太阳能、风能等可再生能源因其随机性和波动性给建筑可再生能源系统供能侧与负荷侧的匹配性造成很大的影响。作为解决可再生能源系统供需匹配问题的一种重要技术，负荷预测所起的作用日益突出。为了保证能源系统在运行时的安全、稳定和高效，如何实现快速与准确的预测负荷备受关注并被广泛研究。在传统的负荷预测模型中，主要考虑环境参数及历史负荷数据，对于室内人员与建筑环境的相互作用关注不足。而室内人员行为是影响建筑负荷的主要因素之一，因此如何将复杂、随机的室内人员行为引入建筑负荷预测的过程成为进一步提高负荷预测精度的关键之一。
　　本文首先基于BP神经网络模型，对比传统负荷预测方法，提出基于人行为模型的负荷预测方法。传统负荷预测方法中，选择的输入参数为气象参数、历史负荷以及固定作息的上下班效应，而基于人行为模型的负荷预测方法则采用逐时人员在室率和逐时空调作息两个参数来细致刻画人行为。此外，本文选择了平均绝对误差和均方根误差来对负荷预测结果进行评价。
　　接下来，本文面向办公建筑构建了可再生能源系统，供能测由光伏板、风力发电机、蓄电池和市电构成，调控系统由预测系统和调度平台组成。并且完成了对建筑模型的构建，其中，建筑中人员数量和移动、动作参数等人行为参数在建筑人行为模块中进行进一步细致的设定。经模拟计算，得出可再生能源全年发电量与建筑的全年负荷。
　　然后，计算得出各房间逐时人员在室率与空调作息，并与传统模型中的固定作息对比，结果存在明显差异。接下来在负荷预测的计算过程中，无论以房间还是整个建筑为空间尺度，基于人行为模型的负荷预测方法所得的预测值都更接近真实值，各房间基于人行为模型的方法所得的MAE(Mean Absolute Error )与RMSE(Mean Absolute Percentage Error )值均保持在0.4以内。对于整栋建筑，MAE与RMSE减小比例分别为59.05%和55.57%。因此有效验证了人行为的细致刻画对负荷预测精度提升的影响效果。
　　最后，本文结合电价政策制定了供需两侧能量管理调控策略，并利用本址发电满足负荷占比与本址发电自消费占比两个指标对系统供需两侧的匹配性进行评价。在以“日”和“小时”为时间尺度下均进行负荷预测计算及匹配性分析，结果显示基于人行为模型的负荷预测方法不仅提高了负荷预测精度，还促进了建筑可再生能源系统匹配性的提升。