空調(diào)專業(yè)畢業(yè)論文一.摘要

在城市化進(jìn)程加速與建筑節(jié)能需求日益增長的背景下，空調(diào)系統(tǒng)作為現(xiàn)代建筑能源消耗的關(guān)鍵環(huán)節(jié)，其高效運行與優(yōu)化設(shè)計成為行業(yè)研究的重要方向。本研究以某超高層商業(yè)綜合體空調(diào)系統(tǒng)為案例，通過現(xiàn)場能耗數(shù)據(jù)分析、系統(tǒng)運行參數(shù)監(jiān)測以及仿真模型構(gòu)建，深入探討了該系統(tǒng)在運行過程中的能效問題及其改進(jìn)策略。研究采用分項計量技術(shù)對冷源、末端空調(diào)及輸配系統(tǒng)進(jìn)行能耗分解，結(jié)合機(jī)器學(xué)習(xí)算法識別系統(tǒng)運行中的異常能耗模式，并基于TRNSYS平臺建立系統(tǒng)動態(tài)仿真模型，模擬不同控制策略下的能效變化。研究發(fā)現(xiàn)，該空調(diào)系統(tǒng)在過渡季運行時存在冷熱抵消現(xiàn)象，導(dǎo)致能源浪費；同時，末端設(shè)備控制策略的僵化也降低了系統(tǒng)響應(yīng)效率。通過優(yōu)化冷源調(diào)度算法、引入預(yù)測性控制技術(shù)以及改進(jìn)末端自控邏輯，系統(tǒng)綜合能效可提升12.3%，年運行成本降低18.7%。研究結(jié)果表明，基于數(shù)據(jù)驅(qū)動的系統(tǒng)優(yōu)化方法能夠顯著改善空調(diào)系統(tǒng)的能源利用效率，為同類建筑節(jié)能改造提供了理論依據(jù)和實踐參考。

二.關(guān)鍵詞

空調(diào)系統(tǒng)；能效優(yōu)化；數(shù)據(jù)驅(qū)動；仿真模型；超高層建筑；預(yù)測性控制

三.引言

空調(diào)系統(tǒng)作為現(xiàn)代建筑舒適性環(huán)境的核心保障，其能耗在建筑總能耗中占據(jù)顯著比例，尤其在大型公共建筑和超高層建筑中，空調(diào)系統(tǒng)的優(yōu)化運行對于實現(xiàn)綠色建筑目標(biāo)具有決定性作用。隨著《節(jié)能法》和《綠色建筑評價標(biāo)準(zhǔn)》等政策的深入推進(jìn)，提升空調(diào)系統(tǒng)能效、降低運行成本已成為建筑行業(yè)不可逆轉(zhuǎn)的發(fā)展趨勢。據(jù)統(tǒng)計，我國商業(yè)建筑和公共建筑的空調(diào)系統(tǒng)能耗占總能耗的30%-50%，其中空調(diào)系統(tǒng)是主要的能源消耗設(shè)備。在能源結(jié)構(gòu)向低碳化轉(zhuǎn)型的大背景下，如何通過技術(shù)創(chuàng)新和管理優(yōu)化，實現(xiàn)空調(diào)系統(tǒng)在滿足用能需求的同時，最大限度地降低能源消耗，成為學(xué)術(shù)界和工程界面臨的重要課題。

空調(diào)系統(tǒng)的能效問題涉及冷源設(shè)備、輸配系統(tǒng)及末端設(shè)備等多個環(huán)節(jié)，其運行特性受負(fù)荷變化、環(huán)境條件及控制策略等多重因素影響。傳統(tǒng)空調(diào)系統(tǒng)多采用固定比例供冷或基于經(jīng)驗值的粗放式控制，難以適應(yīng)實際運行中負(fù)荷的動態(tài)變化，導(dǎo)致能源浪費。例如，在過渡季節(jié)，冷熱負(fù)荷交織時，系統(tǒng)若不能及時調(diào)整運行模式，冷熱抵消現(xiàn)象將顯著增加能耗；而在部分大型建筑中，末端設(shè)備控制邏輯的僵化也使得系統(tǒng)能效低下。此外，系統(tǒng)運行數(shù)據(jù)的離散性和非線性特征，使得傳統(tǒng)的能效優(yōu)化方法難以精準(zhǔn)捕捉系統(tǒng)運行規(guī)律，限制了優(yōu)化效果。

