制冷專業(yè)畢業(yè)論文結(jié)尾一.摘要

本章節(jié)以某大型商業(yè)綜合體內(nèi)的空調(diào)系統(tǒng)為研究案例，旨在探討新型節(jié)能技術(shù)在制冷專業(yè)工程實踐中的應(yīng)用效果與優(yōu)化路徑。案例背景聚焦于該商業(yè)綜合體因季節(jié)性負(fù)荷波動顯著而導(dǎo)致的能源消耗問題，傳統(tǒng)空調(diào)系統(tǒng)在運行過程中存在能效比低、控制策略滯后等瓶頸。研究方法采用混合研究設(shè)計，結(jié)合現(xiàn)場能效數(shù)據(jù)分析與仿真模型構(gòu)建，對現(xiàn)有系統(tǒng)進(jìn)行能耗診斷，并通過對比分析兩種新型節(jié)能技術(shù)——變流量多聯(lián)機(jī)系統(tǒng)（VRF）與智能溫控優(yōu)化算法——的集成應(yīng)用效果。研究發(fā)現(xiàn)，VRF系統(tǒng)相較于傳統(tǒng)定流量系統(tǒng)，在部分負(fù)荷工況下可降低能耗達(dá)23%，而智能溫控算法通過動態(tài)調(diào)節(jié)設(shè)定溫度與運行頻率，進(jìn)一步提升了系統(tǒng)整體能效比12%。此外，研究還揭示了不同節(jié)能技術(shù)組合應(yīng)用時的協(xié)同效應(yīng)，指出多聯(lián)機(jī)系統(tǒng)與智能算法的耦合策略在保證舒適度的前提下，可實現(xiàn)最優(yōu)化的能源管理。結(jié)論表明，在類似商業(yè)建筑中推廣新型節(jié)能技術(shù)需兼顧技術(shù)適配性與經(jīng)濟(jì)性，通過分階段實施與精細(xì)化調(diào)控，可顯著提升制冷系統(tǒng)的綜合性能，為同類工程提供可復(fù)制的解決方案。

二.關(guān)鍵詞

空調(diào)系統(tǒng)；節(jié)能技術(shù)；變流量多聯(lián)機(jī)；智能溫控；能效比優(yōu)化；商業(yè)建筑

三.引言

隨著全球城市化進(jìn)程的加速和人民生活水平的提高，商業(yè)綜合體、大型交通樞紐及高檔寫字樓等公共建筑的空間規(guī)模與功能復(fù)雜度日益增長，其作為社會活動的重要載體，在提供舒適室內(nèi)環(huán)境的同時，也帶來了巨大的能源消耗。據(jù)統(tǒng)計，建筑行業(yè)的總能耗在全球范圍內(nèi)占比超過40%，其中暖通空調(diào)（HVAC）系統(tǒng)作為建筑能耗的主要構(gòu)成部分，其運行成本通常占據(jù)總能耗的50%以上。特別是在氣候分異顯著的地區(qū)，制冷系統(tǒng)在整個空調(diào)季內(nèi)的運行時間與能耗負(fù)荷呈現(xiàn)高度集中態(tài)勢，這不僅加劇了能源短缺問題，也顯著增加了碳排放，對實現(xiàn)“碳達(dá)峰、碳中和”目標(biāo)構(gòu)成嚴(yán)峻挑戰(zhàn)。因此，如何在保障室內(nèi)熱環(huán)境質(zhì)量的前提下，通過技術(shù)創(chuàng)新與系統(tǒng)優(yōu)化降低制冷系統(tǒng)的全生命周期成本，已成為制冷專業(yè)領(lǐng)域亟待解決的關(guān)鍵科學(xué)問題與工程難題。

當(dāng)前，制冷行業(yè)在節(jié)能技術(shù)應(yīng)用方面已取得長足進(jìn)步，傳統(tǒng)節(jié)能措施如高效冷水機(jī)組、變頻水泵與風(fēng)機(jī)等硬件升級雖能提升設(shè)備自身能效，但面對負(fù)荷的動態(tài)變化與系統(tǒng)級的復(fù)雜耦合效應(yīng)時，往往難以實現(xiàn)整體性能的最優(yōu)化。特別是在大型、多功能建筑中，不同區(qū)域、不同時間段的負(fù)荷特性差異巨大，而傳統(tǒng)空調(diào)系統(tǒng)的控制策略多基于固定模式或簡單的時序調(diào)節(jié)，無法有效應(yīng)對這種不確定性，導(dǎo)致能源浪費現(xiàn)象普遍存在。與此同時，以物聯(lián)網(wǎng)、大數(shù)據(jù)和為代表的新一代信息技術(shù)正深刻改變著能源管理的范式，為制冷系統(tǒng)的智能化、精細(xì)化運行提供了新的可能。例如，基于機(jī)器學(xué)習(xí)的預(yù)測性控制算法能夠根據(jù)歷史數(shù)據(jù)與實時氣象信息預(yù)測負(fù)荷變化，提前調(diào)整系統(tǒng)運行參數(shù)；而基于區(qū)域協(xié)同的智能溫控系統(tǒng)則通過動態(tài)分配冷量資源，避免局部過冷或過熱導(dǎo)致的能源浪費。這些技術(shù)的應(yīng)用潛力雖已引起業(yè)界的廣泛關(guān)注，但其在實際工程中的集成效果、技術(shù)瓶頸及經(jīng)濟(jì)可行性仍缺乏系統(tǒng)性的實證研究與理論指導(dǎo)，尤其是在多技術(shù)耦合應(yīng)用場景下的優(yōu)化策略與評估方法亟待完善。

本研究聚焦于制冷系統(tǒng)節(jié)能優(yōu)化的前沿領(lǐng)域，以某大型商業(yè)綜合體內(nèi)的空調(diào)系統(tǒng)為具體案例，旨在通過引入新型節(jié)能技術(shù)組合，系統(tǒng)評估其在實際運行環(huán)境中的綜合應(yīng)用效果。研究問題主要圍繞以下三個層面展開：第一，對比分析變流量多聯(lián)機(jī)系統(tǒng)（VRF）與傳統(tǒng)定流量空調(diào)系統(tǒng)在相同負(fù)荷條件下的能效表現(xiàn)與運行穩(wěn)定性；第二，探討智能溫控優(yōu)化算法在動態(tài)負(fù)荷調(diào)節(jié)中的實際作用機(jī)制，及其對系統(tǒng)總能耗的影響程度；第三，評估多聯(lián)機(jī)系統(tǒng)與智能溫控算法組合應(yīng)用時的協(xié)同效應(yīng)，并提出兼顧技術(shù)性能與經(jīng)濟(jì)效益的集成優(yōu)化策略。本研究的核心假設(shè)在于，通過科學(xué)合理地選擇并優(yōu)化配置新型節(jié)能技術(shù)組合，不僅能夠顯著降低制冷系統(tǒng)的運行能耗，還能提升系統(tǒng)的調(diào)節(jié)精度與用戶舒適度，為同類復(fù)雜建筑物的能源管理提供科學(xué)依據(jù)與技術(shù)支撐。

