办公建筑中电力能耗监控平台是监控建筑能源使用情况的重要手段。随着社会对建筑能源消耗的关注日益提高,分项电力能耗监控平台得到了广泛的应用。随着分项电力数据的不断积累和计算机科学技术的发展,基于数据驱动的建筑能耗诊断已成为办公建筑能源诊断领域的重点研究方向之一。但是,一方面,其研究对象主要集中于建筑总能耗和空调设备,对线路设备组合不明确的设备的分项线路能耗异常诊断研究较为缺乏,导致大量分项数据无法进行合理诊断;另一方面,现阶段基于数据驱动的建筑能耗诊断方法仅考虑算法的输入特征选则,而对线路自身特征的分析研究较少。本文采用理论分析、数据推导与实验验证相结合的方法,对办公建筑电力能耗分项数据特征进行分析,结合线路特征和多模型的思想对线路周期性能耗异常和实时能耗异常进行诊断,有助于提升办公建筑管理人员建筑运维效率。本文首先提出了一套基于历史数据特征的办公建筑能耗线路分类流程。梳理了办公建筑电力能耗系统的组成和电力能耗运行的特征,阐明了办公建筑分项电力能耗平台能耗线路设备组成不“纯”的问题,明确了利用各线路历史数据发现其用能规律并进行诊断的意义。并基于办公建筑固有特征从工况分类、时间序列的平稳性分析和能耗影响因素相关性分析三个方面对电力能耗特征进行分析,通过ADF-KPSS联合检验、Spearman相关性分析等方法将分项电力能耗平台线路分为5类,由此得到本文后续的线路分类依据。随后针对5类线路自身能耗特征,提出了一种基于统计学方法的周期性可解释的能耗异常诊断方法。对电力平台分项能耗线路按照线路历史数据特征进行分类,利用相似日算法、排序算法和短期环比算法构建能耗诊断基准并进行异常诊断。并采用大津算法和绝对距离算法从运行时间和逐时能耗水平两方面对线路能耗异常原因进行分析,为办公建筑管理人员运维评估提供决策支持。最后,提出了一个基于多模型的办公建筑能耗实时异常诊断框架。首先,根据线路历史数据特征进行分类。其次,根据同类能耗特征建立多模型的实时诊断方法,针对不同类型线路选用3-Sigma准则模型、固定阈值-相似日-XGBoost算法组合式模型,决策树-3-Sigma准则组合模型,滚动相似日算法模型构建能耗基准并进行异常诊断。最后,对多模型的能耗实时异常诊断方法进行验证,实验证明采用多模型组合的方法有助于提高建筑能耗实时异常诊断的准确率,帮助建筑运维人员及时发现线路能耗异常、快速进行优化调度,提升办公建筑管理运维水平。