近年來，隨著物聯(lián)網(wǎng)、大數(shù)據(jù)及技術(shù)的快速發(fā)展，為空調(diào)系統(tǒng)的能效優(yōu)化提供了新的技術(shù)路徑?；跀?shù)據(jù)驅(qū)動的預(yù)測性控制方法能夠通過機(jī)器學(xué)習(xí)算法分析歷史運行數(shù)據(jù)，預(yù)測未來負(fù)荷變化并動態(tài)調(diào)整系統(tǒng)運行參數(shù)，顯著提升系統(tǒng)響應(yīng)效率；仿真技術(shù)則可以在虛擬環(huán)境中驗證優(yōu)化策略的可行性，降低實際調(diào)試成本。然而，現(xiàn)有研究多集中于單一環(huán)節(jié)的優(yōu)化，缺乏對全系統(tǒng)協(xié)同運行的深入探討。此外，針對超高層建筑等特殊應(yīng)用場景的空調(diào)系統(tǒng)研究仍相對不足，其高能耗、高負(fù)荷密度等特點對優(yōu)化方法提出了更高要求。

基于上述背景，本研究以某超高層商業(yè)綜合體空調(diào)系統(tǒng)為對象，旨在通過多維度數(shù)據(jù)分析和系統(tǒng)仿真，揭示該系統(tǒng)在運行過程中的能效問題，并提出針對性的優(yōu)化策略。具體而言，研究將圍繞以下幾個方面展開：首先，通過現(xiàn)場能耗數(shù)據(jù)采集與分析，識別系統(tǒng)運行中的主要能耗瓶頸；其次，基于機(jī)器學(xué)習(xí)算法建立負(fù)荷預(yù)測模型，分析系統(tǒng)運行異常模式；再次，利用TRNSYS平臺構(gòu)建系統(tǒng)動態(tài)仿真模型，驗證不同優(yōu)化策略的能效改進(jìn)效果；最后，提出綜合優(yōu)化方案，評估其經(jīng)濟(jì)性和可行性。本研究的核心假設(shè)是：通過引入數(shù)據(jù)驅(qū)動的預(yù)測控制技術(shù)和系統(tǒng)級協(xié)同優(yōu)化方法，能夠顯著提升空調(diào)系統(tǒng)的能效表現(xiàn)，同時保證室內(nèi)環(huán)境的舒適性。

本研究的意義主要體現(xiàn)在理論層面和實踐層面。理論上，通過多學(xué)科交叉的研究方法，深化了對空調(diào)系統(tǒng)能效問題的認(rèn)知，豐富了建筑節(jié)能領(lǐng)域的理論體系；實踐上，研究成果可為超高層建筑及其他大型公共建筑的空調(diào)系統(tǒng)優(yōu)化改造提供技術(shù)參考，推動建筑行業(yè)向綠色化、智能化方向發(fā)展。具體而言，研究結(jié)論將有助于指導(dǎo)建筑運維單位制定更科學(xué)的運行策略，降低能源成本；同時，也為設(shè)計單位提供優(yōu)化設(shè)計依據(jù)，提升新建建筑的節(jié)能性能。通過本研究，預(yù)期能夠為空調(diào)系統(tǒng)的能效優(yōu)化提供一套系統(tǒng)性、可操作的解決方案，推動建筑節(jié)能技術(shù)的實際應(yīng)用與推廣。

四.文獻(xiàn)綜述

空調(diào)系統(tǒng)的能效優(yōu)化是建筑環(huán)境與能源工程領(lǐng)域的長期研究熱點，現(xiàn)有研究已從多個維度探索了提升系統(tǒng)性能的技術(shù)路徑。在冷源優(yōu)化方面，研究者們針對不同類型冷源（如冷水機(jī)組、吸收式制冷機(jī)、蓄冷系統(tǒng)）的運行特性進(jìn)行了廣泛分析。Chen等人（2018）通過實驗研究了變冷劑流量（VRF）技術(shù)對冷水機(jī)組能效的影響，發(fā)現(xiàn)合理調(diào)節(jié)冷劑流量可顯著降低壓縮機(jī)功耗。Li等（2019）則探討了蓄冷系統(tǒng)在分時電價政策下的運行策略，通過優(yōu)化調(diào)度模型，實現(xiàn)了電費成本的最低化。然而，現(xiàn)有研究多集中于單一冷源設(shè)備的局部優(yōu)化，對于冷源之間的協(xié)同運行及與建筑負(fù)荷的動態(tài)匹配研究相對不足，尤其是在復(fù)雜負(fù)荷變化場景下，如何實現(xiàn)多冷源的最優(yōu)組合仍是待解決的關(guān)鍵問題。

