当前我国建筑能耗占总能耗量的比例逐渐上升,其中以采用集中供暖方式的北方供暖能耗与日俱增。因为集中供暖主要以燃煤、燃气的一次能源作为锅炉供暖的燃料,且一次能源为不可再生资源,所以能源消耗量较大。除此之外,煤炭作为集中供暖的主要燃料,燃烧会形成大量的有害气体和烟尘等物质,造成环境污染,不符合我国可持续发展的要求。为了达到绿色环保、节能减排的目的,提出了很多新能源的采暖供热方式。然而新能源采暖供热技术的成本较高,不是北方采暖供热的首要选择。为了解决以上问题,兼顾节能环保和降低成本,本课题提出了空气源热泵联合蓄热器的采暖供热模式,并以降低成本为目标对系统进行改进,为了使系统配置更加准确,采用遗传算法优化的BP神经网络(GA-BP)对建筑负荷进行预测。首先,对常见的电采暖技术形式进行了介绍,并对各个形式的电采暖技术的工作原理及优缺点进行了概括,最终选择了空气源热泵作为本课题中建筑的热源。着重介绍了空气源热泵同其他电采暖技术的优势,并针对空气源热泵在严寒地区的气候环境中使用时遇到的困难,提出了改进方案,不仅保障了系统运行的稳定性和可靠性,还提高了系统经济性。其次,根据严寒地区的气候特点和建筑特点,建立了目标建筑的热负荷模型,得出了建筑热负荷数据,用于后续供热系统研究。本课题采用蓄热器作为空气源热泵的辅助采暖设备,并提出了空气源热泵联合蓄热器的建筑采暖供热系统。通过对采暖供热系统经济型的建模,以经济性最优为目标函数,使用遗传算法对蓄热器进行初步容量配置,并计算该系统的经济性。为了进一步降低系统运行成本,提出谷时电价时段使用空气源热泵对建筑直接供热,同时为蓄热器蓄热;非谷时电价时段使用蓄热器为建筑供热的策略,并用Beta分布建立模型,计算得到了蓄热器容量的最小配置区间。最后,为了提高空气源热泵联合蓄热器供热模式的运行策略准确度,降低由气候突变或建筑内部人员流动等因素导致的蓄热容量偏差,通过对建筑热负荷的预测,得到谷时电价时段所需储存的热量值。采用遗传算法优化的BP神经网络进行预测,使用遗传算法对BP神经网络的权值和阈值进行全局优化,使其选取到最优的结果,然后使用GA-BP进行预测,并与RBF(径向基)神经网络和支持向量机(SVM)比较预测精度,证明GA-BP神经网络的预测结果精度更高。根据预测结果修改每日蓄热量的方式建立新的系统供热策略并与每日满蓄的供热策略进行经济性对比,结果得出根据预测结果蓄热的供热策略系统运行5天可以节约电费94.48元。