随着我国社会经济的快速发展和城镇化进程的不断推进,建筑能耗近年来持续高速增长,城镇居民住宅建筑运行能耗作为建筑能耗的重要组成部分,具有体量大、增长速度快等特点,做好这部分建筑节能对于社会可持续发展具有重要意义。在当前的信息化、智能化大背景下,对建筑物进行能耗实时监测和负荷准确预测,为各主体能耗管理提供优化建议,能够有效改善需求侧用能现状,促进建筑节能的发展。本文立足建筑运维管理、物联网、计算机等多学科,以社区能耗管理为背景,主要研究工作和贡献如下:首先,概述了现有住宅建筑能耗监测的现状,分析了传统的建筑能耗监测存在的不足,研究了BIM技术应用于住宅建筑能耗监测的优势,以社区能耗特点和能耗管理需求为基础,设计了一套基于BIM技术的住宅建筑能耗监测系统,并对其系统组成—感知层、传输层、管理层进行了详细阐述。然后,详细介绍了深度学习中两种网络结构RNN和LSTM的结构组成和网络训练方法,分析了它们的优势和不足;在此基础上,提出了基于GRU网络的社区用电短期负荷预测方法,包括数据预处理、模型搭建、模型评价等步骤,利用历史负荷数据和环境日期等辅助信息对社区短期负荷进行预测;应用于某实际社区负荷数据,提前依据数据特征对辅助信息制定了数据量化规则,结合经验模态分解和皮尔逊相关系数对数据进行了筛选,结合理论分析和大量实验确定了模型参数,取得了较好的预测效果;通过与主流方法对比,验证了本文提出方法的优越性。最后,分析了本文提出的能耗监测系统和负荷预测方法在社区能耗分析与优化中能够发挥的作用和具有的优势,分别针对家庭、社区、城市三个层面提出了具体的能耗管理优化建议。综上所述,本文改进了社区住宅建筑能耗监测和社区用电负荷预测方法,针对社区能耗的分析与优化提出了具体实施建议,提高了社区能耗管理水平,为实际建筑节能工作的开展提供了有效的技术支撑。