能源危机和环境污染问题日益严重,促使世界各国能源系统向低碳化转型。占社会能耗近三分之一的建筑系统也在向着低碳清洁化发展,零能耗、超低能耗建筑等概念的提出,使得建筑的角色发生了根本的改变,正在从能源的消费者逐步变为生产者。太阳能、风能等可再生能源在建筑能源系统中的应用比例正逐步提高,但可再生能源的不稳定和不连续给建筑能源系统的匹配性带来很大影响。匹配性是建筑能源系统性能考察以及提高可再生能源应用比例的重要技术参数,成为近年来的研究热点。可再生能源发电与负荷预测技术可以对未来发电与负荷的动态变化进行相对精准的把握,传统的预测研究大多面向电网,便于电网进行调度。本文将预测技术应用到建筑能源系统中,对发电和负荷进行预测,从而对系统进行优化控制与调度,达到提升建筑可再生能源系统的匹配性和经济性的目的。本文以天津市气象条件下的一栋三层270 m~2住宅建筑为研究对象,首先,利用BP神经网络分别建立了光伏、风机发电功率与建筑负荷的预测模型,构建基于预测的建筑可再生能源系统MATLAB-TRNSYS模型。其次,提出基于预测的建筑可再生能源系统能量管理控制策略,进行了全年的模拟计算,并与常规离网建筑能源系统进行了对比。系统全年废弃电量为2688 kW?h,从电网购电花费为2160元,废弃电量与购电花费约为常规离网建筑能源系统的30%和43%。然后,选取本址发电满足负荷占比OEF_r和本址能源自消费占比OEM_r两个评价指标进行匹配性评价。在全年尺度上,基于预测的建筑可再生能源系统与常规离网建筑能源系统的OEF_r分别为0.75和0.51,OEM_r分别为0.88和0.60;在小时时间尺度上,基于预测系统的OEF_r、OEM_r与常规系统相比,分别增长了22.92%、28.78%。最后,提出了基于空调负荷虚拟储能的建筑可再生能源系统需求侧管理控制策略,从需求侧对系统进行优化调度,进一步提升系统的匹配性和经济性。调控后蓄电池日充放电次数由11次降至7次,放电深度DOD由51.50%降至28.13%,蓄电池的寿命得到提升,调控后的OEF_r与OEM_r较调控前增长8.19%、8.45%。