准确的负荷预测有利于根据负荷变化提前制定合理的系统运行策略,是优化暖通空调系统运行的基础,为提高建筑室内热舒适、降低建筑的运行能耗提供重要依据。因此,本课题主要以各类室外气象因素与建筑历史负荷为基础对建筑动态冷热负荷预测模型进行研究。首先本文利用eQUEST能耗模拟软件,基于敏感性分析方法深入地研究了干球温度、含湿量、太阳辐射强度、风速等气象因素对负荷影响的差异性,并以敏感系数作为评价指标,筛选出对负荷影响较大的气象因素。为了减小预测模型的误差,本文考虑了建筑热惰性与建筑业态对负荷的影响,在模型的输入变量中引入历史气象参数及历史负荷,利用相关性分析方法,进一步优化冷热负荷预测模型的输入。其次,基于BP和RBF神经网络算法分别建立了四种预测时间步长的建筑动态冷热负荷预测模型。并采用回归模型与日负荷系数结合的方法,分别对建筑日平均热负荷及逐时热负荷作了预测。模型训练样本均采用实际气象参数与建筑实际负荷,将筛选出的影响因子作为BP与RBF神经网络的输入变量。利用平均绝对相对误差、绝对相对误差和均方根误差验证负荷预测模型准确性。最后,分析了冬夏季典型周模型预测误差的变化,引入模型修正系数提高模型整体精度。研究结果表明:(1)BP神经网络热负荷的预测精度更高,模型相对绝对误差为7.9%;(2)RBF神经网络冷负荷的预测精度更好,模型相对绝对误差为7.3%;(3)办公建筑业态对预测模型精度影响很大。