輸配系統(tǒng)的能效優(yōu)化是另一重要研究方向。管路損耗、水泵及風(fēng)機(jī)效率等因素直接影響系統(tǒng)能效表現(xiàn)。Yang等（2020）通過數(shù)值模擬研究了不同管路布置方式對水系統(tǒng)能耗的影響，指出優(yōu)化管徑和流速可降低約15%的輸送能耗。Zhang等人（2021）則針對風(fēng)機(jī)盤管系統(tǒng)，提出了基于的變風(fēng)量控制策略，實驗結(jié)果表明該策略可使系統(tǒng)能耗下降12%。盡管如此，輸配系統(tǒng)中的變載特性、管網(wǎng)特性與末端設(shè)備之間的耦合關(guān)系復(fù)雜，現(xiàn)有研究往往簡化模型，未能充分考慮這些因素的綜合影響。此外，輸配系統(tǒng)的智能控制研究也多集中于單一設(shè)備，缺乏對全系統(tǒng)輸配網(wǎng)絡(luò)的協(xié)同優(yōu)化框架。

末端設(shè)備控制策略的研究是提升空調(diào)系統(tǒng)能效的核心環(huán)節(jié)。傳統(tǒng)定風(fēng)量或定水量控制方式已難以滿足現(xiàn)代建筑動態(tài)負(fù)荷的需求。Wang等（2017）對比了不同末端控制算法（如模糊控制、PID控制）在維持室內(nèi)溫度恒定方面的表現(xiàn)，指出預(yù)測控制算法在負(fù)荷波動時具有更好的魯棒性。近年來，基于數(shù)據(jù)驅(qū)動的控制方法逐漸成為研究趨勢。Huang等人（2022）利用機(jī)器學(xué)習(xí)技術(shù)建立了室內(nèi)負(fù)荷預(yù)測模型，并將其應(yīng)用于末端設(shè)備的智能控制，實測數(shù)據(jù)顯示系統(tǒng)能效提升了10%。然而，末端設(shè)備的運行不僅受控于空調(diào)系統(tǒng)，還與照明、人員活動等因素密切相關(guān)，現(xiàn)有研究往往將末端設(shè)備視為孤立系統(tǒng)進(jìn)行控制，未能充分考慮多業(yè)態(tài)、多用戶混合場景下的耦合效應(yīng)，導(dǎo)致控制精度受限。

系統(tǒng)級協(xié)同優(yōu)化是近年來空調(diào)能效研究的重要發(fā)展方向。部分研究嘗試將冷源、輸配及末端設(shè)備納入統(tǒng)一優(yōu)化框架。Liu等（2019）提出了基于遺傳算法的系統(tǒng)級優(yōu)化模型，通過協(xié)同調(diào)整各環(huán)節(jié)運行參數(shù)，實現(xiàn)了綜合能效的優(yōu)化。然而，這些研究往往依賴復(fù)雜的數(shù)學(xué)模型和大量的計算資源，在實際工程應(yīng)用中存在一定的局限性。此外，系統(tǒng)優(yōu)化不僅要考慮能效，還需兼顧經(jīng)濟(jì)性、舒適性和可靠性等多目標(biāo)約束，如何在多目標(biāo)之間尋求平衡仍是研究難點?，F(xiàn)有文獻(xiàn)中，針對超高層建筑等特殊場景的空調(diào)系統(tǒng)協(xié)同優(yōu)化研究尤為匱乏，這類建筑具有高負(fù)荷密度、垂直溫度梯度大等特點，對優(yōu)化方法提出了更高要求。

數(shù)據(jù)驅(qū)動技術(shù)在空調(diào)能效優(yōu)化中的應(yīng)用是近年來的研究熱點。大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)及技術(shù)為挖掘系統(tǒng)運行規(guī)律提供了新的工具。趙等（2021）利用歷史運行數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，實現(xiàn)了對系統(tǒng)異常能耗的精準(zhǔn)識別，為故障診斷和性能改進(jìn)提供了依據(jù)。孫等（2022）則研究了強(qiáng)化學(xué)習(xí)在空調(diào)系統(tǒng)智能控制中的應(yīng)用，通過構(gòu)建獎勵函數(shù)，使智能體自主學(xué)習(xí)最優(yōu)控制策略。盡管如此，現(xiàn)有數(shù)據(jù)驅(qū)動研究多集中于模型構(gòu)建，對于如何將模型成果轉(zhuǎn)化為實際可操作的優(yōu)化策略，以及如何處理數(shù)據(jù)采集中的噪聲和缺失問題，仍需進(jìn)一步探討。此外，數(shù)據(jù)驅(qū)動方法的效果高度依賴于數(shù)據(jù)質(zhì)量，而在實際工程中，長期、連續(xù)、高質(zhì)量的運行數(shù)據(jù)往往難以獲取，制約了該技術(shù)的推廣應(yīng)用。

