在节能减排的大背景之下,办公建筑空调系统节能问题越来越突出,如何在维持一个舒适的空气环境下尽量地减少系统能耗成为一个重要的研究领域。本文以办公建筑空调系统实际运行数据为基础,研究空调系统能耗问题,借助数据挖掘工具,提出了关于办公建筑空调系统能耗预测与评估的模型和方法。在能耗预测方面,本文对河南省新乡市某一办公建筑展开数据采集实验,采集了建筑在6月15日至7月27日水源热泵系统的运行数据,采用箱线图法识别异常能耗并用线性插值法进行补全,以及利用皮尔逊相关系数法进行特征变量的选取。将处理后的数据按0.75的比例划分训练集和测试集,本文提出基于支持向量机、梯度提升树、Catboost、极端随机树四种回归模型分别建立预测模型。对于支持向量机回归模型采用粒子群算法优化模型参数惩罚因子C和核函数参数g,对于极端随机树回归模型采用结合参数敏感性分析和网格搜索交叉验证的方法对模型的六个参数进行寻优。比较了梯度提升树和在其基础上优化的Catboost模型的预测效果,发现Catboost模型展现了更好的预测效果。最后引入预测性能评价指标对比四种模型的预测效果。结果表明经参数优化后的极端随机树回归模型拥有最佳的预测性能,其平均绝对误差、均方根误差、拟合优度三个指标分别达到1.17、6.2285、0.9979,都优于其他三个模型。在能耗评估方面,本文以上海某办公建筑冷水机组的六月至九月运行能耗数据以及当地的气象数据为依据,提出基于K-means聚类算法的能耗模式划分方法,并运用手肘法和轮廓系数法确定最佳聚类数目为4,将冷水机组的运行工况分为四种模式,并在各自的模式下确定用能基准,分别提出各模式能耗中位数以及应用极端随机树回归结果作为能耗基准两种方法,制定各自的能耗评分表,对九月系统的逐时能耗进行评分,对比了两种不同评价方法的评价结果并对两种方法的优缺点进行分析,前者忽视了同一模式下参数的差异性对结果的影响而后者对模型的精度要求较高。综上,本文建立了办公建筑空调系统能耗预测模型并探究了建筑空调系统能耗评估方法,为后期进行建筑运营管理提供一定的理论依据。