能源是影响国民经济持续发展的重要因素,中央空调系统的能量消耗一般占整个建筑耗能的60%。但目前实际情况是,空调耗能严重,能源利用效率低。造成这种现象的主要原因:一是由于空调系统一般都按最大负荷计算,采用定工作点方式运行,而中央空调系统在满负荷下实际运行的时间非常短;二是中央空调控制器一般采用定参数设计。因此,空调系统控制器参数在线修正及工作点优化,是实现降低能耗的关键因素。针对空调送风系统具有时变性、非线性、大滞后、大惯性的特点,无法获得较精确的数学模型或模型非常粗糙。本文分析了风系统的运行工艺和控制特点,采用具有自学习能力的智能方法,提出了一种基于模糊神经网络的控制策略。在此基础上,通过临界灵敏度法确定PID控制器的参数,在空调运行的过程中,设定送风温度,对空调送风系统进行负反馈控制回路调节,解决系统响应的快速性、稳定性和准确性三者之间的矛盾,使系统以较快的速度稳定到设定目标位,并能达到长时间稳定。根据空凋工艺原理,找出影响空调送风温度的主要变量,模糊神经网络修正器能调整自身的控制参数,在不确定的环境下进行有条件的决策,以适应对象和环境的变化,在不需要建立空调系统模型的条件下,直接根据影响空调系统送风温度的变量值,产生送风温度的补偿量,使送风温度逐渐降低。引入空调能效比作为评价函数,对系统能源利用效率进行评估。利用BP学习算法中的梯度下降法对模糊神经网络修正器的参数进行调节,使其满足控制要求。通过试验和仿真验证,经过PID负反馈控制回路调节,空调运行状况平稳,响应速度快且具有准确性。基于模糊神经网络的修正器不断对送风温度进行补偿,使其逐渐降低,满足工况负荷后保持不变,使空调一直运行在低能耗的状态。