随着人民生活水平与生活质量的不断提高,人们对建筑室内环境质量的要求也在不断提高,建筑能耗也随之增加,给电网、能源和环境都带来了巨大的压力。建筑供能和用能的优化调度是平衡建筑能耗和室内环境质量重要途径,而构建快速、准确的建筑用电能耗预测模型,是洞察建筑能耗特性、实现建筑群能耗优化控制的基础和前提。对均衡的分配能源及能源的节约具有非常重要的意义。对此,本课题研究了基于知识与数据驱动的建筑用电需求预测模型的构建方法,主要研究内容如下:1.分析了建筑电能需要预测的研究背景及意义,归纳总结了目前用于建筑负荷预测的主要研究方法,分析了其主要特点;给出了大型公共建筑的分类以及其用电能耗的构成,提出了一种基于知识与数据驱动的建筑用电需求预测模型的设计方法。2.构建了建筑能耗数据采集系统,对建筑用电能耗数据进行采集以及对室外空气温湿度的采集。同时采用数据归一化与滑动平均滤波法对采集到的样本数据进行数据预处理,提高数据精度。3.利用公共建筑能耗特性,对公共建筑用电能耗影响因子进行分析,利用正交试验初步判断影响办公建筑能耗最为明显的若干影响因子,结合本文的主要研究对象从影响因子中筛选两个主要影响因子。4.在已有基于HCMAC(Hyperball Cerebellar Model Articulation Controller)神经网络的建模方法基础上,利用遗传算法与蚁群聚类算法,提出了基于GIHCMAC(Genetic Algorithm Ant Colony Clustering Algorithm based HCMAC)神经网络的建筑用电预测模型。通过MATLAB软件对模型进行仿真,仿真结果表明,该模型与现有基于CMAC的预测模型相比,模型精度显著提升。