地源热泵系统作为一种使用可再生能源的新型节能技术，已经获得了越来越多的关注和认可，特别是在能源日趋紧缺的今天,其节能效果明显、利用可再生能源和运行费用低等特点也就变得越加突出。但是由于地源热泵系统自身的非线性，强耦合，不确定性等特点，使得对于地源热泵系统的运行优化控制研究成为了地源热泵系统研究的热门和重点。根据从奥林匹克森林公园的地源热泵实时监测平台所采集的数据，可以对地源热泵系统的运行优化控制进行研究。对于地源热泵系统的控制要求，是在保证系统运行安全，稳定且满足客户的要求的前提下，尽可能的减少能耗。对于地源热泵系统的运行优化控制，首先需要的是对系统进行精确地分析，找出与系统总能耗相关的可控参数，根据这些参数建立起地源热泵系统能耗的输入输出模型。其次，根据已建立起的系统模型采用智能优化算法对模型的控制变量进行寻优，从而找出使得系统能耗最小的控制变量的组合。论文的主要工作和创新如下：一、阅读国内外地源热泵系统的相关文献，对奥林匹克森林公园建筑中的地埋管土壤源热泵系统采集的数据进行分析，从而确定影响地源热泵系统能耗的相关参数，从中选择控制变量。运用改进的BP神经网络建立控制变量与地源热泵系统总能耗的模型，当用户端设定好温度后，系统根据设定值以及控制变量计算出相应的系统总能耗。二、对已有的粒子群算法进行改进，使得改进后的粒子群算法在运算时间，收敛效果以及速度上都较已应用的粒子群算法有较大提高。在采用改进的BP神经网络建立起系统控制变量与总能耗的模型的基础上，对系统的控制参数进行寻优，在保证系统运行安全，稳定且满足客户的要求的前提下，找到使得系统运行总能耗最低的控制参数的组合。三、对基本的遗传算法进行改进，并应用到对地源热泵系统的运行优化控制的参数寻优中，将结果与改进的粒子群算法搜索出的组合进行对比，从而找到两种方法中更适合对地源热泵系统的运行参数寻优方法。针对地源热泵系统的运行优化控制研究问题，对系统的运行进行分析，通过改进的BP神经网络，建立系统的控制参数与总能耗的模型。同时采用粒子群算法与遗传算法两种智能算法对系统的运行参数进行寻优，找到使得能耗最低的组合。通过以上工作，可以找到使得系统能耗最低的控制参数组合的预测值，避免了由直接测量方法所造成的大量的时间浪费。