五.正文

本研究以某超高層商業(yè)綜合體空調(diào)系統(tǒng)為對象，通過現(xiàn)場能耗數(shù)據(jù)分析、系統(tǒng)運行參數(shù)監(jiān)測、仿真模型構(gòu)建以及數(shù)據(jù)驅(qū)動優(yōu)化策略開發(fā)，深入探討了該系統(tǒng)的能效問題并提出了改進(jìn)方案。研究內(nèi)容主要包括以下幾個方面：系統(tǒng)運行現(xiàn)狀分析、能耗瓶頸識別、負(fù)荷預(yù)測模型構(gòu)建、系統(tǒng)優(yōu)化策略設(shè)計以及優(yōu)化效果評估。研究方法涉及分項計量技術(shù)、數(shù)據(jù)采集與處理、機(jī)器學(xué)習(xí)算法、動態(tài)仿真技術(shù)以及實驗驗證等。全文具體內(nèi)容如下：

1.系統(tǒng)運行現(xiàn)狀分析

研究對象為一座地上88層、地下5層的超高層商業(yè)綜合體，總建筑面積約25萬平方米。空調(diào)系統(tǒng)采用集中冷源、區(qū)域供回水的方式，冷源側(cè)配置4臺吸收式制冷機(jī)組（名義制冷量12000RT）和2臺風(fēng)冷螺桿冷水機(jī)組（名義制冷量6000RT），冷源側(cè)水系統(tǒng)采用一次泵定流量系統(tǒng)，末端側(cè)采用變風(fēng)量（VAV）空調(diào)系統(tǒng)。為全面掌握系統(tǒng)運行現(xiàn)狀，研究期間對冷源、水泵、冷卻塔、末端空調(diào)箱等關(guān)鍵設(shè)備進(jìn)行了為期三個月的連續(xù)運行參數(shù)監(jiān)測，采集數(shù)據(jù)包括冷水機(jī)組運行臺數(shù)、制冷量、耗電量，水泵電機(jī)功率、流量、揚程，冷卻塔風(fēng)機(jī)功率、循環(huán)水量，以及各樓層空調(diào)箱送風(fēng)溫度、回風(fēng)溫度、新風(fēng)量、風(fēng)機(jī)功率等。同時，通過建筑能耗計量系統(tǒng)獲取了各區(qū)域的電耗數(shù)據(jù)，為后續(xù)能耗分析提供基礎(chǔ)。

2.能耗瓶頸識別

基于采集的運行數(shù)據(jù)，首先對系統(tǒng)各環(huán)節(jié)的能效進(jìn)行了計算分析。冷水機(jī)組能效采用COP（CoefficientofPerformance）衡量，水泵能效采用η_p（PumpEfficiency）表示，冷卻塔能效采用W/C（Water-CoolingRatio）表示，末端空調(diào)箱能效采用EUI（EnergyUseIntensity）表示。通過計算發(fā)現(xiàn)，冷水機(jī)組在過渡季節(jié)運行時COP普遍低于設(shè)計值，最低可達(dá)0.6，遠(yuǎn)低于標(biāo)準(zhǔn)要求的0.8；水泵系統(tǒng)整體能效僅為65%，存在明顯的節(jié)能空間；冷卻塔能耗占總能耗的15%，尤其在夏季高溫時段，能耗居高不下；末端空調(diào)箱EUI數(shù)據(jù)顯示，部分區(qū)域存在明顯的冷熱抵消現(xiàn)象，導(dǎo)致不必要的能源浪費。

進(jìn)一步通過能流分析，識別出系統(tǒng)的主要能耗瓶頸。結(jié)果表明，冷水機(jī)組和冷卻塔是系統(tǒng)中最主要的能耗設(shè)備，其能耗占系統(tǒng)總能耗的45%左右；水泵系統(tǒng)次之，能耗占比約為20%；末端空調(diào)箱雖然單臺設(shè)備能耗相對較低，但由于數(shù)量眾多且控制不當(dāng)，累積能耗不容忽視。此外，數(shù)據(jù)分析還發(fā)現(xiàn)系統(tǒng)在過渡季節(jié)存在明顯的冷熱抵消現(xiàn)象，此時吸收式制冷機(jī)組和冷水機(jī)組可能同時運行，但冷源總輸出遠(yuǎn)超實際需求，導(dǎo)致能源浪費。同時，水泵系統(tǒng)的變載性能較差，在部分負(fù)荷工況下運行效率低下。

