建筑节能是我国节能减排工作的重点领域之一。建筑能耗监测系统通过在建筑各配电支路和用水管道安装计量装置,定期采集和上传建筑的分类和分项能耗数据,从而实现建筑能耗的实时监测。建筑能耗监测系统设有能耗预警功能,可及时发现建筑用能的异常状态。查阅了国内外有关建筑节能、建筑能耗预测和能耗预警等研究领域的文献。分析了各种建筑能耗预测方法的优缺点,讨论了建筑能耗监测系统的发展历程和现阶段存在的问题,并就能耗监测系统的预警方法进行了讨论,指出按传统方法设置的能耗阈值精度较低。首先对福建地区4所高校进行深入的建筑能耗统计和分析,同时还介绍了其它6所高校的能耗情况。这10所高校2016年的平均单位而积能耗为6.59 kgce/(m2.a),生均能耗为149.84 kgce/(生.a)。分析对比不同高校的能耗,可知高校建筑能耗与校园总建筑面积、在校学生数和科研水平有密切的关系。阐述了高校节约型校园节能监管平台的工作原理、基本架构、硬件组成和软件功能。介绍了福建地区某高校节约型校园节能监管平台的组成和运行情况,该平台共监测48栋校园建筑,对重点监测建筑的耗电量和耗水量进行分类计量,对主要用能设备能耗进行分项计量。针对建筑能耗报警阈值设置存在精度不高和适应性差的问题,引入了 Elman神经网络建立能耗预测模型,用于计算能耗报警阈值。首先对能耗样本进行主成分分析(PCA),去除信息冗余,消除输入变量之间的相关性。把经过PCA提取的主成分作为Elman神经网络的输入,建立PCA-Elman的建筑能耗预测模型,并对模型精度进行验证。实例表明:PCA-Elman建筑能耗预测模型相对误差为5.49%,优于单一 Elman神经网络预测结果。本方法简单易行,可将其用于建筑能耗预测和建筑能耗监测系统的能耗报警阈值设置。关联规则研究的是事物之间的联系和规律,将其用于区域能耗预警。详细地讨论了关联规则及其评价指标,将Apriori算法用于福建某高校学科楼群的能耗相关性预警。结果表明,当建筑自身结构和用能状态相近时,相关性分析得到的结论高度接近。高校节能监管平台设有各用能支路能耗报警、单体建筑用能总量报警和用能设备运行状态报警。阐述了越线报警、报警死区和延时报警的原理。将PCA-Elman模型应用到单栋建筑能耗总量报警,通过MATLAB和.NET混合编程在平台上实现,分析了应用效果,结果表明该模型极大提高了能耗阈值的有效性和合理性。