以西安市某办公大楼为例，借助软件DeST对该大楼供冷季和供暖季的空调动态负荷进行计算的基础上，根据目前冷热源配置状况的调查和该建筑空调负荷的特点，以及能源结构，充分考虑节能，提出了三种具有代表性的技术上比较合理的冷热源组合方案。通过比较各方案的一次能源利用率和能源转换方式的能耗指标，综合评价了备方案的节能潜力。

根据空调负荷的非线性特点，提出了一种基于粒子群算法优化误差反向传播（BP）神经网络的空调负荷预测方法，针对BP网络训练容易出现麻痹和易陷入局部极值，以及其预测空调负荷时精度不够理想等现象，将粒子群算法的随机全局优化和梯度下降局部优化结合，达到改善神经网络泛化能力和提高空调负荷预测精度的目的。用该方法对的空调系统冷负荷与室外空气的干球温度、含湿量和太阳辐射照度的关系进行建模和预测，通过实例验证了该优化算法优于BP网络，能更加有效地处理动态空调负荷中的非线性问题，获得更可靠的预测结果。

根据高速铁路客车冷负荷特点，采用谐波反应法以非稳态传热的方式计算高速铁路客车的冷负荷，对高速铁路客车和普通铁路客车的车外综合温度波及车体围护结构的传热量进行计算，并对计算结果进行对比。研究结果表明，高速客车如果参照中低速客车空调设计，制冷量设计值偏大；高速铁路客车空调负荷变化不同于中低速客车，应根据实际情况制定其制冷量的调节方案；高速铁路客车在进行轻量化同时要加强车体围护结构保温隔热能力，减小车内温度波动。