随着我国城镇化进程逐年加快,商用建筑能耗不断攀升,空调能耗已占据建筑物总能耗的40%以上。作为空调系统主机的冷水机组,其运行能耗约占系统总能耗的60%。降低空调系统能耗的重点在于对冷水机组运行能耗的有效控制和优化。布谷鸟算法已在水资源及电网的运行调度上得到了成功应用,并展现了比其他智能算法更优越的性能。本文以多台并联冷水机组为研究对象,通过对布谷鸟算法的研究和改进,解决冷机负荷分配和节能降耗的问题。具体工作有以下4个方面:(1)分析研究了常用的6种冷水机组能耗模型,由于本文的研究重点是通过负荷分配优化来降低机组能耗,选择只与部分负荷率相关的半经验模型作为本文的能耗模型;研究了冷水机组的两种能效评价指标COP和IPLV,分析了两者的差异,选择COP为后续研究的能效评价指标。(2)对布谷鸟搜索算法进行了深入分析,针对算法存在收敛速度和精度上的不足,从参数的动态化调整、算法间的融合及提升算法偏执能力的角度,分别提出了自适应、基于粒子群和基于种群粒子吸引策略的三种改进布谷鸟搜索算法。使用五个标准测试函数,测试了改进后算法的性能,结果表明基于种群粒子吸引策略的布谷鸟算法在收敛速度和精度上均是最优的。(3)通过TRNSYS软件对建筑物冷负荷进行建模并分析。选择沈阳、杭州和昆明为典型城市,通过敏感度分析,定量研究了窗墙比对建筑物冷负荷大小的影响。获得冷负荷受南、北窗墙比变化的敏感度情况:在春夏过渡季,南向是沈阳>杭州>昆明,北向是杭州>沈阳>昆明;在夏季和夏秋过渡季,均为杭州>沈阳>昆明。(4)选择三种不同组合方式的冷水机组并联运行事例,对改进后的布谷鸟算法进行实例验证。通过TRNSYS建模,获得了建筑物逐时冷负荷,用改进后的布谷鸟算法与三种常用的优化算法进行逐时冷负荷分配比较。采用三台同容量的机组并联时,与遗传算法的能耗相比,节能2.63%;采用两台大容量和两台小容量机组四机并联时,与粒子群算法的能耗相比,节能1.04%;采用六台大容量机组并联时,与模拟退火算法的能耗相比,节能1.38%。改进后的布谷鸟算法相对于三种智能算法,在收敛精度和速度方面均有明显改善。