在能源问题日益紧张的今天,通过精确预测室内动态冷热负荷来实现对室内热环境控制,进而降低系统能耗就显得尤为重要。RC物理模型能较好的体现建筑的热物理性质,基于计算机技术的数据驱动方法可以随时的监测并分析建筑空调系统的实际运行状况。本课题主要开展以分析各类气象因素、室内人员对建筑空调负荷的敏感特性为基础的建筑动态冷热负荷预测模型的研究。利用Design Builder能耗模拟软件,将案例建筑设置成有人模式和无人模式,模拟空调能耗,建立围护结构负荷数据库,以及因人员扰动导致的人员、照明、设备的负荷数据库。基于敏感性分析方法深入地研究各气象和人员因素对负荷影响的显著性,并以标准回归系数作为评价指标,对其进行排序,筛选出影响较大的因素,简化并优化负荷预测模型的输入参数。基于RC热网络理论构建案例建筑的RC简化模型,利用围护结构负荷原始数据库和遗传算法进行参数辨识,确定RC模型的结构参数,建立建筑围护结构负荷预测模型;并基于贝叶斯网络和人员扰动负荷原始数据库建立人员扰动负荷预测模型。随后,本文进一步采用模糊神经网络理论结合前述研究结果建立了办公建筑空调负荷综合预测模型。该预测方法综合利用了RC热网络对建筑围护结构热物理特性的较强体现能力,数据驱动方法对人员因素不确定性的非线性处理能力。经过对比,本文建立的综合负荷预测模型有较高的预测精度。