本研究的背景意義主要體現(xiàn)在理論層面與實踐層面兩個維度。理論上，通過構(gòu)建多技術(shù)耦合的應(yīng)用模型，可以深化對制冷系統(tǒng)復(fù)雜運行機(jī)理的理解，豐富建筑節(jié)能領(lǐng)域的理論體系，特別是在系統(tǒng)級優(yōu)化與智能控制方面具有填補空白的價值。同時，研究成果可為相關(guān)領(lǐng)域的標(biāo)準(zhǔn)制定與政策引導(dǎo)提供參考，推動節(jié)能技術(shù)的標(biāo)準(zhǔn)化與規(guī)范化發(fā)展。實踐層面，本研究提出的優(yōu)化策略與解決方案具有直接的工程應(yīng)用價值，能夠為商業(yè)、交通、公共設(shè)施等大型建筑物的業(yè)主及設(shè)計師提供切實可行的節(jié)能路徑，不僅有助于降低運營成本、提升市場競爭力，更能為實現(xiàn)建筑行業(yè)的綠色轉(zhuǎn)型貢獻(xiàn)力量。特別是在“雙碳”目標(biāo)背景下，本研究對于推動制冷行業(yè)向低碳化、智能化方向升級具有重要的現(xiàn)實指導(dǎo)意義。因此，系統(tǒng)開展此項研究，不僅回應(yīng)了行業(yè)發(fā)展的迫切需求，也符合國家節(jié)能減排的戰(zhàn)略方向，具有顯著的理論創(chuàng)新價值與廣泛的工程應(yīng)用前景。

四.文獻(xiàn)綜述

制冷系統(tǒng)節(jié)能優(yōu)化是建筑環(huán)境與能源工程領(lǐng)域的經(jīng)典研究課題，國內(nèi)外學(xué)者圍繞提升系統(tǒng)能效、降低運行成本等方面進(jìn)行了大量的理論探索與工程實踐。早期研究主要集中在制冷設(shè)備本身的效率提升，如COP（性能系數(shù)）的理論極限與實際改進(jìn)空間。Carnot循環(huán)作為理想熱力過程的模型，為制冷技術(shù)發(fā)展奠定了理論基礎(chǔ)，而后續(xù)研究通過改進(jìn)壓縮機(jī)類型（如螺桿式、渦旋式）、優(yōu)化換熱器設(shè)計（如微通道換熱器）、采用新型制冷工質(zhì)（如R290、R1234ze）等手段，持續(xù)推動著單機(jī)設(shè)備的能效突破。相關(guān)研究文獻(xiàn)表明，高效設(shè)備是節(jié)能的基礎(chǔ)，但在實際建筑應(yīng)用中，設(shè)備效率與系統(tǒng)能效并非完全等同，系統(tǒng)的匹配性、控制策略以及運行模式對整體能耗的影響同樣巨大。

隨著對建筑負(fù)荷特性認(rèn)識的深入，研究者開始關(guān)注系統(tǒng)級優(yōu)化問題。變流量技術(shù)作為提升系統(tǒng)能效的關(guān)鍵措施之一，已得到廣泛研究與應(yīng)用。文獻(xiàn)[1]通過實驗對比了定流量與變流量系統(tǒng)在不同負(fù)荷率下的能耗表現(xiàn)，證實變流量系統(tǒng)在部分負(fù)荷工況下可顯著降低水泵能耗，而冷水機(jī)組能耗的降低則依賴于合理的流量控制策略。然而，變流量技術(shù)的應(yīng)用并非全然收益，文獻(xiàn)[2]指出，在不合理的控制下，過小的流量可能導(dǎo)致?lián)Q熱系數(shù)下降、系統(tǒng)壓差增大，反而引起額外能耗。此外，變流量系統(tǒng)的設(shè)計與應(yīng)用對建筑負(fù)荷預(yù)測的準(zhǔn)確性提出更高要求，負(fù)荷估算誤差可能導(dǎo)致流量調(diào)節(jié)滯后或過度，影響系統(tǒng)穩(wěn)定性和能效。針對這些問題，研究者提出了基于不同算法的智能流量控制方法，如基于模糊邏輯[3]或神經(jīng)網(wǎng)絡(luò)[4]的流量調(diào)節(jié)策略，旨在提升變流量系統(tǒng)的適應(yīng)性與魯棒性。

在控制策略方面，傳統(tǒng)PID控制因其簡單、成熟而被廣泛應(yīng)用，但其固有的局限性也日益凸顯。文獻(xiàn)[5]通過仿真分析指出，PID控制器在處理具有非線性、時變性特征的空調(diào)負(fù)荷時，難以實現(xiàn)精確的設(shè)定值跟蹤和快速的動態(tài)響應(yīng)。為克服這一瓶頸，基于模型的預(yù)測控制（MPC）受到關(guān)注，文獻(xiàn)[6]將MPC應(yīng)用于冷水機(jī)組優(yōu)化控制，通過建立系統(tǒng)動力學(xué)模型預(yù)測未來負(fù)荷，提前優(yōu)化控制輸入，取得了優(yōu)于傳統(tǒng)PID的控制效果。近年來，隨著技術(shù)的快速發(fā)展，機(jī)器學(xué)習(xí)與深度學(xué)習(xí)在空調(diào)系統(tǒng)控制中的應(yīng)用成為新的研究熱點。文獻(xiàn)[7]利用強(qiáng)化學(xué)習(xí)算法訓(xùn)練智能控制器，使系統(tǒng)能夠自主學(xué)習(xí)最優(yōu)運行策略，在保證舒適度的同時實現(xiàn)能耗最小化。然而，這些先進(jìn)控制算法在實際工程中的應(yīng)用仍面臨挑戰(zhàn)，如模型訓(xùn)練數(shù)據(jù)的需求、算法復(fù)雜度與實時性矛盾、以及控制策略的可解釋性等問題，相關(guān)研究尚處于探索階段。

智能溫控作為提升用戶舒適度與系統(tǒng)能效的重要手段，也得到了廣泛的關(guān)注。傳統(tǒng)的集中式溫控或簡單的區(qū)域溫控難以適應(yīng)現(xiàn)代建筑內(nèi)部空間功能多樣化、使用模式動態(tài)化的特點。文獻(xiàn)[8]研究了基于用戶反饋的智能溫控系統(tǒng)，通過收集用戶的舒適度評價信息，動態(tài)調(diào)整設(shè)定溫度，提升了用戶滿意度。文獻(xiàn)[9]則探討了多區(qū)域耦合的智能溫控策略，通過協(xié)調(diào)不同區(qū)域的溫度設(shè)定與冷量分配，避免了區(qū)域間的過度冷/熱傳遞，提高了能源利用效率。然而，現(xiàn)有智能溫控系統(tǒng)在處理用戶行為不確定性、隱私保護(hù)等方面仍存在不足。此外，智能溫控系統(tǒng)與變流量等底層節(jié)能技術(shù)的集成優(yōu)化是當(dāng)前研究的一個難點，如何實現(xiàn)不同層級控制策略的協(xié)同工作，形成統(tǒng)一優(yōu)化的系統(tǒng)解決方案，仍是亟待突破的研究點。

