摘要：本文基于青島某醫院建筑2017年全年逐時總用電能耗實測數據,將冷熱源電耗從中分離,得到用于分布式能源系統運行策略研究的逐時電負荷數據。首先利用k-means聚類算法對該建筑的全年逐時電負荷特性進行分析,并根據聚類結果為神經網絡的訓練構建相似日樣本集。然后利用相關性理論針對不同的相似日樣本集篩選特征參數,作為神經網絡的輸入參數。最后利用平均絕對百分誤差(MAPE)、變異系數(CV)、均方根誤差(RMSE)等指標對本文提出的復合優化預測模型性能進行定量評價。結果顯示,復合優化預測模型的預測精度相較于既不聚類也不進行相關分析的傳統BP網絡有了很大的提高。其中,MAPE、CV、RMSE分別降低了39.4%、36.9%、38.1%。