近年来,机场航站楼建设规模的日益扩大导致能源消耗不断增加,其中央空调系统能耗约占总能耗的60%以上,因此,航站楼空调系统的节能研究不容忽视。航站楼作为典型高大空间公共建筑,因其人员密集、人员分布不均、营业久的特点,常规集中式中央空调控制系统所采用的大区域统一供冷方式远无法满足各个区域的不同冷负荷需求,使得冷负荷分配不均、人员热舒适性差的问题愈发严峻,而群智能架构所具有的“无中心、分布式”网络结构特点正是解决此类控制问题的关键。论文以某航站楼温湿度独立控制中央空调系统为对象,进行冷负荷分区预测及群智能末端优化控制策略研究,具体内容如下:（1）航站楼冷负荷分区研究。由于航站楼人员密度动态变化大、太阳辐射区域差异明显,造成各个区域冷负荷需求显著不同。因此,综合考虑各项因素对区域负荷需求的差异性影响,根据基础划分原则,结合边界条件计算方法,进行负荷区域划分,为航站楼中央空调系统负荷分区预测及控制提供可靠的分区结果。（2）建立冷负荷分区预测模型。准确的冷负荷需求分区预测是实现不同区域负荷分配的前提。因此,本文提出一种基于近邻传播聚类算法（Affinity Propagation,AP）的相似日选取和改进人群搜索算法-径向基神经网络（AP-FISOA-RBF）的短期冷负荷分区预测模型,该模型以历史负荷数据、天气信息、日期类型作为输入量,预测不同区域的冷负荷需求。分区预测结果表明,所提模型相较于传统RBF、PSO-RBF和SOA-RBF模型,其平均预测绝对百分比误差分别降低了93.05%、83.60%和71.13%,平均预测速度分别提高了54.34%、39.25%和23.96%,能有效克服外界环境对建筑冷负荷预测精度的影响,提高预测模型的鲁棒性。（3）基于群智能的分区分级控制策略研究。首先,设计一种基于群智能的末端设备模糊控制算法;其次,根据不同区域的空调末端机电设备,建立群智能CPN网络拓扑结构,搭建群智能控制平台;然后,通过分析同一区域内的各类末端设备的调控优先级顺序,制定一种基于群智能的中央空调系统末端设备分区分级控制策略;最后,结合冷负荷分区预测需求,以人员舒适度和能耗为评价指标,进行设备节能优化控制仿真实验。实验结果证实,论文所研究的基于群智能的空调末端设备分区分级模糊控制策略,相较于传统的集中式控制,实现了分布式、智能化的群智能分区精准调控,增强了末端设备对室内负荷动态变化的高度适应性。论文为解决某航站楼中央空调系统的冷负荷供需匹配问题,依据空调负荷特性,研究了夏季工况下的冷负荷分区预测和末端优化控制策略。以分区预测的冷负荷为需求进行群智能分区分级优化控制,能够有效地实现室内热湿气候环境的分区控制。经仿真实验验证,论文所研究的内容方法正确,对实现航站楼节能降耗、人员热舒适性具有重要意义,预测及控制所得结果科学合理,对航站楼中央空调系统的节能优化运行具有指导和借鉴作用,对以航站楼为背景的群智能建筑系统平台技术具有一定的推广应用价值。