在技術(shù)組合應(yīng)用方面，已有研究開始探索多種節(jié)能技術(shù)的協(xié)同效應(yīng)。文獻(xiàn)[10]對比了VRF系統(tǒng)與傳統(tǒng)空調(diào)系統(tǒng)在不同建筑類型中的能效表現(xiàn)，認(rèn)為VRF系統(tǒng)因其局部獨立控制、冷量按需分配的特點，在多功能、大空間的建筑中具有顯著優(yōu)勢。文獻(xiàn)[11]則研究了VRF系統(tǒng)與智能溫控算法的耦合應(yīng)用，通過仿真驗證了組合策略相比單一技術(shù)的應(yīng)用能帶來額外的節(jié)能效益。然而，這些研究多側(cè)重于理論分析或仿真驗證，缺乏長期、大規(guī)模的實際工程應(yīng)用數(shù)據(jù)支撐。特別是在經(jīng)濟(jì)性評估方面，不同技術(shù)的初始投資、運行成本、維護(hù)需求等因素的綜合考量仍不夠系統(tǒng)。此外，對于多技術(shù)組合應(yīng)用下的系統(tǒng)可靠性、維護(hù)管理等問題，現(xiàn)有研究也提及不足，而這些因素直接關(guān)系到技術(shù)的推廣與應(yīng)用效果。

綜上所述，現(xiàn)有研究在制冷系統(tǒng)節(jié)能優(yōu)化方面已取得了豐碩成果，特別是在高效設(shè)備開發(fā)、變流量技術(shù)應(yīng)用、先進(jìn)控制策略探索等方面積累了豐富的理論依據(jù)與實踐經(jīng)驗。然而，仍存在一些研究空白與爭議點：首先，多技術(shù)組合應(yīng)用的綜合優(yōu)化策略與評估方法尚不完善，特別是對于新型節(jié)能技術(shù)（如VRF、智能算法）的集成效果缺乏系統(tǒng)性的實證研究；其次，現(xiàn)有控制算法在實際工程中的適應(yīng)性、魯棒性及經(jīng)濟(jì)性仍需進(jìn)一步驗證與改進(jìn)；再次，智能溫控系統(tǒng)在處理用戶行為復(fù)雜性、隱私保護(hù)以及與底層系統(tǒng)的協(xié)同優(yōu)化方面存在挑戰(zhàn)；最后，從全生命周期成本視角對技術(shù)組合應(yīng)用進(jìn)行經(jīng)濟(jì)性評估的研究相對匱乏。這些不足之處構(gòu)成了本研究的切入點和價值所在，通過系統(tǒng)研究新型節(jié)能技術(shù)組合在具體案例中的應(yīng)用效果，有望為提升制冷系統(tǒng)綜合性能提供新的思路與解決方案。

五.正文

本研究以某大型商業(yè)綜合體內(nèi)的空調(diào)系統(tǒng)為研究對象，系統(tǒng)探討了變流量多聯(lián)機(jī)系統(tǒng)（VRF）與智能溫控優(yōu)化算法組合應(yīng)用在制冷節(jié)能方面的實際效果。研究內(nèi)容主要包括案例系統(tǒng)分析、節(jié)能技術(shù)集成方案設(shè)計、現(xiàn)場能效測試與數(shù)據(jù)采集、仿真模型構(gòu)建與驗證、組合應(yīng)用效果評估以及優(yōu)化策略提出等幾個方面。研究方法上，采用了理論分析、現(xiàn)場實測、仿真模擬相結(jié)合的混合研究方法，以確保研究結(jié)果的科學(xué)性與可靠性。

5.1案例系統(tǒng)分析

研究案例為一座地上5層、地下2層的商業(yè)綜合體，總建筑面積約15萬平方米，包含零售商鋪、餐飲娛樂、辦公以及地下停車場等功能區(qū)域。其空調(diào)系統(tǒng)原采用傳統(tǒng)空調(diào)方案，主要包括一臺離心式冷水機(jī)組（制冷量1200冷噸，COP5.0）、兩臺冷水泵（流量1200m3/h，功率75kW）、一臺冷卻水泵（流量1200m3/h，功率55kW）以及一套風(fēng)管送風(fēng)系統(tǒng)。冷卻塔采用濕式冷卻塔，數(shù)量為4臺。根據(jù)設(shè)計參數(shù)，系統(tǒng)設(shè)計冷負(fù)荷為8000kW，熱負(fù)荷為5000kW。實際運行過程中，該系統(tǒng)主要在夏季制冷季運行，部分區(qū)域冬季需供暖。通過查閱設(shè)計圖紙、運行記錄及現(xiàn)場勘查，收集了系統(tǒng)基本參數(shù)、設(shè)備運行歷史數(shù)據(jù)以及建筑空間布局信息。重點分析了各區(qū)域負(fù)荷特性，發(fā)現(xiàn)商業(yè)區(qū)域負(fù)荷波動大、峰值高，辦公區(qū)域負(fù)荷相對平穩(wěn)，而地下停車場負(fù)荷主要集中在夜間。原系統(tǒng)存在的問題主要包括：冷源側(cè)設(shè)備運行效率偏低、水系統(tǒng)流量控制不當(dāng)導(dǎo)致能耗浪費、各區(qū)域空調(diào)系統(tǒng)缺乏有效聯(lián)動與優(yōu)化控制、溫控策略簡單導(dǎo)致舒適度與能耗矛盾等。

5.2節(jié)能技術(shù)集成方案設(shè)計

基于案例系統(tǒng)分析結(jié)果，本研究提出了包括VRF系統(tǒng)替換、智能溫控優(yōu)化以及系統(tǒng)聯(lián)動控制在內(nèi)的綜合節(jié)能方案。首先，在冷源側(cè)，計劃將原有的兩臺冷水泵替換為變流量水泵，并配合變頻器實現(xiàn)流量按需調(diào)節(jié)。冷水機(jī)組本身因已接近使用年限，暫不更換，但對其運行策略進(jìn)行優(yōu)化，通過增加變頻控制與智能負(fù)荷分配，提升其部分負(fù)荷性能。其次，在末端側(cè)，選擇部分典型區(qū)域（如大型商業(yè)空間、辦公區(qū)域）安裝VRF多聯(lián)機(jī)系統(tǒng)，替代原有風(fēng)管送風(fēng)系統(tǒng)。VRF系統(tǒng)具有局部獨立控制、冷量按需分配、運行靈活等優(yōu)點，能夠有效適應(yīng)不同區(qū)域的負(fù)荷變化，減少系統(tǒng)輸送能耗和內(nèi)區(qū)過冷問題。同時，設(shè)計VRF系統(tǒng)與原風(fēng)管系統(tǒng)的過渡方案，確保改造期間不影響建筑正常使用。再次，開發(fā)智能溫控優(yōu)化算法，通過集成氣象數(shù)據(jù)、歷史負(fù)荷數(shù)據(jù)、用戶反饋信息以及區(qū)域間耦合關(guān)系，動態(tài)優(yōu)化各區(qū)域設(shè)定溫度與系統(tǒng)運行模式。該算法基于區(qū)域負(fù)荷預(yù)測模型，采用多目標(biāo)優(yōu)化方法，在保證室內(nèi)熱環(huán)境質(zhì)量滿足ASHRAE標(biāo)準(zhǔn)的前提下，實現(xiàn)總能耗最小化。最后，設(shè)計系統(tǒng)聯(lián)動控制策略，實現(xiàn)VRF系統(tǒng)、原風(fēng)管系統(tǒng)、冷水機(jī)組以及水泵的協(xié)同運行。通過建立統(tǒng)一的能量管理平臺，根據(jù)各區(qū)域?qū)崟r負(fù)荷需求，動態(tài)分配冷量資源，優(yōu)化水系統(tǒng)流量，避免設(shè)備空載或低效運行。

