（1）任务来源：计划外自选项目。

    （2）应用领域和技术原理。 应用领域为：大型公共建筑中央空调系统。 技术原理：大数据驱动的智能化建筑能效模式识别、预测及诊断技术：1）基于非监督学习的自动化建筑能效模式识别技术；2）基于深度学习的高精度建筑负荷及用能预测技术；3）面向不完备数据的高性能建筑设备系统故障诊断技术。复杂中央空调系统稳健优化控制技术：1）超高层中央空调系统自适应优化控制技术；2）中央空调系统主动容错控制技术；3）中央空调系统故障能耗影响精确评估技术。面向智能电网应用的建筑需求侧能源管理技术：1）研发建筑用能快速需求响应调控技术；2）研发建筑用能直接参与电网频率调整控制技术；3）研发基于动态协同的建筑群用能需求响应调控技术。

    （3）性能指标。 大数据驱动的智能化建筑能效模式识别、预测及诊断技术：提出了最优特征变量构建方法，较现有方法有效降低5.6-10.4%的误差比例；提出了面向建筑动态特性预测的高性能时序分析框架，通过深度循环网络技术降低6.5-22.0%的预测误差；研发了基于迁移学习的变工况故障诊断方法，通过集成多源数据提高了2.4-22.2%的诊断精度。 复杂中央空调系统稳健优化控制技术：研发超高层中央空调系统自适应优化控制技术，可节省泵能耗5.26%-14.69%；研发中央空调系统主动容错控制技术，与采用固定压差设定值的常规策略相比, 该容错节能控制策略可减少约30.97-54.30% 的二级泵能耗。

   （4）与国内外同类技术比较。 与国内外同类技术相比，本项目在建筑能效模式识别、预测及诊断技术方面实现了自动化的建筑能效模式识别技术，从特征优化、模型优化、预测结果可解析性全面提高了数据驱动的建筑负荷预测性能，同时实现了针对不完备数据的高性能建筑系统故障诊断技术；在复杂中央空调系统稳健优化控制技术方面提高了中央空调系统在优化节能和稳健运行方面的有机统一；在建筑需求侧能源管理技术方面，实现了针对中央空调系统的快速需求响应技术和建筑群协同协同需求响应技术。

   （5）成果的创造性、先进性。 成果创造性、先进性在于:将人工智能和大数据技术与中央空调系统的运维进行深度融合，提升了中央空调系统的能效诊断、节能低碳运维的性能。

    （6）作用意义（直接经济效益和社会意义）。 直接经济效益：新增销售收入341559.2万元，新增利润66269.1万元。 社会意义：实现年节电约1.6亿度，减排约16万吨二氧化碳，显著提升大型公共建筑节能减碳技术水平。