随着我国城市化进程的加快以及建筑功能日趋精细复杂,建筑能耗日益增长,现阶段建筑能耗在社会总能耗中占比高达26.7%,存在巨大节能潜力。建筑能耗预测作为建筑节能的一项重要内容,其快速、精准的预测结果是进行建筑节能优化的基础。因此,如何构建一个高效精准的建筑能耗预测模型,是建筑节能优化领域的研究热点之一。以某智能生产办公综合用房为案例,在对建筑能耗数据采集、分析的基础上,重点研究利用遗传算法改进和建立建筑能耗预测模型以提高能耗预测结果的效率和精度,为建筑节能优化提供快速、准确的参考依据,为建筑节能工作奠定基础。从能耗管理系统构建、预测模型建立和工程应用仿真三方面进行重点研究,构建了一个高效、精准的建筑能耗预测系统。论文主要从以下几个方面进行研究:(1)建筑能耗管理系统构建:针对大型公共建筑总能耗大、空调系统能耗占比多等项目特点,构建建筑能耗管理平台。该系统可根据建筑功能分区对能耗监控对象进行相应的调整,可扩展性强,并且该系统可以针对空调冷负荷进行预测,有利于对能耗进行管理。(2)建筑能耗预测模型建立:分析和对比目前典型的能耗预测算法,针对传统BP神经网络应用于建筑能耗预测存在的问题,引入极限学习机算法(Extreme Learning Machine,ELM),并采取遗传算法进行优化,提出基于遗传算法优化的极限学习机(Genetic Algorithm Extreme Learning Machine,GA-ELM)算法,并对建筑能耗管理系统采集到的能耗数据进行预处理,建立GA-ELM能耗预测模型。(3)能耗预测仿真及节能优化管理:将上述建立的建筑能耗预测模型应用于某实际工程项目,选取合理的负荷类型、时间段、采集点位、评价标准,进行仿真实验并对结果进行比较和分析。研究结果表明:与BP、GA-BP和ELM方法相比,基于GA-ELM方法进行建筑能耗预测是可行的,能够进一步提高预测准确率。在此研究基础上,结合工程实例采取一定的能耗管理策略,研究项目运营阶段能耗合理调配,为进一步节能降耗提供参考。