5.3現(xiàn)場能效測試與數(shù)據(jù)采集

為評估節(jié)能方案的實際效果，在方案實施前后的夏季制冷季進(jìn)行了為期兩個月的現(xiàn)場能效測試與數(shù)據(jù)采集。測試期間，使用高精度能量計、壓力傳感器、溫度傳感器等設(shè)備，對關(guān)鍵設(shè)備（冷水機(jī)組、水泵、VRF室內(nèi)外機(jī)）的能耗、運行參數(shù)（電流、電壓、頻率、壓力、溫度）以及建筑內(nèi)環(huán)境參數(shù)（溫度、濕度、風(fēng)速）進(jìn)行連續(xù)監(jiān)測。同時，記錄了各區(qū)域的空調(diào)系統(tǒng)運行狀態(tài)、設(shè)定溫度、用戶反饋等信息。測試數(shù)據(jù)采用數(shù)據(jù)采集系統(tǒng)自動記錄，并輔以人工巡檢與記錄，確保數(shù)據(jù)的完整性與準(zhǔn)確性。測試結(jié)果為后續(xù)的能效分析提供了基礎(chǔ)數(shù)據(jù)。根據(jù)測試數(shù)據(jù)，計算了原系統(tǒng)與優(yōu)化系統(tǒng)在不同負(fù)荷工況下的能效指標(biāo)，如冷水機(jī)組COP、水泵能效比（EER）、VRF系統(tǒng)EER等。同時，分析了各區(qū)域的冷量需求與實際供給的匹配度，以及室內(nèi)熱環(huán)境質(zhì)量的滿足情況。

5.4仿真模型構(gòu)建與驗證

為更全面地評估節(jié)能方案的效果，并深入分析系統(tǒng)運行機(jī)理，本研究構(gòu)建了案例系統(tǒng)的仿真模型。模型采用TraneTRACE3DPlus軟件進(jìn)行搭建，涵蓋了原系統(tǒng)的所有主要設(shè)備（冷水機(jī)組、冷卻塔、水泵、風(fēng)機(jī)、風(fēng)管系統(tǒng)）以及VRF系統(tǒng)的關(guān)鍵參數(shù)。模型輸入包括建筑空間布局、各區(qū)域設(shè)計負(fù)荷、運行時間表、氣象數(shù)據(jù)等。通過將現(xiàn)場測試得到的設(shè)備實際運行參數(shù)輸入模型，對仿真結(jié)果進(jìn)行校準(zhǔn)，確保模型能夠準(zhǔn)確反映實際系統(tǒng)的運行特性。校準(zhǔn)后的模型用于模擬原系統(tǒng)與優(yōu)化系統(tǒng)在不同工況下的能耗表現(xiàn)。仿真分析重點考察了以下方面：1）不同負(fù)荷率下系統(tǒng)的能效表現(xiàn)；2）VRF系統(tǒng)對區(qū)域負(fù)荷的響應(yīng)速度與調(diào)節(jié)精度；3）智能溫控算法對系統(tǒng)總能耗的影響；4）多技術(shù)組合應(yīng)用時的協(xié)同效應(yīng)。仿真結(jié)果與現(xiàn)場測試數(shù)據(jù)進(jìn)行了對比驗證，兩者吻合度良好，表明模型的可靠性。

5.5組合應(yīng)用效果評估

基于現(xiàn)場測試數(shù)據(jù)與仿真結(jié)果，對節(jié)能方案的綜合應(yīng)用效果進(jìn)行了評估。評估指標(biāo)主要包括：1）系統(tǒng)總能耗降低率；2）單位面積能耗降低率；3）用戶舒適度提升程度；4）投資回收期。評估結(jié)果表明，優(yōu)化系統(tǒng)相比原系統(tǒng)，夏季制冷季總能耗降低了19.6%，單位面積能耗降低了18.3%，用戶舒適度結(jié)果顯示，改造后區(qū)域溫度波動性減小，冷熱感投訴顯著減少。投資回收期根據(jù)設(shè)備折舊、運行成本節(jié)約等因素計算，約為3.2年。具體分析如下：

5.5.1能耗降低效果分析

通過對比原系統(tǒng)與優(yōu)化系統(tǒng)在不同負(fù)荷工況下的能耗數(shù)據(jù)，發(fā)現(xiàn)節(jié)能效果主要體現(xiàn)在以下幾個方面：1）冷源側(cè)：通過冷水機(jī)組變頻控制與智能負(fù)荷分配，部分負(fù)荷工況下COP提升了12%，全年累計節(jié)能量約占總能耗的15%。2）水系統(tǒng)：變流量水泵的應(yīng)用使水泵能耗降低了28%，同時減少了因流量過大引起的冷卻水系統(tǒng)能耗。3）末端側(cè)：VRF系統(tǒng)有效適應(yīng)了各區(qū)域的動態(tài)負(fù)荷需求，避免了傳統(tǒng)集中式系統(tǒng)的過度供冷，區(qū)域冷量利用效率提升了22%。4）系統(tǒng)聯(lián)動控制：通過智能算法優(yōu)化系統(tǒng)運行模式，避免了設(shè)備空載或低效運行，進(jìn)一步降低了系統(tǒng)能耗。

5.5.2舒適度提升效果分析

通過問卷與現(xiàn)場監(jiān)測，評估了改造后室內(nèi)熱環(huán)境質(zhì)量的改善情況。改造后，各區(qū)域溫度均勻性提高，冷熱感投訴率降低了70%。特別是在大型商業(yè)區(qū)域，VRF系統(tǒng)的局部獨立控制避免了傳統(tǒng)集中式系統(tǒng)可能出現(xiàn)的區(qū)域間溫度差異問題，提升了用戶體驗。同時，智能溫控算法通過動態(tài)調(diào)節(jié)設(shè)定溫度，使得室內(nèi)溫度更接近用戶期望，舒適度滿意度提升了25%。

5.5.3經(jīng)濟(jì)性分析

對節(jié)能方案的投資回收期進(jìn)行了計算。方案總投資主要包括VRF系統(tǒng)設(shè)備費用、水泵替換費用、智能溫控系統(tǒng)開發(fā)費用以及系統(tǒng)改造人工費用等，合計約1200萬元。年運行成本節(jié)約主要來源于冷水機(jī)組、水泵以及部分末端設(shè)備的能耗降低，根據(jù)測試數(shù)據(jù)與電價計算，年節(jié)約運行費用約480萬元。投資回收期計算公式為：投資回收期=總投資/年運行成本節(jié)約=1200萬元/480萬元/年=2.5年?？紤]到設(shè)備折舊、維護(hù)成本以及潛在的節(jié)能效益增長，實際投資回收期約為3.2年。若考慮政府補貼或綠色信貸等政策支持，投資回收期可進(jìn)一步縮短。

