在大型中央空调系统中,由冷却塔和冷水机组组成的空调水系统的能耗约占整个空调系统能耗的55%左右,其中冷却塔的耗电量占整个系统耗电量的15%左右,冷水机组耗电量约占整个系统耗电量40%。因此降低空调水系统的能耗是十分必要的。 由于暖通空调系统是按最大负荷设计,而空调系统大多数时间内处于部分负荷状况下运行,如果能根据负荷在线找出空调系统的最佳工作点,并通过控制系统实现能量最佳匹配,将大幅度地降低空调系统能耗。 本文通过分析空调水系统的运行工艺过程和各环节设备的能耗特点,提出对中央空调水系统的工作设定点进行在线优化,使中央空调水系统在任何工况下,可以实现最佳运行,节约大量的能量消耗,并针对于中央空调水系统的特点研究了关键设备的建模方法和优化方法,解决了中央空调水系统的实时优化控制问题;采用神经网络方法来辨识中央空调系统的静态模型,并且结合实际的运行数据,利用前馈型网络结合BP算法建立了冷却塔、制冷机节能关键设备的神经网络模型,解决了传统的机理分析法和系统辨识方法难以解决的具有高度非线性的中央空调水系统设备的建模问题;应用能够对解空间进行持续搜索的全局优化算法——遗传算法解决了属于多维非线性有约束的中央空调系统优化问题;并根据中央空调系统的运行特性对标准遗传算法进行了改进,提出遗传算法与复合形法相结合的混合遗传算法。通过混合遗传算法对中央空调系统的静态模型的工作点进行在线优化,解决了由于空调系统设备模型复杂、待定系数数量多、优化方法初始值不易恰当选取等因素引起中央空调控制系统局部最小点和实时性要问题。通过实验室仿真验证了这种方法的有效性。