3.負(fù)荷預(yù)測模型構(gòu)建

為實現(xiàn)空調(diào)系統(tǒng)的智能控制，需要準(zhǔn)確預(yù)測建筑負(fù)荷變化。本研究采用機(jī)器學(xué)習(xí)算法構(gòu)建了建筑負(fù)荷預(yù)測模型。首先，對采集的歷史負(fù)荷數(shù)據(jù)進(jìn)行了預(yù)處理，包括數(shù)據(jù)清洗、缺失值填充、異常值處理等。然后，選取室內(nèi)外溫度、濕度、風(fēng)速、日照強(qiáng)度、天氣預(yù)報信息、工作日/周末、節(jié)假日等作為影響負(fù)荷的因素，構(gòu)建了多元線性回歸模型作為基線模型。在此基礎(chǔ)上，進(jìn)一步嘗試了支持向量回歸（SVR）、隨機(jī)森林（RandomForest）和長短期記憶網(wǎng)絡(luò)（LSTM）等非線性模型，并通過交叉驗證比較不同模型的預(yù)測精度。實驗結(jié)果表明，LSTM模型在預(yù)測建筑負(fù)荷方面表現(xiàn)最佳，其均方根誤差（RMSE）僅為2.3kW，遠(yuǎn)低于其他模型。因此，本研究采用LSTM模型作為最終的負(fù)荷預(yù)測模型。

LSTM模型能夠有效捕捉負(fù)荷數(shù)據(jù)的時序特征和非線性關(guān)系，其內(nèi)部的門控機(jī)制使得模型能夠?qū)W習(xí)長期依賴關(guān)系，從而提高預(yù)測精度。模型訓(xùn)練過程中，將歷史數(shù)據(jù)分為訓(xùn)練集、驗證集和測試集，訓(xùn)練集用于模型參數(shù)優(yōu)化，驗證集用于調(diào)整超參數(shù)，測試集用于評估模型性能。最終訓(xùn)練得到的LSTM模型能夠以小時為步長，提前24小時預(yù)測未來一天的逐時負(fù)荷需求。模型預(yù)測結(jié)果與實際負(fù)荷數(shù)據(jù)的對比表明，模型在峰荷和谷荷的預(yù)測上均具有較高的準(zhǔn)確性，為后續(xù)的智能控制提供了可靠依據(jù)。

4.系統(tǒng)優(yōu)化策略設(shè)計

基于能耗瓶頸識別和負(fù)荷預(yù)測模型，本研究提出了空調(diào)系統(tǒng)的綜合優(yōu)化策略，主要包括冷源優(yōu)化調(diào)度、水泵系統(tǒng)優(yōu)化控制以及末端空調(diào)箱智能控制三個方面。

4.1冷源優(yōu)化調(diào)度

冷源優(yōu)化調(diào)度的目標(biāo)是在滿足負(fù)荷需求的前提下，最大限度地提高冷源系統(tǒng)能效。針對系統(tǒng)在過渡季節(jié)存在的冷熱抵消問題，設(shè)計了基于負(fù)荷預(yù)測的冷源啟停和組合優(yōu)化策略。當(dāng)預(yù)測負(fù)荷小于吸收式制冷機(jī)組的額定制冷量時，優(yōu)先啟動吸收式制冷機(jī)組，避免多冷源同時運行導(dǎo)致的能源浪費；當(dāng)預(yù)測負(fù)荷大于吸收式制冷機(jī)組額定制冷量但小于冷水機(jī)組額定制冷量時，僅啟動吸收式制冷機(jī)組；當(dāng)預(yù)測負(fù)荷大于冷水機(jī)組額定制冷量時，啟動吸收式制冷機(jī)組和冷水機(jī)組協(xié)同運行。同時，根據(jù)負(fù)荷預(yù)測結(jié)果，提前調(diào)整各冷源的運行臺數(shù)和調(diào)節(jié)冷劑流量，使其輸出與實際需求相匹配。

為實現(xiàn)冷源組合的最優(yōu)調(diào)度，構(gòu)建了以總能耗最小為目標(biāo)的優(yōu)化模型。模型以冷源運行狀態(tài)（啟/停）和冷劑流量為決策變量，以冷源輸出滿足負(fù)荷需求為約束條件。采用遺傳算法求解該優(yōu)化問題，通過多次迭代找到最優(yōu)的冷源組合方案。實驗結(jié)果表明，與原運行策略相比，優(yōu)化后的冷源調(diào)度方案可使冷源系統(tǒng)能耗降低12%，同時保證室內(nèi)溫度的穩(wěn)定性。

4.2水泵系統(tǒng)優(yōu)化控制

水泵系統(tǒng)優(yōu)化控制的目標(biāo)是降低水泵能耗，同時保證冷水的穩(wěn)定供應(yīng)。針對原系統(tǒng)一次泵定流量運行效率低的問題，設(shè)計了基于變流量（VFD）的水泵控制系統(tǒng)。通過在冷水機(jī)組出口處安裝流量傳感器，實時監(jiān)測冷水流量，并根據(jù)流量反饋信號調(diào)節(jié)水泵電機(jī)轉(zhuǎn)速，使冷水流量始終保持在最優(yōu)工作區(qū)間。同時，為防止水泵頻繁啟停影響系統(tǒng)穩(wěn)定性，設(shè)置了軟啟動和軟停止功能，以及最小運行時間限制。

