减少化石燃料燃烧量、减轻并治理传统能源的使用是改善能源和环境问题的关键。热泵技术是提升可再生能源利用率和节能减碳的有效途径,具有显著的节能效果和环保效益。不过,热泵系统在实际运行过程中存在人员操作不规范,运行策略不合理,实际运行与设计差异等问题,导致热泵机组在供暖季运行时,用户实际供热量与设计值存在较大偏差,“供”与“求”出现不对等的情况。因此,对于供热量的精准预测是十分必要的。选取应用热泵系统的建筑A和建筑B为研究对象,对热泵系统用户侧和源侧的运行参数进行数据采集与分析,获取热泵系统的实际运行特点、运行模式及室内环境达标率,详细分析了热泵系统的能耗指标、系统能效系数、系统供回水温度、耗电输热比等指标,辨识建筑供热量存在的供需差异性,选择热泵系统运行稳定的建筑进行预测模型演练。引入时序分析法,分别建立ARIMA模型、BP神经网络模型以及ARIMA-BP集成模型对供热量进行预测,选取供暖季中期供热量数据建立系统供热量预测模型,对比供热量预测值与实测值,验证时序控制模型所得供热量预测值的准确性,并对供暖季中极端天气数据进行模型预测精度验证。同时探究供热量的预测场景,利用不同数据源作训练集建立ARIMA-BP模型对供热量进行预测分析,得出最佳的供暖季预测方式。研究结果表明,供暖季初期和末期由于地源热泵系统容易受到室外温度影响,导致性能系数波动大且稍低。对比热泵系统实际供热量与设计供热量的差异,建筑A系统实测供热量基本满足实际供热需求,高中低区室温保证率分别为87.42%、66.23%、97.35%,而建筑B室温保证率较低为56.2%。对比模型预测结果,ARIMA模型、BP神经网络模型及ARIMA-BP集成模型的平均相对误差分别为4.83%、5.61%和3.21%。为了验证模型的适应性及推广性,将ARIMA-BP模型应用于建筑B及建筑C中,模型预测结果均较为理想。对于供热量预测场景分析,建筑属性无论是未供暖时的新建建筑还是既有建筑,前四天的供热量数据均可利用室外气象温度及建筑围护结构相关参数计算得到。当供暖季开始,机组不断运行,采用场景三的方式进行预测,当实测数据累计4天之后,利用实测数据预测,随着供暖天数的增加,逐渐增加训练集数,进而降低预测误差。以地源热泵系统动态监测获得的运行数据为基础,基于时序分析法建立ARIMA-BP权重组合集成模型得到的供热量预测值精确性更高,结合不同的供热场景,“按需定供”,以最小误差,实现用户侧的供热需求,对建筑热泵系统的运行调控提供具有重要参考价值。