根据我国统计年鉴数据,我国城镇居民户均拥有空调量为1.5台,总的保有量约为5.2亿台,是我国最主要的家用电器设备。尤其是在我国夏热冬冷地区,城镇居民的户均空调拥有量接近或超过2台,家用空调是该地区住宅居民最主要的降温设备。基于此,一定区域范围下,拥有量较高的家用空调器“积少成多”的用能需求,尤其是对夏热冬冷地区夏季区域性能源网络的负荷影响不容小视。与此同时,在“碳中和”与“碳达峰”的背景下,分散式空调供冷区域用能特性这一研究主题,具有重要的学术意义和应用价值。前期的研究中,由于数据维度以及获取方式等问题,分散式空调的区域用能特性研究存在一定瓶颈。近年来,随着智能空调的发展,可以依赖于物联网技术获取区域范围下成规模的分散式空调运行数据。本研究依托于该数据,运用数据驱动方法,分别从“分散式空调供冷区域用能需求建模的底层输入”、“分散式空调供冷区域用能特性的多样化特点”以及“分散式空调供冷区域用能需求的预测方法”这三个方面研究了夏热冬冷地区“分散式家用空调供冷的区域用能特性”这一主题。围绕自下而上的分散式空调供冷区域用能需求建模的底层输入（空调使用行为）,本研究通过聚类分析方法,得到了空调用户分别在设置温度行为、设置风速行为、使用时间段、使用时长四个维度的多样性偏好特征,并根据用户使用行为的多样性特征,建立了分别针对夏热冬冷地区三个典型城市,上海、武汉、重庆的空调开关行为模式的预测模型,并提供了预测工具以降低相关研究者的使用门槛;然后,运用关联规则方法,量化了分散式空调器在“一次运行”过程中的设置温度调节行为,并得到了多样化的设置温度调节行为模式,其中,对于挂机空调一共得到了25个关联性较强的温度调节行为模式,对于柜机空调,一共得到23个关联性较强的温度调节行为模式。围绕分散式空调供冷区域用能特性的多样化特点,本文采用从微观逐步过渡到宏观的方式,依次着眼于单空调用户层级与区域层级,运用聚类分析、统计学分析、决策树等一系列数据驱动手段,对分散式空调在不同尺度下的用电负载模式进行了研究。从单空调用户视角,分别针对挂机空调与柜机空调得到了五种类型的典型空调日用电负载模式,并基于用户负载模式的纵向可变性,针对挂机与柜机分别得到了五种与八种典型用能模式的空调用户;然后,从区域视角,得到了六类典型的区域日用电负载模式,并分析了不同典型区域负载模式下区域系统峰值负载的调控潜力,探讨了“典型区域日用电负载模式”的影响因素,发现“当日室外平均温度”以及“当日室外最高温度与前一日室外最高温度的差值”是决定某个自然日所属典型区域负载模式的最关键因素,最后,根据关键影响因素,运用决策树模型建立了“典型区域日用电负载模式”的决策路径。围绕如何运用数据驱动方式对“分散式空调供冷的区域用能需求”进行预测建模这一问题,首先构建了影响区域性空调用能的两个区域性空调运行指标——区域内的日空调开启率与日均每台空调消耗电量,并用逻辑回归模型量化了日开启率与室外温度的关系,用4P模型量化了日均每台空调消耗电量与室外温度的关系;然后,基于不同尺度下分散式空调供冷典型负载模式的研究成果,分别从两个角度——“基于单用户典型空调日用电负载模式”以及“基于典型区域负载模式”,提出了以“分散式空调供冷的区域用能需求预测”为目标的预测方法,并以实际数据进行了验证,验证结果表明,提出的预测方法在夏季室外温度高于一定值时可表现出良好的预测性能。本研究中,构建的空调使用行为模型,得到的分散式空调供冷的典型区域用能特性,以及提出的分散式空调供冷区域用能需求预测方法,可为夏热冬冷地区分散式空调供冷的区域用能规划和管理提供重要的数据、方法与规律支撑。