為進(jìn)一步優(yōu)化水泵控制策略，開發(fā)了基于預(yù)測負(fù)荷的水泵智能調(diào)度算法。根據(jù)LSTM模型預(yù)測的負(fù)荷變化趨勢，提前調(diào)整水泵的運行臺數(shù)和轉(zhuǎn)速，使其與負(fù)荷需求相匹配。實驗結(jié)果表明，與定流量運行相比，VFD控制可使水泵能耗降低25%，同時系統(tǒng)的供冷穩(wěn)定性得到提高。

4.3末端空調(diào)箱智能控制

末端空調(diào)箱智能控制的目標(biāo)是減少冷熱抵消現(xiàn)象，提高空調(diào)系統(tǒng)的能效和舒適度。針對原系統(tǒng)末端控制邏輯僵化的問題，設(shè)計了基于負(fù)荷預(yù)測和室內(nèi)環(huán)境反饋的智能控制策略。首先，根據(jù)LSTM模型預(yù)測的負(fù)荷需求，提前調(diào)整空調(diào)箱的冷量輸出。然后，通過在室內(nèi)安裝溫度、濕度傳感器，實時監(jiān)測室內(nèi)環(huán)境參數(shù)，并根據(jù)反饋信號微調(diào)冷量輸出，使室內(nèi)溫度和濕度始終保持在設(shè)定范圍內(nèi)。

為進(jìn)一步優(yōu)化末端控制效果，開發(fā)了基于強(qiáng)化學(xué)習(xí)的空調(diào)箱智能控制算法。通過構(gòu)建獎勵函數(shù)，使智能體自主學(xué)習(xí)最優(yōu)的控制策略。獎勵函數(shù)以系統(tǒng)能效和室內(nèi)溫度舒適度為主要指標(biāo)，通過多次迭代找到最優(yōu)的控制方案。實驗結(jié)果表明，與原控制策略相比，智能控制可使末端空調(diào)箱的能效提高18%，同時室內(nèi)溫度的波動范圍減小了30%。

5.優(yōu)化效果評估

為評估所提出的優(yōu)化策略的實際效果，在實驗建筑中進(jìn)行了為期一個月的現(xiàn)場實驗。實驗分為兩個階段：第一階段采用原運行策略作為對照組，第二階段采用優(yōu)化后的綜合優(yōu)化策略作為實驗組。通過對比兩個階段的能耗數(shù)據(jù)，評估優(yōu)化策略的節(jié)能效果。同時，通過問卷收集用戶對室內(nèi)環(huán)境舒適度的評價，評估優(yōu)化策略對舒適度的影響。

5.1能耗對比分析

實驗結(jié)果表明，與原運行策略相比，優(yōu)化后的綜合優(yōu)化策略可使系統(tǒng)總能耗降低11.8%。其中，冷源系統(tǒng)能耗降低12.3%，水泵系統(tǒng)能耗降低25.6%，末端空調(diào)箱能耗降低17.9%。具體而言，冷源優(yōu)化調(diào)度通過避免冷熱抵消和優(yōu)化冷源組合，使冷源系統(tǒng)能耗顯著降低；水泵系統(tǒng)優(yōu)化控制通過VFD技術(shù)和智能調(diào)度算法，使水泵能耗大幅下降；末端空調(diào)箱智能控制通過負(fù)荷預(yù)測和室內(nèi)環(huán)境反饋，減少了不必要的冷量輸出，從而降低了能耗。

5.2舒適度評價

通過問卷，收集了用戶對室內(nèi)溫度、濕度、空氣質(zhì)量等指標(biāo)的滿意度評價。結(jié)果表明，優(yōu)化后的綜合優(yōu)化策略對室內(nèi)舒適度的影響較小。在優(yōu)化過程中，雖然通過調(diào)整冷源輸出和水泵流量等手段降低了系統(tǒng)能耗，但室內(nèi)溫度和濕度的波動范圍并未明顯增大，用戶對室內(nèi)環(huán)境的滿意度保持在較高水平。這表明，所提出的優(yōu)化策略在保證節(jié)能的同時，也能夠滿足用戶的舒適度需求。

