生活热水占建筑总能耗的比重较高,是建筑节能的重点。太阳能+辅助热源的热水系统在利用太阳能降低能源消耗的同时,能够有效解决太阳能热水供应不稳定、不及时的问题,具有更好的需求响应,同时对控制策略的要求也更高。预测控制能通过供需匹配进行优化,具有更优的性能表现,但由于需求侧与用户行为密切相关,往往难以获得理想的预测结果。为了解决这一问题,本文基于用户的实际热水用量数据,对影响用户洗浴习惯的因素进行分析,提出用户习惯的机器学习方法,并探究有关评价标准、不平衡类、机器学习算法、训练集大小等的影响,提出一种分别计算每位用户热水需求、再进行叠加的热水需求预测算法,该算法相比传统的预测算法在热水保证率上提高至98.64%,更适合在预测控制中应用。在供给侧通过机器学习与二次曲线拟合相结合的方法预测太阳辐照强度,计算简单、结果良好。基于供需预测对热水供应进行优化,提出针对太阳能热水系统的预测控制方法,并建立太阳能+燃气热水器的热水系统模型。通过计算机模拟仿真,得到不同运行策略下热水系统在热水保证率、系统能耗和经济性方面的表现。结果表明,预测控制方法下系统的24小时热水保证率达到98.64%,同时相比传统策略总能耗降低46.45%、太阳能供热占比达到44.75%、散热损失降低22.04%、综合热水供应成本降低38.26%。本文提出的预测控制方法在无较大硬件改动的基础上,实现了热水系统在多个方面的性能提升。