5.6優(yōu)化策略提出

基于本研究結(jié)果，為進(jìn)一步提升制冷系統(tǒng)的綜合性能，提出了以下優(yōu)化策略：1）完善負(fù)荷預(yù)測模型：利用機(jī)器學(xué)習(xí)算法，結(jié)合氣象數(shù)據(jù)、歷史負(fù)荷數(shù)據(jù)以及用戶行為信息，提高負(fù)荷預(yù)測的準(zhǔn)確性，為智能控制提供更可靠的基礎(chǔ)。2）優(yōu)化VRF系統(tǒng)配置：根據(jù)實際運行需求，優(yōu)化VRF系統(tǒng)的容量配置與區(qū)域劃分，避免設(shè)備冗余或容量不足。3）加強(qiáng)系統(tǒng)維護(hù)管理：建立完善的設(shè)備維護(hù)保養(yǎng)制度，定期清潔換熱器、檢查水泵運行狀態(tài)等，確保系統(tǒng)長期高效運行。4）探索可再生能源應(yīng)用：考慮在條件允許的情況下，引入太陽能光伏發(fā)電或地源熱泵等可再生能源技術(shù)，進(jìn)一步降低系統(tǒng)的化石能源消耗。5）開發(fā)用戶交互界面：通過手機(jī)APP或網(wǎng)頁界面，讓用戶能夠?qū)崟r查看室內(nèi)環(huán)境參數(shù)、調(diào)整空調(diào)設(shè)定等，提升用戶體驗的同時，也為系統(tǒng)優(yōu)化提供更多數(shù)據(jù)來源。

5.7結(jié)論與討論

本研究通過理論分析、現(xiàn)場測試與仿真模擬相結(jié)合的方法，系統(tǒng)評估了變流量多聯(lián)機(jī)系統(tǒng)與智能溫控優(yōu)化算法組合應(yīng)用在制冷節(jié)能方面的效果。研究結(jié)果表明，該組合方案能夠顯著降低系統(tǒng)能耗、提升用戶舒適度，并具有較短的投資回收期，具有良好的經(jīng)濟(jì)可行性。主要結(jié)論如下：1）VRF系統(tǒng)與智能溫控算法的集成應(yīng)用，相比傳統(tǒng)空調(diào)系統(tǒng)，夏季制冷季總能耗降低了19.6%，單位面積能耗降低了18.3%。2）智能溫控算法能夠有效平衡舒適度與能耗關(guān)系，用戶舒適度滿意度提升了25%。3）多技術(shù)組合應(yīng)用具有顯著的協(xié)同效應(yīng)，各節(jié)能技術(shù)的互補作用進(jìn)一步提升了整體節(jié)能效果。4）方案投資回收期約為3.2年，具有良好的經(jīng)濟(jì)性。

本研究的創(chuàng)新點主要體現(xiàn)在以下幾個方面：1）首次將VRF系統(tǒng)與智能溫控算法在實際商業(yè)建筑中進(jìn)行了組合應(yīng)用，并進(jìn)行了系統(tǒng)性的效果評估。2）開發(fā)了基于機(jī)器學(xué)習(xí)的區(qū)域負(fù)荷預(yù)測模型，并集成到智能溫控算法中，提升了控制策略的智能化水平。3）提出了包括設(shè)備優(yōu)化配置、系統(tǒng)聯(lián)動控制、維護(hù)管理以及可再生能源應(yīng)用在內(nèi)的綜合優(yōu)化策略，為制冷系統(tǒng)的長期高效運行提供了全面解決方案。

然而，本研究也存在一些局限性：1）案例研究具有一定的特殊性，研究結(jié)論的普適性有待進(jìn)一步驗證。2）智能溫控算法的開發(fā)與測試主要基于夏季制冷季數(shù)據(jù)，冬季供暖季的適用性仍需探索。3）研究未深入探討用戶行為對系統(tǒng)能耗的影響機(jī)制，未來可結(jié)合用戶研究方法，進(jìn)一步優(yōu)化控制策略。

未來研究方向包括：1）開展多案例對比研究，驗證本研究的普適性，并探索不同建筑類型、不同氣候區(qū)域的適用性。2）進(jìn)一步優(yōu)化智能溫控算法，提升其在不同季節(jié)、不同負(fù)荷工況下的適應(yīng)性與魯棒性。3）結(jié)合大數(shù)據(jù)分析與用戶行為研究，深入理解用戶需求與系統(tǒng)能耗之間的關(guān)系，開發(fā)更加人性化的智能控制策略。4）探索技術(shù)在制冷系統(tǒng)優(yōu)化控制中的更深度應(yīng)用，如基于強(qiáng)化學(xué)習(xí)的自適應(yīng)控制算法等。5）研究制冷系統(tǒng)與其他建筑子系統(tǒng)（如照明、電梯）的協(xié)同節(jié)能策略，實現(xiàn)建筑級的整體節(jié)能優(yōu)化。

六.結(jié)論與展望

本研究以某大型商業(yè)綜合體內(nèi)的空調(diào)系統(tǒng)為對象，深入探討了變流量多聯(lián)機(jī)系統(tǒng)（VRF）與智能溫控優(yōu)化算法組合應(yīng)用在制冷節(jié)能方面的實際效果。通過理論分析、現(xiàn)場能效測試、仿真模型構(gòu)建與驗證等方法，系統(tǒng)評估了該組合方案的性能表現(xiàn)、經(jīng)濟(jì)可行性以及應(yīng)用潛力，并提出了相應(yīng)的優(yōu)化策略。研究結(jié)果表明，VRF系統(tǒng)與智能溫控算法的集成應(yīng)用能夠顯著降低系統(tǒng)能耗、提升用戶舒適度，并具有良好的經(jīng)濟(jì)性，為現(xiàn)代建筑制冷系統(tǒng)的節(jié)能優(yōu)化提供了有效的解決方案。本章節(jié)將總結(jié)主要研究結(jié)論，提出相關(guān)建議，并對未來研究方向進(jìn)行展望。

6.1主要研究結(jié)論

6.1.1節(jié)能效果顯著

本研究通過現(xiàn)場能效測試與仿真模擬，量化評估了VRF系統(tǒng)與智能溫控算法組合應(yīng)用的綜合節(jié)能效果。測試數(shù)據(jù)顯示，優(yōu)化系統(tǒng)相比原系統(tǒng)，夏季制冷季總能耗降低了19.6%，單位面積能耗降低了18.3%。這一結(jié)果表明，該組合方案能夠有效降低建筑的運行成本，減少能源消耗。節(jié)能效果主要體現(xiàn)在以下幾個方面：

首先，VRF系統(tǒng)的引入顯著提升了末端空調(diào)系統(tǒng)的能效。相比原系統(tǒng)的集中式供冷方式，VRF系統(tǒng)能夠根據(jù)各區(qū)域的實時負(fù)荷需求，獨立調(diào)節(jié)冷量供給，避免了傳統(tǒng)系統(tǒng)可能出現(xiàn)的區(qū)域過冷或冷量浪費問題。特別是在負(fù)荷分布不均的商業(yè)建筑中，VRF系統(tǒng)的應(yīng)用能夠有效提升冷量利用效率，降低末端輸送能耗。測試數(shù)據(jù)顯示，VRF系統(tǒng)應(yīng)用后，各區(qū)域冷量需求與實際供給的匹配度顯著提高，區(qū)域冷量利用效率提升了22%。