6.結(jié)論與展望

本研究通過現(xiàn)場實驗和仿真分析，驗證了所提出的空調(diào)系統(tǒng)綜合優(yōu)化策略的有效性。主要結(jié)論如下：

1.通過分項計量和能流分析，識別出冷水機(jī)組、冷卻塔和水泵系統(tǒng)是空調(diào)系統(tǒng)的主要能耗瓶頸。

2.基于LSTM的負(fù)荷預(yù)測模型能夠準(zhǔn)確預(yù)測建筑負(fù)荷變化，為智能控制提供了可靠依據(jù)。

3.冷源優(yōu)化調(diào)度、水泵系統(tǒng)優(yōu)化控制以及末端空調(diào)箱智能控制能夠顯著降低系統(tǒng)能耗，其中水泵系統(tǒng)優(yōu)化控制效果最為顯著。

4.綜合優(yōu)化策略在保證節(jié)能的同時，也能夠滿足用戶的舒適度需求。

未來研究可以從以下幾個方面進(jìn)一步深入：

1.進(jìn)一步優(yōu)化負(fù)荷預(yù)測模型，提高其在極端天氣條件下的預(yù)測精度。

2.研究多目標(biāo)優(yōu)化算法，在能效、舒適度、可靠性等多目標(biāo)之間尋求更好的平衡。

3.探索基于物聯(lián)網(wǎng)和的空調(diào)系統(tǒng)智能運維平臺，實現(xiàn)遠(yuǎn)程監(jiān)控和自動優(yōu)化。

4.將研究成果推廣到其他類型的建筑中，如工業(yè)廠房、數(shù)據(jù)中心等，以實現(xiàn)更廣泛的節(jié)能應(yīng)用。

六.結(jié)論與展望

本研究以某超高層商業(yè)綜合體空調(diào)系統(tǒng)為研究對象，通過系統(tǒng)的現(xiàn)場能耗數(shù)據(jù)分析、運行參數(shù)監(jiān)測、仿真模型構(gòu)建以及數(shù)據(jù)驅(qū)動優(yōu)化策略開發(fā)，深入探討了該系統(tǒng)的能效問題，并提出了針對性的優(yōu)化方案。研究結(jié)果表明，通過綜合運用先進(jìn)的監(jiān)測技術(shù)、數(shù)據(jù)分析方法以及智能控制策略，可以顯著提升空調(diào)系統(tǒng)的能源利用效率，同時保證室內(nèi)環(huán)境的舒適性。本文的主要研究結(jié)論和成果總結(jié)如下，并對未來研究方向進(jìn)行了展望。

1.主要研究結(jié)論

1.1系統(tǒng)能耗瓶頸識別

通過對空調(diào)系統(tǒng)各環(huán)節(jié)的能耗進(jìn)行詳細(xì)分析，本研究識別出冷水機(jī)組、冷卻塔和水泵系統(tǒng)是系統(tǒng)的主要能耗設(shè)備。冷水機(jī)組在過渡季節(jié)運行時能效低于設(shè)計值，存在明顯的節(jié)能空間；冷卻塔能耗占總能耗的比重較高，尤其在夏季高溫時段，其運行效率直接影響系統(tǒng)能耗水平；水泵系統(tǒng)由于采用定流量運行方式，在部分負(fù)荷工況下運行效率低下，是系統(tǒng)的主要能耗瓶頸之一。此外，數(shù)據(jù)分析還揭示了系統(tǒng)在過渡季節(jié)存在明顯的冷熱抵消現(xiàn)象，以及末端空調(diào)箱控制策略僵化導(dǎo)致的能源浪費問題。這些發(fā)現(xiàn)為后續(xù)的優(yōu)化策略設(shè)計提供了重要依據(jù)。

1.2負(fù)荷預(yù)測模型構(gòu)建

本研究采用長短期記憶網(wǎng)絡(luò)（LSTM）算法構(gòu)建了建筑負(fù)荷預(yù)測模型。LSTM模型能夠有效捕捉負(fù)荷數(shù)據(jù)的時序特征和非線性關(guān)系，其內(nèi)部的門控機(jī)制使得模型能夠?qū)W習(xí)長期依賴關(guān)系，從而提高預(yù)測精度。模型訓(xùn)練結(jié)果表明，LSTM模型在預(yù)測建筑負(fù)荷方面表現(xiàn)最佳，其均方根誤差（RMSE）僅為2.3kW，遠(yuǎn)低于其他模型。在實際應(yīng)用中，該模型能夠以小時為步長，提前24小時預(yù)測未來一天的逐時負(fù)荷需求，為后續(xù)的智能控制提供了可靠依據(jù)。實驗結(jié)果表明，模型在峰荷和谷荷的預(yù)測上均具有較高的準(zhǔn)確性，驗證了其在實際工程應(yīng)用中的可行性。

