舒适度的运行策略优化研究较少,同时,数据质量、体量与模型是否适配等问题也成为了阻碍数据驱动型模型应用于实际工程中的主要因素。建筑及其数据监测系统在投入运行后,会逐渐从无数据阶段过渡至大数据阶段,策略模型的设计与开发还需在时间维度上结合各阶段的数据条件不断迭代优化。本文从公共建筑全生命运行周期的角度考虑,结合建筑在运行各个阶段的数据条件,开发了无数据阶段与大数据阶段的联合室内温度的热源智能运行策略模型,有助于在改善室内舒适度的前提下,降低公共建筑中央空调系统运行能耗,削减人力成本投入。首先,本文提出了一套公共建筑中央空调供热系统运行现状评价方法。从室内温度出发,详细阐述了获取有效室内温度数据的方法,建立了室内温度整体评价体系和有助于策略模型构建的建筑等效室温模型。从能源出发,提出了基于规范值和相似日的横纵向评价方法,以及基于运行数据的能耗诊断方法。然后,针对无数据阶段,本文构建了极短期数据与专家知识耦合的策略模型,基于建筑详细设计资料与实际内扰信息在仿真平台建立建筑实体模型,获取热负荷模拟数据,以此作为训练集,通过机器学习建立热负荷预测模型,在实际运行过程中,根据未来室外气象参数预测得到热负荷,根据实际室内温度与回水温度反馈修正运行策略。实验证明,相较于相似日,策略模型在改善室内热舒适的同时降低了热耗13%～34%。最后,针对大数据阶段,本文构建了基于数据的智能运行策略模型,以室内温度和热负荷预测为核心模型,分别引入了调度器与PID校正器,根据历史数据对预测结果进行自适应校正,实验证明其有效提高了预测结果的精确度。通过室内温度和热负荷预测模型的在线运行与耦合,可实现热源运行参数的实时优化。