中央空调系统的理论模型、经验模型以及数据模型能够体现建模环节的热力学特征,因此成为人们研究的重点。其中,理论模型是运用数学逻辑所构建的工程模型,常以能量平衡的方式体现建模环节的内在参数变化。经验模型依据研究人员的经验对理论模型中难以确定或变化范围较大的系数进行简化。数据模型则是以历史数据为分析对象,对建模环节的数据特征的抽象表现形式。同时,中央空调系统中普遍存在着影响着系统温度与热力参数变化的时滞现象,所以任何模型都应将此种现象考虑在内。然而,针对时滞现象的描述通常是在建立基础模型后附加时滞项或在时间变量中增添时滞值,对于时滞值范围与大小的确定并没有过多的研究。作为基础问题研究,合理地分析时滞现象对优化系统建模有着积极的推动作用,性能良好的模型除了揭示系统内在变化特征外,还有利于系统的优化控制。如果模型能够体现或预测出参数调节过程中存在的时滞稳定区间或时滞值,将会降低控制器与执行器的动作时间,使系统状态参数快速达标,进而起到节能的作用。如今,建筑能源管理系统中存储了海量的数据,使得通过数据分析系统中时滞现象及其大小变为可能。但针对中央空调系统的数据采样周期通常较大,使得系统数据的完整程度不够完善,时滞数值无法直接获得。因此,在结合诸多数据处理方法来获得良好的历史数据质量后,才能实现中央空调系统的时滞辨识。为解决上述问题,本文以中央空调系统为研究对象,进行了系统的时滞建模与辨识。分别设计了能够反映系统时滞现象的时滞状态空间模型与数据模型,并对两种模型的应用进行了讨论。详细研究内容如下:首先,给出了中央空调系统中的时滞定义,用于区分在系统中经常存在的热惰性及热惯性,以便确定系统中的时滞研究范围。随后,分析了时滞现象对系统运行的影响,并通过案例建筑说明时滞现象的数据体现。同时,本文结合粒子群算法与卡尔曼滤波对案例建筑历史运行数据处理后,设计了以数据变化趋势为基础的中央空调系统时滞值辨识方法,并应用模拟退火算法对辨识过程中的参数进行寻优。其次,设计了两种能够体现中央空调系统时滞特性并能预测未来状态参数的线性模型及数据模型。其中,线性模型结合了现代控制理论中的时滞状态空间分析法,以中央空调系统中的能量平衡特性为分析依据,能够得到了建模环节的时滞稳定区间上界。在应用方面,将此种建模方法与预见控制理论相结合,以系统中阀门的控制为例进行了优化仿真。数据模型结合了改进的Elman与BP神经网络,模型内部以趋势变化数据作为连接条件及约束条件来预测建模环节的时滞值与未来状态参数。以数据模型为基础,设计了以模糊PID为核心控制器的中央空调系统自适应控制方案。通过与传统的模糊PID控制系统进行了仿真对比得到,此种控制方案获得了更为精确的控制性能,并且控制响应时滞及调节时间都有所减少,设备能耗也有所下降。最后,将线性模型、数据模型及对应控制方法的性能进行了对比,讨论了两种模型的应用条件与优缺点,以便针对不同建筑情况或数据情况进行方法选取及控制方案确定。