楼宇节能一直是节能领域研究的重点方向。相对于其他能耗,中央空调系统所用的能耗占据了楼宇总能耗的最大部分,现今楼宇系统的智能化带给我们很多便利。在使用楼宇自控系统(Building Automation System,BAS)监控、管理楼宇设备的同时,产生了大量的中央空调日常运行数据。在不加装任何物理硬件以及其他额外成本的前提下,如何有效利用这一部分数据,从大量数据本身中挖掘出隐藏信息,达到中央空调节能的目的。现有的建筑中央空调节能方法大多数是首先基于建筑结构、空调设备建立机理模型,再利用该机理模型模型对空调能耗预测。由于建筑结构、空调设备以及外界的环境干扰,这类传统的机理模型是在诸多假设的条件下建立的,存在建模难度大、模型不精确,难以真实的反映系统的真实状况等缺陷,难以应用于实际的中央空调系统。同时,能耗优化涉及到多个目标,如何将复杂的多目标优化的不确定性问题有效转化为在实际生产中切实可用的单目标优化问题,是工程实践中亟待解决的问题。本文结合工程实际应用,主要针对楼宇中央空调的能耗预测建模、目标能耗优化等方面存在的问题开展了研究,主要内容如下:(1)针对数据缺少特征属性及建模精度不足等问题,本文提出了应用基于LSTM-RNN的数据驱动建模的方法进行能耗预测建模。该方法首先对数据进行预处理,增加并提取出关键数据属性;再结合LSTM-RNN算法对中央空调能耗建模。相比于其他算法方法,本文提出的方法在训练和测试精度均有了较大幅度的提升。经三个实际工程数据测试,该方法训练集和测试集的错误率均控制在1%左右。(2)针对冷量需求无法预测,冷却水系统存在的多目标优化不确定性等问题,提出融合遗传算法结合空调能耗预测模型的方法对空调能耗进行优化。首先对中央空调的冷却水系统、以及优化可行性进行了分析;再针对遗传算法的不足、以及空调的特性,融合三种遗传算法策略,并增加约束条件,使得优化更符合实际工程需求。其他算法对比显示,融合遗传算法不仅能提供更好的优化效果,且在速度上有一定优势,更适合于工程的精度和实时性实际需求。(3)本文开发了一套面向中央空调能耗优化的人机交互系统软件。该系统与BAS无缝衔接,由模型管理、模型训练、模型预测等模块组成,通过云服务器集成了空调建模、方案优化、能耗预测等功能。通过云服务器实现跨地域的中央空调节能调度,既解决了本地计算机计算能力受限的问题,又能跨地域为中央空调提供有效的能耗优化。