中央空调系统是城市公共建筑中重要的基础配套设施和主要能源消耗装置,为了实现对中央空调系统的优化节能控制,需要重点对中央空调冷站系统进行研究。而影响中央空调冷站系统优化节能的关键因素之一是建立准确的静态能耗模型。对于中央空调冷站系统建模存在的问题,文中针对能耗占比最大、非线性最强的中央空调制冷机组提出了一种基于工况划分的多模型加权融合模型。根据制冷机组工作曲线的非线性特征、将输入/输出数据聚类为若干个子类,每个子类采用麦夸特法建立一个子模型。考虑到中央空调系统的慢时变特性和制冷机组的工况特点,子模型间存在信息冗余,因此采用加权法融合子模型最终形成一个全局模型以消除其冗余信息,加权系数以均方差最小为指标,利用粒子群算法优化得到。仿真结果验证了文中建立的制冷机组的多模型融合模型的精度高于单一的全局模型。该制冷机组的多模型融合模型应用于中央空调冷站系统的优化节能,将更符合实际工况。准确的负荷预测是中央空调冷站系统优化节能控制的基础,同时也是建筑节能技术中的重要环节。文中选用BP神经网络对中央空调冷负荷进行预测,依据历史样本数据来预测中央空调系统未来一天内的逐分冷负荷,选取样本数据的历史冷负荷数据和气象因子作为训练样本,以得到准确的中央空调系统的冷负荷预测值。在得到准确的中央空调预测冷负荷和中央空调冷站系统的能耗模型之后,通过控制中央空调冷站系统运行在当前负荷需求下的最佳工作点来实现系统的优化节能控制。为了得到中央空调冷站系统在不同的冷负荷下的最佳工作点,以中央空调冷站系统的能耗最小为目标,将中央空调冷站系统的静态能耗模型作为目标函数,建立目标函数的约束条件,同时利用粒子群优化算法,计算得到中央空调冷站系统在不同冷负荷需求下的最佳工作点并进行优化节能控制。由于中央空调冷站是一个具有强扰动的系统,因此当外界影响因子发生变化时,需要对扰动进行估计和消除。文中利用自抗扰控制器实现中央空调冷站系统的优化节能控制,并与PID控制器的控制性能进行对比以得到最佳的控制方法,自抗扰控制器可以通过微分跟踪器有效的消除中央空调冷站系统在控制过程中出现的超调,并利用扩张状态观测器对中央空调冷站系统的外扰和内扰进行预估和消除,具有较强的鲁棒性。文中通过在Simulink Model中搭建自抗扰控制器模型进行仿真,跟踪控制中央空调冷站系统工作在不同冷负荷需求下的最佳工作点,以实现中央空调冷站系统的优化节能控制。