随着社会的进步,人们对于室内环境舒适度的要求也在不断提高。研究表明,除了温度,湿度也是影响室内环境舒适度的一个关键因素。但是,由于空调系统中空气温湿度变化相互耦合的特性,使得室内空气温湿度控制成为了近年来空调系统研究的一个难点问题。此外,空调系统作为建筑能耗的重要组成部分,在保证室内热环境适宜的同时,对其的能量管理也至关重要。目前,简单控制模式引起的空调系统高能低效问题普遍存在,空调系统的优化控制已然成为了促进建筑节能发展的关键问题。因此,针对以上问题开展了空调系统温湿度控制和节能优化研究。针对空调系统中空气温湿度变化的耦合特性,设计了基于模型预测控制（Model Predictive Control,MPC）的室内空气温湿度控制策略。通过分析空调系统中关键部件的能量转换关系以及热质传递机理,建立了空调系统的非线性动态模型,利用微分方程数值求解方法对动态模型进行离散化,通过递归运算对未来时刻的输出变量进行预测,建立关于输出变量的二次型优化目标函数,结合约束构建优化问题,利用内点法对优化问题进行滚动求解,最后仿真证明了 MPC策略对于空调系统温湿度控制的有效性。为优化空调系统的运行,提高系统能源效率,设计了空调系统温湿度的经济模型预测控制（Economic Model Predictive Control,EMPC）策略。建立了包含系统控制性能和能耗性能的优化目标函数,使用权重参数来动态调节优化目标函数中能耗性能指标所占的比重。仿真结果表明,与MPC策略相比,EMPC策略在动态调节过程中表现出更优越的经济性,选择合适的权重参数,EMPC策略在动态调节过程的能耗节约上面有6.68%的提升。为实现多个房间温湿度的控制,为多区域空调系统设计了一种分布式模型预测控制（Distributed Model Predictive Control,DMPC）策略。在考虑系统热耦合的基础上,将整个多区域空调系统分解为多个子系统,为每个子系统设置了单独的MPC控制器。通过与集中式模型预测控制（Centralized Model Predictive Control,CMPC）策略和分散式模型预测控制（Decentralized Model Predictive Control,DeMPC）策略进行比较,发现 DMPC策略不仅克服了 DeMPC策略带来的稳态跟踪误差问题,而且在优化问题计算时间方面比CMPC策略缩短了 40%以上。