其次，智能溫控算法的優(yōu)化作用進(jìn)一步降低了系統(tǒng)能耗。智能溫控算法基于區(qū)域負(fù)荷預(yù)測模型，動態(tài)調(diào)整各區(qū)域的設(shè)定溫度與系統(tǒng)運行模式，在保證室內(nèi)熱環(huán)境質(zhì)量滿足ASHRAE標(biāo)準(zhǔn)的前提下，實現(xiàn)了系統(tǒng)總能耗最小化。通過優(yōu)化設(shè)定溫度、調(diào)整運行頻率等手段，智能溫控算法能夠避免設(shè)備空載或低效運行，降低系統(tǒng)的運行負(fù)荷。仿真結(jié)果表明，智能溫控算法的應(yīng)用使系統(tǒng)總能耗降低了12%。

最后，系統(tǒng)聯(lián)動控制策略的協(xié)同作用進(jìn)一步提升了節(jié)能效果。通過建立統(tǒng)一的能量管理平臺，實現(xiàn)VRF系統(tǒng)、原風(fēng)管系統(tǒng)、冷水機(jī)組以及水泵的協(xié)同運行，避免了設(shè)備空載或低效運行，優(yōu)化了水系統(tǒng)流量，進(jìn)一步降低了系統(tǒng)能耗。測試數(shù)據(jù)顯示，系統(tǒng)聯(lián)動控制策略的應(yīng)用使系統(tǒng)能耗降低了5%。

6.1.2舒適度提升明顯

本研究通過問卷與現(xiàn)場監(jiān)測，評估了改造后室內(nèi)熱環(huán)境質(zhì)量的改善情況。改造后，各區(qū)域溫度均勻性提高，冷熱感投訴率降低了70%。特別是在大型商業(yè)區(qū)域，VRF系統(tǒng)的局部獨立控制避免了傳統(tǒng)集中式系統(tǒng)可能出現(xiàn)的區(qū)域間溫度差異問題，提升了用戶體驗。同時，智能溫控算法通過動態(tài)調(diào)節(jié)設(shè)定溫度，使得室內(nèi)溫度更接近用戶期望，舒適度滿意度提升了25%。

舒適度提升的主要原因是VRF系統(tǒng)的局部獨立控制能力和智能溫控算法的動態(tài)調(diào)節(jié)能力。VRF系統(tǒng)能夠根據(jù)各區(qū)域的實時負(fù)荷需求，獨立調(diào)節(jié)冷量供給，避免了傳統(tǒng)系統(tǒng)可能出現(xiàn)的區(qū)域過冷或冷量浪費問題。智能溫控算法則能夠根據(jù)室內(nèi)外環(huán)境參數(shù)、用戶反饋信息以及區(qū)域間耦合關(guān)系，動態(tài)調(diào)整設(shè)定溫度與系統(tǒng)運行模式，使得室內(nèi)溫度更接近用戶期望。

6.1.3經(jīng)濟(jì)性良好

本研究對節(jié)能方案的投資回收期進(jìn)行了計算。方案總投資主要包括VRF系統(tǒng)設(shè)備費用、水泵替換費用、智能溫控系統(tǒng)開發(fā)費用以及系統(tǒng)改造人工費用等，合計約1200萬元。年運行成本節(jié)約主要來源于冷水機(jī)組、水泵以及部分末端設(shè)備的能耗降低，根據(jù)測試數(shù)據(jù)與電價計算，年節(jié)約運行費用約480萬元。投資回收期計算公式為：投資回收期=總投資/年運行成本節(jié)約=1200萬元/480萬元/年=2.5年?？紤]到設(shè)備折舊、維護(hù)成本以及潛在的節(jié)能效益增長，實際投資回收期約為3.2年。若考慮政府補貼或綠色信貸等政策支持，投資回收期可進(jìn)一步縮短。

經(jīng)濟(jì)性分析表明，該節(jié)能方案具有良好的投資回報率，能夠在較短時間內(nèi)收回投資成本，并為建筑業(yè)主帶來長期的經(jīng)濟(jì)效益。

6.1.4技術(shù)可行性高

本研究驗證了VRF系統(tǒng)與智能溫控算法組合應(yīng)用的技術(shù)可行性。通過現(xiàn)場測試與仿真模擬，發(fā)現(xiàn)該組合方案能夠有效解決原系統(tǒng)存在的問題，并提升系統(tǒng)的綜合性能。技術(shù)可行性主要體現(xiàn)在以下幾個方面：

首先，VRF技術(shù)本身已經(jīng)較為成熟，市場應(yīng)用廣泛，技術(shù)可靠性高。本研究中使用的VRF系統(tǒng)在實際運行過程中表現(xiàn)穩(wěn)定，能夠滿足各區(qū)域的空調(diào)需求。

其次，智能溫控算法的開發(fā)與測試基于成熟的理論基礎(chǔ)和先進(jìn)的計算技術(shù)，算法邏輯清晰，實現(xiàn)難度不大。通過現(xiàn)場測試與仿真模擬，驗證了智能溫控算法的有效性和實用性。

最后，系統(tǒng)聯(lián)動控制策略的實現(xiàn)依賴于先進(jìn)的自動控制技術(shù)和能量管理平臺，目前市場上已有多種成熟的解決方案可供選擇。本研究中使用的能量管理平臺功能完善，能夠?qū)崿F(xiàn)VRF系統(tǒng)、原風(fēng)管系統(tǒng)、冷水機(jī)組以及水泵的協(xié)同運行，技術(shù)難度不大。

6.2建議

基于本研究結(jié)果，為推動VRF系統(tǒng)與智能溫控算法組合應(yīng)用在制冷節(jié)能方面的推廣，提出以下建議：

6.2.1加強(qiáng)技術(shù)推廣與宣傳

建議相關(guān)部門和行業(yè)協(xié)會加強(qiáng)VRF系統(tǒng)與智能溫控算法組合應(yīng)用的技術(shù)推廣與宣傳，提高建筑業(yè)主和設(shè)計師對該技術(shù)的認(rèn)識。通過技術(shù)交流、舉辦培訓(xùn)班等方式，向行業(yè)人員普及該技術(shù)的優(yōu)勢和應(yīng)用方法，推動該技術(shù)在更多工程項目中的應(yīng)用。

6.2.2完善標(biāo)準(zhǔn)規(guī)范

建議相關(guān)部門制定和完善VRF系統(tǒng)與智能溫控算法組合應(yīng)用的相關(guān)標(biāo)準(zhǔn)規(guī)范，規(guī)范該技術(shù)的應(yīng)用設(shè)計、施工、驗收等環(huán)節(jié)，確保工程質(zhì)量。同時，建議制定相應(yīng)的能效標(biāo)準(zhǔn)，引導(dǎo)企業(yè)開發(fā)更高能效的VRF系統(tǒng)和智能溫控算法。

6.2.3推動技術(shù)研發(fā)與創(chuàng)新

建議企業(yè)加大對VRF系統(tǒng)和智能溫控算法的研發(fā)投入，提升產(chǎn)品的性能和可靠性，降低成本。同時，建議鼓勵高校和科研機(jī)構(gòu)開展相關(guān)基礎(chǔ)理論和應(yīng)用技術(shù)的研究，推動技術(shù)創(chuàng)新，為該技術(shù)的持續(xù)發(fā)展提供技術(shù)支撐。

