از آنجاکه مصرف انرژی در بخش ساختمن کشور بیشترین سهم را به خود اختصاص می دهد و در حد 38 درصد از کل می باشد مطالعه و بررسی پارامترهای موثر بر مصرف و تقاضای انرژی ضروری است. ساختمان های ایران اعلب ساختاری قدیمی داشته و فاقد سسیستم های کنترلی و مدیریتی هستند تشخیص معایب و مشکلات تقاضا و مصرف انرژی در آنها می بایستی از طریق ممیزی انجام شود. اهداف اصلی در این پایان نامه شامل ا ولا: پیش بینی تقاضای انرژی الکتریکی واحد مسکونی با استفاده از شبکه های عصبی مصنوعی ثانیا شناسایی الگوی مصرف تجهیزات مبتنی بر شبکه های عصبی مصنوعی و ارایه یک روش مونیتورینگ تک نقطه ای و غیر مداخله گر دقیق و ارزان جهت تجزیه منحنی تقاضای کل واحد مسکونی به مولفه های سازنده آن و ثالتا ارایه یک الگوریتمجهت شناسایی عیوب مصرف انرژی سیستم الکتریکی واحد مسکونی با استفادهاز مولفه های تقاضا و پیش بینی تقاضا می باشد. برای دستیابی به اهداف مذکور ابتدا ثبت اطلاعات مربوط به تقاضای یک ساختمان نمونه واقع در خیابان جمهوری تهران انجام گرفت در ادامه با انفرادی استخراج گردید و با آموزش آنها به سه نوع از شبکه های عصبی که قابلیت شناسایی الگو دارند تجزیه منحنی تقاضای ساختمانی مسکونی انجام گرفت و روش الگو گیری جدید به همراه استفاده از شبکه عصبی som باعث گردید نتایج شناسایی الگو به میزان 2/4? بنسبت به روش مرسوم بهبود حاصل کند. درادمه روشی جدید برای مونیتورینگ واحدهای مسکونی که الگوهایشان در اختیار نسیت با استفاده از الگوهای نرمالیزه شده تجهیزات مشابه پیشنهاد رددی نتایج آزمایش روشجدید بر روی منحنی تقاضای یک واحد مسکونی مرسوم به آپارتمان شماره 2 که دارای الگوهای ناشناخته بوده است دقت 25/19? را در شناسایی رخدادها نشان داده است. در بخش انتهایی نیز با اسفتاده از نتایج مستقیم قسمت های قبلی وتعریف تعدادی شاخص مصرف الگوریتمی جهت شناسایی عیوب مصرف انرژی سیستم الکتریکی واحد مسکونی ارایه گردید که قادر است اشکالات از قبیل مصرف بیش از حد انرژی برای روشنایی عیوب رخ داده در دیخچال و سایر تجهیزات خنگی و عیوب سیستم شناسایی رخدادها در وجود نشتی برق دزدی را در مدار توزیع شناسایی نماید