建筑冷负荷是在建筑实际运行阶段对建筑节能效果进行评价的重要指标。工程上通常使用总冷负荷来评价建筑的整体热工性能,同时使用冷负荷热量组分来评价不同建筑部件的节能贡献。然而,与总冷负荷不同,由于缺少必要的测量手段,建筑冷负荷组分很难获取,因此当前对建筑部件的实际节能效果的评价存在缺陷。由于各项冷负荷组分的产生机理和扰动各不相同,其在时间序列上的波动特征也不尽相同。利用这一差异,本文提出了从可监测的逐时总冷负荷时间序列中解析出各项冷负荷组分的工作设想,并给出了一套基于稀疏表示与字典学习思想的建筑冷负荷反向分解方法。本文所提出的建筑冷负荷反向分解方法基于稀疏表示的思想,首先利用非负K-SVD字典学习算法为每一项冷负荷组分找到一个可以特定表示其波动特征的字典矩阵,而后采用非负稀疏表示算法将各项冷负荷组分由总冷负荷信号中分解出来。应用该冷负荷反向分解方法,本文将参考建筑的总冷负荷模拟数据反向分解以获得各项冷负荷组分的估计值,并将所得分解结果与冷负荷组分的实际模拟数据相比对,发现反向分解结果的准确度较好,从而证明了该方法的可行性。而后,在冷负荷反向分解时分别采用不同气象条件下和不同形式建筑中的训练样本,根据对分解效果的分析,验证了该方法在训练样本选取时对不同气象参数与建筑参数的广泛适用性。此外,通过对训练样本的样本量以及方法运行时间的探讨,也显示出了该方法在实际实施时的高效性。