随着碳排放的不断增加,能源问题成为了全球关注的重要议题。中央空调系统作为典型的空气调节装置,因其体量大工作时间长等特点,其能耗在建筑能耗中占比非常高,因此中央空调系统的节能研究对节能减排有着重要意义。本课题以某市大型四层商场的水冷式中央空调系统为研究对象,基于传感器采集的运行数据对系统能效比进行优化,保证在满足实际工况的基础上降低空调能耗,实现对建筑能耗的节能减排。本文的研究内容主要如下:（1）对运行数据预处理及特征选择。根据参数特性对数据库中的存储数据进行预处理操作,并对所有提取的参数进行特征工程处理。依据随机森林和极端梯度提升的特性选取两者的融合算法,以损失函数增益和决策树分支属性的频率为评价函数,选取了一组重要度排序较高的特征子集。（2）训练了不同神经网络进行能耗预测。将选择的特征参数对应数据以滑动窗口形式构建成前后关联的时序数据集,分别训练构建反向传播神经网络、长短期记忆网络、卷积神经网络和深度残差网络这四个预测模型,模型设定参数通过多次训练选取,采用均方误差和平均绝对百分比误差作为评价函数对每个时刻点的回归能效比进行评估,对比得出深度残差网络模型的整体误差更低,能够更准确的预测系统后续的能效比变化情况。（3）建立了优化模型对该上述中央空调系统进行能效比优化。在输入的运行数据内部采用频繁模式增长算法获取各个参数取值之间的潜在关联性,并采用小生境法则对粒子群优化算法的收敛特性进行改进。将深度残差网络模型作为优化模型中的目标函数,参数的正常运行范围以及挖掘到的关联规则作为优化的约束条件,采用改进的粒子群优化算法对中央空调系统能效比进行优化,获取在冷水机组不同负荷率条件下的相对最优工作点。（4）建立了Simulink模型进行优化效果验证。采用经验公式建立各设备的能耗辨识模型,搭建空调系统的Simulink模型,从初始运行参数到优化的设定参数进行动态仿真,验证优化模型的实际效果,之后又进行长时间的能耗优化。通过数据模型的优化并结合参数辨识模型的验证,说明了该优化模型的可行性与准确性,为水冷式中央空调的能耗优化提供一定参考意义。