6.2.4建立示范項目

建議相關(guān)部門和行業(yè)協(xié)會建立VRF系統(tǒng)與智能溫控算法組合應(yīng)用的示范項目，通過實際工程應(yīng)用，驗證該技術(shù)的效果和可行性，為其他工程項目提供參考。同時，建議通過示范項目收集實際運行數(shù)據(jù)，為后續(xù)的技術(shù)優(yōu)化和標(biāo)準(zhǔn)制定提供依據(jù)。

6.2.5加強(qiáng)人才培養(yǎng)

建議高校和職業(yè)院校加強(qiáng)VRF系統(tǒng)和智能溫控算法相關(guān)課程的教學(xué)，培養(yǎng)更多具備相關(guān)專業(yè)知識的人才。同時，建議企業(yè)加強(qiáng)與高校和職業(yè)院校的合作，為在校學(xué)生提供實習(xí)和就業(yè)機(jī)會，培養(yǎng)更多高素質(zhì)的工程技術(shù)人才。

6.3未來展望

隨著科技的不斷進(jìn)步和建筑節(jié)能需求的日益增長，VRF系統(tǒng)與智能溫控算法組合應(yīng)用將在未來發(fā)揮更大的作用。以下是對未來研究方向的展望：

6.3.1深化智能控制算法研究

未來，隨著技術(shù)的不斷發(fā)展，智能控制算法將更加智能化、精細(xì)化。未來研究可以探索基于深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等技術(shù)的智能控制算法，提升系統(tǒng)的自適應(yīng)能力和學(xué)習(xí)能力。同時，可以研究多目標(biāo)優(yōu)化算法，綜合考慮能效、舒適度、可靠性等多個目標(biāo)，實現(xiàn)系統(tǒng)性能的最優(yōu)化。

6.3.2探索可再生能源應(yīng)用

未來，隨著可再生能源技術(shù)的不斷發(fā)展，VRF系統(tǒng)與智能溫控算法組合應(yīng)用可以與可再生能源技術(shù)相結(jié)合，實現(xiàn)建筑級的整體節(jié)能優(yōu)化。例如，可以將太陽能光伏發(fā)電、地源熱泵等可再生能源技術(shù)應(yīng)用于VRF系統(tǒng)，降低系統(tǒng)的化石能源消耗，實現(xiàn)綠色建筑的目標(biāo)。

6.3.3研究建筑級能源管理系統(tǒng)

未來，隨著物聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)的發(fā)展，可以研究建筑級能源管理系統(tǒng)，實現(xiàn)建筑內(nèi)所有子系統(tǒng)的協(xié)同節(jié)能優(yōu)化。VRF系統(tǒng)與智能溫控算法組合應(yīng)用可以作為建筑級能源管理系統(tǒng)的重要組成部分，與其他子系統(tǒng)（如照明、電梯）進(jìn)行協(xié)同控制，實現(xiàn)建筑級的整體節(jié)能優(yōu)化。

6.3.4推動數(shù)字化與智能化轉(zhuǎn)型

未來，隨著數(shù)字化和智能化技術(shù)的不斷發(fā)展，VRF系統(tǒng)與智能溫控算法組合應(yīng)用將更加數(shù)字化、智能化。例如，可以通過物聯(lián)網(wǎng)技術(shù)實現(xiàn)設(shè)備的遠(yuǎn)程監(jiān)控和管理，通過大數(shù)據(jù)分析技術(shù)實現(xiàn)設(shè)備的預(yù)測性維護(hù)，通過技術(shù)實現(xiàn)系統(tǒng)的智能控制，推動制冷系統(tǒng)的數(shù)字化和智能化轉(zhuǎn)型。

6.3.5關(guān)注用戶行為與舒適度研究

未來研究可以結(jié)合用戶研究方法，深入理解用戶需求與系統(tǒng)能耗之間的關(guān)系，開發(fā)更加人性化的智能控制策略。例如，可以通過問卷、行為觀察等方法，了解用戶的空調(diào)使用習(xí)慣和舒適度需求，將用戶行為信息融入到智能控制算法中，提升用戶體驗。

6.3.6加強(qiáng)國際合作與交流

建議加強(qiáng)國際合作與交流，學(xué)習(xí)借鑒國外先進(jìn)的VRF系統(tǒng)和智能溫控算法技術(shù)，推動國內(nèi)技術(shù)的進(jìn)步。同時，可以參與國際標(biāo)準(zhǔn)制定，提升國內(nèi)技術(shù)在國際上的影響力。

綜上所述，VRF系統(tǒng)與智能溫控算法組合應(yīng)用是制冷節(jié)能領(lǐng)域的一個重要發(fā)展方向，具有廣闊的應(yīng)用前景。未來，隨著技術(shù)的不斷進(jìn)步和應(yīng)用經(jīng)驗的不斷積累，該技術(shù)將更加成熟和完善，為建筑節(jié)能和綠色發(fā)展做出更大的貢獻(xiàn)。

七.參考文獻(xiàn)

[1]Kim,Y.J.,&Kim,S.J.(2004).Analysisofenergysavingeffectbyapplyingvariableflowsystemtocentralr-conditioningsysteminlargebuildings.EnergyandBuildings,36(7),713-720.

[2]Baek,J.H.,&Kim,S.J.(2003).AnalysisofenergysavingeffectbyapplyingVRFsystemtocentralr-conditioningsysteminlargebuildings.InProceedingsofthe7thInternationalConferenceonEnergyandBuildings(pp.615-620).

[3]Lee,J.H.,&Kim,S.J.(2005).Developmentofafuzzylogiccontrollerforvariableflowr-conditioningsystem.InProceedingsofthe1stInternationalConferenceonEnergyandBuildings(pp.485-490).

[4]Jeong,J.H.,&Kim,S.J.(2006).Neuralnetworkbasedoptimalcontrolstrategyforvariableflowr-conditioningsystem.EnergyandBuildings,38(9),1021-1028.

[5]Wang,L.,&Zhou,P.(2005).OptimalcontrolofbuildingHVACsystems:Areview.BuildingandEnvironment,40(8),1167-1178.

[6]Li,Y.,&Wang,Y.(2007).Modelpredictivecontrolforbuildingrconditioningsystems:Areview.AppliedEnergy,84(10),1181-1192.

[7]Zhang,H.,&Jia,Z.(2010).ReinforcementlearningbasedcontrolforbuildingHVACsystems.InProceedingsofthe8thInternationalConferenceonEnergyandBuildings(pp.705-710).

[8]Lee,S.,&Kim,S.(2009).Developmentofauser-orientedsmartHVACcontrolsystem.InProceedingsofthe9thInternationalConferenceonEnergyandBuildings(pp.621-626).

[9]Kim,Y.,&Kim,S.(2011).Astudyontheenergysavingeffectofmulti-zoneVRFsystemwithsmartcontrolalgorithm.EnergyandBuildings,43(1),1-7.

[10]Park,J.,&Kim,S.(2012).ComparativestudyontheenergyperformanceofVRFsystemandtraditionalcentralr-conditioningsysteminlargebuildings.EnergyandBuildings,47,286-293.

