近年来,空调系统的能耗优化控制问题成为建筑节能领域的研究热点。由于空调设备的模型大多具有非线性、纯滞后、时变的特性,致使一些仿真研究成果在实际设备运行过程中无法获得满意结果。本论文从两方面对空调系统的能耗优化控制问题展开研究,一方面采用仿真和现场实验相结合,以提高模型的精度;另一方面采用模型预测控制方法,以容忍一定程度的模型误差,实现优化控制。主要研究工作归纳如下:(1)本论文在一个典型的中央空调系统中,对系统的各个主要部件(区域热响应、冷水机组、冷却塔、水泵、风机、盘管等)建立了相应的简化模型,并运用模型预测控制(Model Predictive Control,MPC)方法对该系统进行了仿真研究。实验结果表明,使用MPC可以节省空调系统的运行费用,并可以通过时间常数判断热质量的大小,从而获知被动式蓄能的节费潜力。(2)当空调负荷受到一些随机变量(例如室外温度、太阳辐射等)的影响时,本论文采用功率谱密度法对建筑物室内空调负荷在室外温度和太阳辐射强度两种随机量作用下的传递函数进行辨识,并将辨识得到的传递函数模型应用于一个使用MPC策略控制的加热器,实现对房间温度的优化控制。(3)针对某银行大楼的冰蓄冷空调系统,提出了使用时间序列和神经网络相结合的方法预测空调负荷。首先通过平稳性检验、模型定阶、参数估计以及模型检验确定时间序列模型,接着针对无法表征系统非线性的问题,采用人工神经网络对由时间序列模型的预测结果的残差进行建模,实现残差值的在线预测。实验结果表明,采用本论文提出的组合模型,提高了需要多步预测的场合的负荷预测精度,验证了该负荷预测方法可应用于冰蓄冷空调领域。(4)针对一个实际运营中的商业建筑的空调水系统,在不改变原有控制系统的前提下,提出了应用带前馈结构的MPC控制策略,以冷冻水旁通阀开度为控制目标的方法,该方法是将旁通阀开度控制在一个较小的接近零值上,从而“迫使”原有的控制系统提高冷冻水供水温度而实现冷机的节能。实验结果表明,该方法有效提高了冷冻水出水温度,显著节省了电能,又确保室内的舒适性。(5)针对变风量空调系统有多个区域与空气处理单元之间存在耦合的问题,采用分布式模型预测控制方法,提出了一个一步分布式模型预测控制方法,简化了区域(房间)之间的热传导,进一步简化了优化问题的约束条件,显著减少了算法的计算量和控制器之间的通信量,为应用现场实现分布式模型预测控制方法算法创造条件。实验结果表明,该方法可将每个区域的温度控制在舒适范围内,并使最不理想的区域一直保持在舒适温度范围的上限,实现能耗最小化。(6)针对空调系统中设备模型的非线性问题,构建了基于人工神经网络的控制器模型,解决了采用普通的模型预测控制方法不能实现优化控制的问题。实验结果表明,采用人工智能控制算法可有效地实现优化控制,在满足室内舒适性和系统运行的工艺要求前提下实现节能运行。