随着人民生活水平的不断提高，对室内环境质量要求也不断提升，中央空调系统已在各类公共建筑中被广泛使用。由于中央空调系统的冷负荷是跟随室外气象条件与建筑负荷而变化的，现有的控制手段往往无法满足空调负荷的动态控制，导致系统的运行能效偏低，存在一定的能耗浪费。在中央空调系统中，冷水机组是中央空调系统最主要的能耗设备，其控制策略直接影响着中央空调系统的能耗。因此，合理的冷水机组控制策略对于中央空调系统的节能运行具有重要意义。本课题以广州某商场中央空调的四台冷水机组为研究对象，利用冷水机组实际运行数据，引入附加动量项与自适应学习速率算法，建立了基于改进BP神经网络的冷水机组能效模型，通过Pearson相关系数和双侧显著性检验，选取供冷负荷率、冷冻水流量、冷却水流量、冷冻水供水温度、冷却水进水温度作为模型输入，以能效作为模型输出。所建冷水机组能效模型的预测精度与传统的BP神经网络模型、SL模型、BQ模型、MP模型及SMP模型相比，分别提高了63.5%、83.1%、65.1%、41.6%、37.1%。在所建能效模型的基础上，仿真分析了冷水机组负荷率，冷冻水流量与供水温度，冷却水流量与回水温度以及负荷分配方式对能效的影响。分析结果表明上述运行参数的变化均会引起冷水机组能效值不同程度的变化。即使是额定制冷量相等的两机组，其机组的能效变化特性也是不同的，针对其中一台机组能效并不总高于另一台机组的情况，当两台冷水机组并联运行时，采用负荷不均等分配的运行方式比传统的负荷平均分配的运行方式能获得更高的冷水机组总能效。在上述分析的基础上，从冷水机组启停优化和负荷分配优化两个方面，提出了基于遗传算法的冷水机组能效优化控制方法。该方法以冷水机组群总能效达到最优为目标，利用遗传算法对不同负荷率下冷水机组的运行方式以及在各运行方式下的负荷分配率进行寻优，确定最佳的机组启停状态，并在负荷小范围波动时优化该运行方式下冷水机组的负荷分配方式，实现节能的目标。对夏季、过渡季、冬季工况下的冷水机组运行进行了仿真分析，结果表明，与原控制相比可节能7.51%。基于上述方法，以已建立的该商场冷水机组远程监控系统为平台，采用C#与Matlab的混合编程开发了冷水机组的能效优化控制程序，并将该程序与原控制程序相结合，实现了冷水机组的在线优化控制。测试结果表明，与原控制相比可节能5.79%。