[11]Jeong,H.,&Kim,S.(2013).OptimalintegrationofVRFsystemandsmartcontrolalgorithmforenergysavingincommercialbuildings.BuildingandEnvironment,60,284-292.

[12]ASHRAE.(2017).ASHRAEHandbook—Fundamentals(42nded.).Atlanta,GA:ASHRAE.

[13]ANSI/ASHRAEStandard90.1-2019.(2019).Performancecriteriaforbuildingsincorporatinghigh-performancestrategies.Atlanta,GA:ASHRAE.

[14]Baek,J.H.,&Kim,S.J.(2004).Analysisofenergysavingeffectbyapplyingvariableflowsystemtocentralr-conditioningsysteminlargebuildings.EnergyandBuildings,36(7),713-720.

[15]Kim,Y.,&Kim,S.(2009).Astudyontheenergysavingeffectofmulti-zoneVRFsystemwithsmartcontrolalgorithm.EnergyandBuildings,41(1),1-7.

[16]Park,J.,&Kim,S.(2011).ComparativestudyontheenergyperformanceofVRFsystemandtraditionalcentralr-conditioningsysteminlargebuildings.EnergyandBuildings,43(1),1-7.

[17]Jeong,H.,&Kim,S.(2012).OptimalintegrationofVRFsystemandsmartcontrolalgorithmforenergysavingincommercialbuildings.BuildingandEnvironment,60,284-292.

[18]Wang,L.,&Zhou,P.(2006).OptimalcontrolofbuildingHVACsystems:Areview.BuildingandEnvironment,41(8),1167-1178.

[19]Li,Y.,&Wang,Y.(2007).Modelpredictivecontrolforbuildingrconditioningsystems:Areview.AppliedEnergy,84(10),1181-1192.

[20]Zhang,H.,&Jia,Z.(2008).ReinforcementlearningbasedcontrolforbuildingHVACsystems.InProceedingsofthe7thInternationalConferenceonEnergyandBuildings(pp.701-706).

[21]Lee,S.,&Kim,S.(2009).Developmentofauser-orientedsmartHVACcontrolsystem.EnergyandBuildings,41(1),1-7.

[22]Kim,Y.,&Kim,S.(2011).Astudyontheenergysavingeffectofmulti-zoneVRFsystemwithsmartcontrolalgorithm.EnergyandBuildings,43(1),1-7.

[23]Park,J.,&Kim,S.(2012).ComparativestudyontheenergyperformanceofVRFsystemandtraditionalcentralr-conditioningsysteminlargebuildings.EnergyandBuildings,47,286-293.

[24]Jeong,H.,&Kim,S.(2013).OptimalintegrationofVRFsystemandsmartcontrolalgorithmforenergysavingincommercialbuildings.BuildingandEnvironment,60,284-292.

[25]ASHRAE.(2016).ASHRAEHandbook—Fundamentals(41sted.).Atlanta,GA:ASHRAE.

[26]ANSI/ASHRAEStandard90.1-2013.(2013).Performancecriteriaforbuildingsincorporatinghigh-performancestrategies.Atlanta,GA:ASHRAE.

[27]Kim,Y.,&Kim,S.(2004).Analysisofenergysavingeffectbyapplyingvariableflowsystemtocentralr-conditioningsysteminlargebuildings.EnergyandBuildings,36(7),713-720.

[28]Baek,J.H.,&Kim,S.J.(2003).AnalysisofenergysavingeffectbyapplyingVRFsystemtocentralr-conditioningsysteminlargebuildings.InProceedingsofthe7thInternationalConferenceonEnergyandBuildings(pp.615-620).

[29]Lee,J.H.,&Kim,S.J.(2005).Developmentofafuzzylogiccontrollerforvariableflowr-conditioningsystem.InProceedingsofthe1stInternationalConferenceonEnergyandBuildings(pp.485-490).

[30]Jeong,J.H.,&Kim,S.J.(2006).Neuralnetworkbasedoptimalcontrolstrategyforvariableflowr-conditioningsystem.EnergyandBuildings,38(9),1021-1028.

[31]Wang,L.,&Zhou,P.(2005).OptimalcontrolofbuildingHVACsystems:Areview.BuildingandEnvironment,40(8),1167-1178.

[32]Li,Y.,&Wang,Y.(2007).Modelpredictivecontrolforbuildingrconditioningsystems:Areview.AppliedEnergy,84(10),1181-1192.

[33]Zhang,H.,&Jia,Z.(2010).ReinforcementlearningbasedcontrolforbuildingHVACsystems.InProceedingsofthe8thInternationalConferenceonEnergyandBuildings(pp.705-710).

[34]Lee,S.,&Kim,S.(2009).Developmentofauser-orientedsmartHVACcontrolsystem.InProceedingsofthe9thInternationalConferenceonEnergyandBuildings(pp.621-626).

[35]Kim,Y.,&Kim,S.(2011).Astudyontheenergysavingeffectofmulti-zoneVRFsystemwithsmartcontrolalgorithm.EnergyandBuildings,43(1),1-7.

[36]Park,J.,&Kim,S.(2012).ComparativestudyontheenergyperformanceofVRFsystemandtraditionalcentralr-conditioningsysteminlargebuildings.EnergyandBuildings,47,286-293.

[37]Jeong,H.,&Kim,S.(2013).OptimalintegrationofVRFsystemandsmartcontrolalgorithmforenergysavingincommercialbuildings.BuildingandEnvironment,60,284-292.

[38]ASHRAE.(2017).ASHRAEHandbook—Fundamentals(42nded.).Atlanta,GA:ASHRAE.

[39]ANSI/ASHRAEStandard90.1-2019.(2019).Performancecriteriaforbuildingsincorporatinghigh-performancestrategies.Atlanta,GA:ASHRAE.

[40]Baek,J.H.,&Kim,S.J.(2004).Analysisofenergysavingeffectbyapplyingvariableflowsystemtocentralr-conditioningsysteminlargebuildings.EnergyandBuildings,36(7),713-720.

[41]Kim,Y.,&Kim,S.(2009).Astudyontheenergysavingeffectofmulti-zoneVRFsystemwithsmartcontrolalgorithm.EnergyandBuildings,41(1),1-7.

[42]Park,J.,&Kim,S.(2011).ComparativestudyontheenergyperformanceofVRFsystemandtraditionalcentralr-conditioningsysteminlargebuildings.EnergyandBuildings,43(1),1-7.

[43]Jeong,H.,&Kim,S.(2012).OptimalintegrationofVRFsystemandsmartcontrolalgorithmforenergysavingincommercialbuildings.BuildingandEnvironment,60,284-292.

[44]Wang,L.,&Zhou,P.(2006).OptimalcontrolofbuildingHVACsystems:Areview.BuildingandEnvironment,41(8),1167-1178.

[45]Li,Y.,&Wang,Y.(2007).Modelpredictivecontrolforbuildingrconditioningsystems:Areview.AppliedEnergy,84(10),1181-1192.

[46]Zhang,H.,&Jia,Z.(2008).ReinforcementlearningbasedcontrolforbuildingHVACsystems.InProceedingsofthe7thInternationalConferenceonEnergyandBuildings(pp.701-706).

[47]Lee,S.,&Kim,S.(2009).Developmentofa