公共建筑是我国建筑能源消费的重要终端,开展公共建筑运行能耗评价研究是量化实际节能减排效果、缓解公共建筑运行能耗增长的有效途径。根据评价方法的主要应用场景可以将公共建筑运行能耗评价研究分为建筑间的能耗评价和单体建筑内部的历史能耗评价。前者目的是发现建筑中节能潜力较大的建筑,后者通过分析单体建筑历史能耗数据的特征规律,对当前用能情况进行异常判断。本研究以重庆地区公共建筑的实际运行能耗数据为例,针对建筑间的能耗评价和单体建筑的历史能耗评价两种主要的应用场景,分别基于多项数据挖掘技术建立了相应的能耗评价方法,为公共建筑在运行阶段开展能源管理工作提供不同尺度、不同深度的指导。本文开展的主要研究工作及成果总结如下。由于我国仍缺乏较全面且公开的公共建筑运行能耗数据库,现有的公共建筑运行能耗数据库在建筑数量以及信息完整性方面仍然存在不足。本研究针对重庆地区公益性公共建筑（包括医院、学校及政府办公建筑）开展了大规模、多维度的网络问卷调研,收集了近3000栋公共建筑能耗数据以及用能信息,以此作为建立建筑间能耗评价方法的数据基础。采用描述性统计分析方法掌握了样本建筑能耗和用能信息数据的统计分布特征以及用能现状。结果显示,同一类型的公共建筑年能耗以及用能信息数据离散程度较大,即使对数化处理后仍出现长尾分布;各类型建筑中大部分建筑（约80%以上）单位建筑面积年能耗能够满足现行能耗标准中约束值要求。建筑间的能耗评价方法需要充分考虑主要驱动因素对能耗的影响,进而解释建筑间能耗差异的主要来源。以样本医院和学校建筑为例,基于建筑服务水平、建筑物理与设备特性、节能运行管理等方面选取了30余个与能耗相关的自变量,采用一种正则化的机器学习算法Group Lasso分别确定了两类建筑能耗的主要驱动因素。同时以逐步回归方法作为对比方法,结果发现Group Lasso在保证模型准确性基本不变的情况下自变量个数比逐步回归模型减少了30%-40%,说明Group Lasso确定的主要驱动因素更有代表性。研究确定的主要驱动因素能为政府决策者后续建立重庆地区公共建筑能耗数据库时提供参考,有效减少数据收集工作的成本和复杂度。基于上述确定的医院和学校建筑能耗的主要驱动因素,采用分位数回归方法分别建立了两类建筑能耗与主要驱动因素的分位数回归模型并作为基准模型,以消除主要驱动因素对能耗的影响,然后根据基准模型确定待评价建筑能耗基准的累积概率分布,最后根据统一的评分规则输出评价结果,以此建立了建筑间能耗评价方法并验证了可靠性。两类建筑能耗的分位数回归模型揭示了在不同条件分位数水平下主要驱动因素对能耗影响的显著性及强度会有所变化,而并非固定不变,并明确了分布在低尾和高尾处建筑的能耗主要驱动因素。建立的评价方法能够为政府决策者在确定建筑节能潜力大小、制定节能激励政策时提供指导。最后,为了实现单体建筑内部精细化能源管理,利用多种数据挖掘算法构建了单体建筑日用电模式识别及异常判断方法。该方法首先建立了基于两步聚类分析方法以识别典型的日用电模式。通过定义五个特征参数对原始高维日用电数据进行降维处理,然后采用DBSCAN算法对离群日用电曲线进行识别并剔除,最后使用k-means算法提取典型日用电模式。在此基础上,采用CART决策树算法建立了日用电模式和外部动态因素的分类树模型,以揭示外部动态因素对日用电模式的作用规律。以三栋实际办公建筑为例,验证了评价方法能够准确识别典型的日用电模式,并实现对当前日用电模式的快速预测,三个案例建筑的日用电模式预测准确率均在80%以上。建立的评价方法为建筑管理人员提供了用于掌握建筑日用电模式特点和早期识别异常日用电曲线的工具。