随着人们对生活和工作环境质量要求的提高,中央空调被广泛应用于大型建筑中,中央空调系统运行时会产生大量的能源消耗。由于它包括众多相互关联的设备,参数相互耦合,且有多个热交换环节,如何在不同负荷下,既营造舒适环境又降低空调总消耗,具有重要意义。为此本文做了如下主要工作。首先,本文详细介绍了中央空调空气处理系统的构成和工作原理,并对影响热舒适度的六个因素进行分析。对冷冻水泵和空调机组风机建立了能耗模型。其次,依据热环境预测平均投票指标表征空调房间内使用者的舒适情况,采用热环境预测不满意百分数作为指标,建立了热舒适度模型。然后,采用改进多目标粒子群算法求解中央空调空气处理系统多目标优化问题。针对标准多目标粒子群算法中存在搜索能力不足和多样性差等问题,提出个体粒子中最差位置作为反思部分,改变粒子速度更新方法及提出了非线性调整惯性权重的方式,保证了惯性权重根据迭代次数的增加而非线性减小,使迭代初期大范围搜索以及迭代后期小范围精准搜索。采用测试函数对改进MOPSO算法进行帕累托前沿验证,并采用反世代距离的平均值和标准差数值对三种算法进行性能指标比较,实验表明,改进多目标粒子群算法有更好的性能。最后,以中央空调空气处理系统总能耗最小和热环境预测不满意百分数最小建立中央空调空气处理系统多目标优化模型,明确各项工艺参数的约束条件。通过实验平台对中央空调空气处理系统多目标问题进行优化,在不同工艺参数下,应用非支配排序遗传算法Ⅱ、多目标免疫算法算法、标准多目标粒子群算法和改进多目标粒子群算法进行对比验证。实验表明,改进多目标粒子群算法实现了既满足使用者热舒适度的高要求,又降低了系统运行的能耗。