随着经济的高速发展和收入水平的不断提升,居民对室内环境质量的要求明显提高。分体空调能有效改善室内环境、提高居住舒适度,故分体空调的装机容量和使用频率不断提升。然而我国分体空调存在能效偏差明显、空调运行时负荷预测不稳定、能耗巨大等问题,不利于我国分体空调设计、生产、使用等过程的节能减排及相关标准政策的制定。因此,分析分体空调的能效偏差、空调负荷预测和研究分体空调生态成本评估有助于节约全社会的能源资源,为我国节能减排计划提供一定的理论指导和实践意义。为此,本文构建了鲁棒分位数回归的能效评估模型、空调负荷集群预测模型和分体空调生态成本评估模型,提出了基于鲁棒分位数回归的能效偏差分析方法、基于深度信念网络的分体空调负荷集群预测方法和基于作业成本法的分体空调生态成本计算方法,对我国分体空调能效偏差的分布特性和控制、空调负荷预测以及分体空调的生态成本评估进行了深入研究,为分体空调负荷的稳定精确预测、分体空调的生态成本定量计算、分体空调能效计算的相关标准修订和政府政策的制定提供了一定的理论参考依据。本文的主要研究工作如下:首先,分体空调是智能楼宇的重要组成部分,其运行能效分析在智能楼宇的能源管理和经济运行中发挥着至关重要的作用。已有文献通常采用线性回归方法来实现分体空调的能效分析。然而,线性回归仅研究自变量与因变量条件期望之间的关系,不可能从全方位角度来评估实际分体空调的能效。为此,本文提出了一种基于鲁棒分位数回归的新方法来实现分体空调的能效偏差分析。该方法能够量化自变量对因变量中值和多个分位数的影响。此外,所提出的方法不要求统计误差遵循任何高斯分布。仿真结果表明,该方法在分体空调能效偏差分析中具有很好的稳定性和鲁棒性,该预测结果能分析分体空调运行能效偏差的统计规律,分体空调能效数据偏差分布呈非正态分布,平均能效相对目前的标准有较大的负偏差,这有助于推演分体空调生产和设计过程的能效偏差控制策略。由于分体空调的使用频率与天气、气候和地区经济等相关,因此分体空调的负荷数据通常表现出非线性和动态特征,非常难以准确预测。高精度的分体空调负荷预测有利于智能楼宇中的能量管理系统实现用电规划、降低用电成本。因此有必要研究高精度的分体空调统计负荷预测。本文提出了一种新的分体空调制冷负荷预测结构。该结构包含了经验模式分解、深度学习算法和集群技术。经验模式分解用于将原始制冷负荷数据分解为多个具有不同频段的子信号。深度学习算法则用于提取各子信号中隐藏的非线性特征。而集群技术则用于量化模型不确定性和数据噪声对预测精度的影响。本文采用深圳和香港实际楼宇的制冷负荷数据来验证所提出预测方法的可行性和有效性。数值结果表明,与传统后向传播算法和支持向量机等算法相比,所提出的预测方法具有更高的预测精度。近年来,分体空调的制造需要考虑节能和环保等因素,以减少环境污染、缓解能源危机。然而,节能环保产品的设计无疑会增加空调企业的成本和负担。因此,分体空调的生态成本分析对空调制造企业至关重要。本文基于作业成本法提出了一种分体空调生态成本评估方法。首先,本文采用K-近邻算法来补齐缺失的数据和不完整的数据。然后,提出了一种基于作业成本法的分体空调生态成本评估方法,用于评估分体空调在全生命周期的环境成本和非环境成本。最后,实现了分体空调能效偏差和生态成本的相关性分析。所提出的分体空调生态成本评估方法在Gabi软件平台上实现了可行性验证。结果表明,该方法真实的反映了分体空调的生态成本,有助于政府相关部门制定节能减排政策,淘汰高耗能分体空调,从而进一步缓解能源危机。综上所述,本文从分体空调能效偏差分析、负荷预测和生态成本评估三个方面来研究分体空调对环境和智能楼宇能量管理系统造成的影响。所得研究成果有助于实现分体空调的生态成本定量计算,为分体空调能效标准的修订和政府政策的制定提供一定的理论参考依据。