随着建筑能源消费在全国能源消费中的比例逐年上升,如何通过有效地能源管理,实现建筑节能,减少能源消费对环境的影响受到了广泛的关注。而中央空调系统作为建筑中最主要的耗能设备之一,研究其负荷特性以及优化系统运行策略对于减少建筑能耗,缩减运行成本具有重要意义。根据实际的负荷需求调整运行策略可以大大减少中央空调系统的能耗。然而,中央空调系统是一个非线性的复杂系统,受到很多因素的影响,系统设备之间也存在相互作用,其运行优化非常具有挑战性。本研究利用机器学习算法对上海某医院的空调系统冷负荷进行了预测,并基于历史运行数据对该空调系统进行了数据能耗建模以及运行策略优化。首先对采集的历史运行数据进行了整理、分析,在进行异常点剔除等预处理后,使用小波分析对数据进行降噪处理。利用三种方法对降噪之后的数据集进行了学习,得到三种不同的负荷预测模型。以预测得到的负荷数据为目标对冷水机组的运行进行优化,提出了一种基于拉格朗日乘子法的多目标优化方法,得到了冷水机组优化运行方案。之后对水泵、冷却塔进行回归建模,考虑到设备及约束条件增加,使用遗传算法对冷却水系统进行了优化,最后以冷却塔释热量为约束条件,耦合冷却水系统与冷冻水系统,得到系统的优化运行方案。为预测中央空调冷负荷,分别使用了多元非线性回归、支持向量机回归、长短记忆神经网络建立负荷预测模型,并对前两种模型,使用用能系数处理负荷数据,提高了模型精度;对第三种模型,使用Adam算法优化神经网络,提高了模型的训练速度。然后对比了三种模型的预测精度以及建模时间,结果表明,与前两种模型相比,虽然长短记忆神经网络的模型训练时间远高于其他两种,但其拥有更好的预测精度。通过对二次泵变流量系统进行分析,得到了单台冷水机组运行能耗模型以及运行约束条件,根据回归得到了能耗模型参数,两种冷水机组的能耗回归模型精度均在99%以上。随后构造拉格朗日函数,以预测的冷负荷作为输入,通过求解KKT条件,得到了最佳的冷水机组运行方案。之后,使用本算法对5种工况进行了优化,与原始运行方案比较后,发现在温差取最小值时,冷水机组最高节能16%,并且负荷越大的工况,节能潜力越大。建立了水泵和冷却塔能耗回归模型,求解模型参数,得到的模型精度约为97%,同时建立了冷却塔释热量模型,由于流量数据质量较差,模型精度仅为82.4%。观察到冷水机组与其他设备能耗的大小相差较大,将系统能耗分为冷冻水系统和冷却水系统两部分,并使用遗传算法对冷却水系统5组历史工况进行了节能寻优,结果表明,优化方案最高可使冷却水系统能耗降低11.6%。最后耦合冷冻水系统与冷却水系统,在满足冷水机组最优运行时,冷却水系统的能耗会相应增加,系统总的节能效率最高可以达到11.4%。