达成中国“碳达峰”与“碳中和”目标的方法之一是节约建筑能耗,降低建筑二氧化碳排放量。暖通空调系统是建筑主要的用能对象之一,准确的暖通空调系统能耗预测能减少其能耗,详细的能耗监测可为对用能设备进行优化调度提供数据支持。建筑群负荷预测能帮助区域能源系统合理配置系统容量,制定合理的控制策略,减少建筑群能源系统的能耗。基于此,本文主要探究了单体建筑能耗预测中有关数据预处理和选择对体建筑日前能耗预测模型影响的通用性结论,基于随机森林模型和三类不同特征实现负荷分解的可行性,基于人工神经网络、梯度提升树以及随机森林实现建筑群负荷预测的可行性。本文研究结果如下:（1）当使用1天历史负荷作为输入,采用多输出的方式对第二天负荷进行预测,能得到精度较高的预测模型。在条件允许的情况下,应尽量选择较大的训练集。实际应用过程中,数据平滑方法应慎重采用,最多每7周需要更新一次预测模型超参数。（2）基于随机森林采用室外参数或小波系数或主成分系数作为输入的负荷分解模型均能准确地进行建筑服务系统能耗分解。采用室外参数作为输入时,分解结果最准确;当无法获得气象数据时,也可采用小波系数或主成分系数作为输入进行分解。（3）基于人工神经网络、梯度提升树以及随机森林的建筑群负荷预测方法可以准确地实现负荷预测。其中,基于梯度提升树的预测结果最准确。预测结果精度与物理特征、内扰特征以及时间标签特征相关性小,室外参数特征相关性大。