由于建筑面积的不断增加以及建筑能耗的不断增加,作为建筑中的主要用能设备的暖通空调系统的优化运行是目前对于建筑能源系统管理中的重要内容。由于影响建筑负荷的因素较多,建筑负荷的不确定性广泛存在,对系统的预测优化控制会造成一定的影响。因此建筑负荷的不确定性进行量化同时在系统优化控制策略的制定中要保证策略的鲁棒性。另外,建筑负荷的不断增大也造成了用能系统的用电峰谷差的增大,给电网的稳定运行带来了较大的冲击。因此在建筑暖通空调系统的控制策略中结合需求响应方法实现系统用电的灵活性是具有重要意义的。本文中以天津市某高校教学楼为案例,在负荷模式识别与负荷不确定性预测的基础上,制定了针对不同负荷模式的,具有鲁棒性以及节能性的需求响应优化控制策略,并针对不同的需求响应方法的灵活性进行了评价。本文中在测试数据的基础上,以负荷分形特征、标准化曲线以及统计指标建立描述负荷曲线规律的特征向量,并利用K-means算法对负荷模式进行识别。得到两种典型的负荷模式,通过多重分形谱的分析确定了不同负荷模式之间的分形规律的区别。针对不同的典型负荷模式建立分位数回归神经网络模型,实现负荷的区间预测,作为系统优化控制的基础。经过评价指标分析,对于两个典型负荷模式的预测结果的CV-RMSE分别为3.45%和2.96%,置信度为90%的预测区间的PICP分别为88.95%和91.43%,说明所提出的模型可以得到较为准确的预测结果同时预测区间能够反映负荷的不确定性波动范围。基于典型模式和负荷不确定性预测结果,结合预热和温度重设的需求响应控制方法,得到需求响应的负荷预测区间,并对负荷保证率区间进行了划分。利用粒子群优化算法,以降低运行能耗为目标,对不同负荷保证率下的控制策略进行了优化。利用一种多目标决策方法,对运行策略的负荷保证率以及能耗进行决策,得到能耗低同时负荷保证率高的需求响应控制方法。考虑负荷不确定性时所提出的优化控制策略相比不考虑负荷不确定性的控制策略,虽然能耗有一定的增加,负荷保证率和保证时间都有了明显的提高。另外对于需求响应方法来说,采用需求响应的优化控制策略相比于无需求响应的策略在两种典型负荷模式中分别节省运行费用31.83%以及22.19%,同时灵活性系数分别提高0.73和0.63。