伴随着绿色能源、可再生能源规模化开发与应用,浅层地热能、太阳能、风能、冷热电三联供等分布式能源(Distributed Energy Resource, DER)在建筑(群)中的应用成为建筑供能系统的发展趋势。建筑实际用能的波动性、不确定性和冷／热／电负荷需求的不匹配、不可知性,导致建筑用能与供能的不平衡,给建筑供能系统的优化运行带来困难,限制了建筑环境设备和能源系统的优化运行效益。对此,本文研究了适用于建筑与能源系统优化调度的建筑动态负荷预测模型构建方法,主要有以下研究工作。1、以TRNSYS软件为仿真平台,搭建了某既有建筑基于机理分析的瞬时模拟系统。由于在现实场景中难以对多系统耦合的建筑系统搭建实验平台,本文选择了TRNSYS软件作为建筑能耗仿真平台。本文探讨了TRNSYS软件仿真原理,参照某既有办公建筑的围护参数及实际用能系统运行参数,对模拟建筑主要参数进行了设置,计算出该建筑全年逐时冷／热／电负荷值,得到了建筑负荷与其影响因素一一对应的实验数据。2、构建了基于数据驱动的建筑负荷预测模型。为了得到精度高、普适性强的建筑动态负荷预测模型,本文将TRNSYS仿真数据看作建筑实际运行数据,采用相关分析法对数据进行分析,得到了建筑动态负荷关键影响因素。提出动态模糊C均值聚类算法确定HCMAC神经网络的网络节点,有效减少网络节点数量和神经网络参数学习运算量。仿真结果表明,基于改进HCMAC神经网络的建筑负荷预测模型预测最大相对误差不超过3.9%。3、基于粒子群优化的最小二乘支持向量机(PSO-LSSVM)对建筑周围气象参数作了超短期预测。气象参数是建筑负荷的主要影响因素之一,利用相空间重构对气象参数历史信息分析,以最小二乘支持向量机(LSSVM)作为预测算法,运用粒子群优化算法(PSO)优化LSSVM模型参数,建立基于历史数据的多输入多输出(MIMO)建筑周围气象参数预测模型。仿真结果显示,该预测模型可以对影响建筑负荷的室外温度、湿度进行未来140min预测。4、设计了一种基于建筑动态负荷需求的分布式能源系统优化调度策略。在前人对分布式能源系统研究的基础上,研究了以粒子群为优化算法,最小能耗成本为优化目标,且负荷需求为已知条件下的分布式能源系统优化调度,得到了“需1产1”模式优化调度策略。仿真结果表明,该优化调度策略能够较好的解决建筑供能系统与用能系统之间的不平衡问题。