目前,我国大型公共建筑的运行能耗占地区城镇总能耗的20%以上,能源使用效率约为30%,具有典型的“高能耗、低能效”特征。同时,国内大型公共建筑能耗数据统计粗放,缺乏科学的用能监管与预测,严重阻碍了大型公共建筑节能工作的开展。因此,大型公共建筑能耗预测模型与监管系统的研究显得尤为重要。论文研究内容包括以下四方面:(1)在智慧城市背景下,描述了大型公共建筑能耗监管系统的物联网架构、云计算数据中心和大数据监管平台,同时提出了大型公共建筑能耗监管系统的边缘计算模型,旨在通过对能耗数据进行预处理与标准化,以减轻云计算数据中心的计算负载。(2)基于嵌入式工控机,通过LabView开发平台和MySQL数据库设计了大型公共建筑能耗计量系统,实现了对能耗数据的采集、存储和分析功能。(3)选取设备容量、负荷等级、运行时间、设备故障率作为大型公共建筑电能计量装置部署优化的评价指标,应用层次分析法确定各评价指标的权重向量,构建模糊评价模型,优化计量装置的部署。以某大型公共建筑为例,通过优化,其电能计量装置减少30.4%,设备成本和数据存储成本分别下降28.8%、30.4%。(4)基于BP神经网络、NAR神经网络分别建立大型公共建筑能耗预测模型。以某办公建筑能耗数据为样本,采用平均相对误差和平均绝对误差评价两种模型的预测精度。研究结果表明:对于周期性变化,具有时间序列特性的大型公共建筑能耗预测,NAR神经网络模型具有良好的预测效果。通过对大型公共建筑能耗预测模型与监管系统的研究,能够全面、清晰的掌握大型公共建筑的能耗使用情况,进而制定合理的节能控制策略,对实现大型公共建筑的节能降耗具有重要意义。