校园建筑能耗包含建筑内部能耗和建筑外部能耗,内部主要耗能设备为供暖通风与空气调节系统（Heating,Ventilation,and Air Conditioning system,HVAC）,外部主要耗能设备为充电桩（Charging Station,CS）。能耗优化可以降低用电成本,为校园建筑提供一个高效、舒适的环境。然而,高效、舒适的环境温度和最节能的环境温度之间产生了博弈行为,本文通过调节建筑的室内温度设置来平衡人体舒适度和能耗成本。综合考虑的结果是既要让人感到舒适,也要节省能源,还要尽可能地利用可再生能源。现有的校园建筑能耗优化都是基于工程系统的计算,人为地把工程系统与社会因素割裂开来。实际上,建筑能耗与社会因素的耦合是极其紧密的,将社会因素融合到校园建筑能耗优化中进行分析和处理是一项具有意义的工作。本文研究了基于博弈论与社会技术系统的校园建筑能耗优化方法,主要研究工作如下:第一,提出了一种基于博弈论与社会技术系统的校园建筑能耗优化方法。以建筑管理者为主体,以建筑物的室内温度设置为策略,建立了HVAC温度控制博弈模型。分析了校园建筑能耗与室内居住者生产率、室内HVAC温度设置和室外温度的影响,该模型以优化校园建筑能耗成本最小化为目标,将室内温度设置为最佳响应策略值,最终达到纳什均衡（Nash-equilibrium,NE）的全局最优解,可节省能源成本和保证室内人类活动的舒适性和工作效率。第二,提出了一种基于博弈论与多智能体强化学习（Multiagent Reinforcement Learning,MARL）的校园建筑能耗优化方法。该方法通过马尔可夫决策过程（Markov Decision Process,MDP）转换获得的奖励对Q因子进行更新,通过不断更新的Q因子和奖励实现MARL算法。与传统方法相比,降低了博弈过程的计算复杂度,在时间维度上可以更快地收敛到最优结果。仿真和实证结果表明,该方法根据建筑能耗需求、实时定价（Real-Time Pricing,RTP）、室外温度和室内居住人数的变化来设定最优的室内温度,从而降低整个校园建筑的能耗成本。第三,提出了一种基于博弈论与最大功率点跟踪（Maximum Power Point Tracking,MPPT）算法的校园建筑充电桩（Charging Station,CS）能耗优化方法。本文提出了自适应步长的MPPT算法,通过电压和电流偏差找到光伏（Photovoltaic,PV）模块和风能转换系统（Wind Energy Conversion System,WECS）的最大功率点（Maximum Power Point,MPP）。在博弈论的框架下对PV和WECS的转换电量、预测的插电式混合动力汽车（Plug-in Hybrid Eelectric Vehicles,PHEV）使用电量和室内HVAC的能耗进行博弈和学习,最终降低校园建筑的能耗成本。仿真和实证结果表明,该方法可以满足PHEV的全天候充电需求并使整个校园建筑能耗成本最优。第四,提出了一种基于联盟-非合作博弈的校园建筑能耗需求的优化方法。针对校园电网,建立描述校园建筑能耗需求的联盟-非合作博弈模型,分析可再生能源发电（Renewable Energy Generator,REG）、电厂发电（Utility Company,UC）及它们之间的相互作用。该方法可以适应校园建筑动态能耗需求、可再生能源发电、电厂发电和实时电价之间的变化。仿真结果表明,在联盟-非合作博弈模型下,建筑管理者和REG通过分布式享乐轮换准则自组织形成最终稳定的联盟体,UC之间通过非合作博弈形成稳定的电量均衡分配策略,验证了联盟-非合作博弈方法的适用性。