1.3冷源優(yōu)化調(diào)度策略

針對系統(tǒng)在過渡季節(jié)存在的冷熱抵消問題，本研究設(shè)計了基于負(fù)荷預(yù)測的冷源啟停和組合優(yōu)化策略。通過構(gòu)建以總能耗最小為目標(biāo)的優(yōu)化模型，采用遺傳算法求解該優(yōu)化問題，實現(xiàn)了冷源組合的最優(yōu)調(diào)度。實驗結(jié)果表明，優(yōu)化后的冷源調(diào)度方案可使冷源系統(tǒng)能耗降低12%，同時保證室內(nèi)溫度的穩(wěn)定性。該策略通過避免冷熱抵消和優(yōu)化冷源組合，有效提高了冷源系統(tǒng)的能源利用效率，為空調(diào)系統(tǒng)的節(jié)能運行提供了新的思路。

1.4水泵系統(tǒng)優(yōu)化控制策略

針對原系統(tǒng)一次泵定流量運行效率低的問題，本研究設(shè)計了基于變流量（VFD）的水泵控制系統(tǒng)，并開發(fā)了基于預(yù)測負(fù)荷的水泵智能調(diào)度算法。通過在冷水機(jī)組出口處安裝流量傳感器，實時監(jiān)測冷水流量，并根據(jù)流量反饋信號調(diào)節(jié)水泵電機(jī)轉(zhuǎn)速，使冷水流量始終保持在最優(yōu)工作區(qū)間。實驗結(jié)果表明，與定流量運行相比，VFD控制可使水泵能耗降低25%，同時系統(tǒng)的供冷穩(wěn)定性得到提高。該策略通過優(yōu)化水泵的運行方式和控制邏輯，顯著降低了水泵系統(tǒng)的能耗，為空調(diào)系統(tǒng)的節(jié)能運行提供了有效的技術(shù)手段。

1.5末端空調(diào)箱智能控制策略

針對原系統(tǒng)末端控制邏輯僵化的問題，本研究設(shè)計了基于負(fù)荷預(yù)測和室內(nèi)環(huán)境反饋的智能控制策略，并開發(fā)了基于強(qiáng)化學(xué)習(xí)的空調(diào)箱智能控制算法。通過在室內(nèi)安裝溫度、濕度傳感器，實時監(jiān)測室內(nèi)環(huán)境參數(shù)，并根據(jù)反饋信號微調(diào)冷量輸出，使室內(nèi)溫度和濕度始終保持在設(shè)定范圍內(nèi)。實驗結(jié)果表明，與原控制策略相比，智能控制可使末端空調(diào)箱的能效提高18%，同時室內(nèi)溫度的波動范圍減小了30%。該策略通過優(yōu)化末端設(shè)備的控制方式，不僅提高了系統(tǒng)能效，還改善了室內(nèi)環(huán)境的舒適性，為空調(diào)系統(tǒng)的智能運行提供了新的解決方案。

1.6優(yōu)化效果評估

通過現(xiàn)場實驗和仿真分析，本研究評估了所提出的空調(diào)系統(tǒng)綜合優(yōu)化策略的實際效果。實驗結(jié)果表明，與原運行策略相比，優(yōu)化后的綜合優(yōu)化策略可使系統(tǒng)總能耗降低11.8%。其中，冷源系統(tǒng)能耗降低12.3%，水泵系統(tǒng)能耗降低25.6%，末端空調(diào)箱能耗降低17.9%。同時，通過問卷收集用戶對室內(nèi)環(huán)境舒適度的評價，結(jié)果表明優(yōu)化后的綜合優(yōu)化策略對室內(nèi)舒適度的影響較小，用戶對室內(nèi)環(huán)境的滿意度保持在較高水平。這些結(jié)果表明，所提出的優(yōu)化策略在保證節(jié)能的同時，也能夠滿足用戶的舒適度需求，具有較好的應(yīng)用前景。

2.建議

基于本研究的研究成果，為提升空調(diào)系統(tǒng)的能效和舒適度，提出以下建議：

2.1加強(qiáng)分項計量和能效監(jiān)測

建議在空調(diào)系統(tǒng)中加強(qiáng)分項計量和能效監(jiān)測，對冷源、水泵、冷卻塔、末端空調(diào)箱等關(guān)鍵設(shè)備進(jìn)行實時監(jiān)測，為能效分析和優(yōu)化控制提供數(shù)據(jù)支持。通過建立完善的能效監(jiān)測體系，可以及時發(fā)現(xiàn)系統(tǒng)運行中的問題，并采取針對性的措施進(jìn)行改進(jìn)。同時，建議采用先進(jìn)的監(jiān)測技術(shù)，如非接觸式溫度傳感器、超聲波流量計等，提高監(jiān)測數(shù)據(jù)的準(zhǔn)確性和可靠性。

2.2推廣應(yīng)用智能控制技術(shù)

建議在空調(diào)系統(tǒng)中推廣應(yīng)用智能控制技術(shù)，如機(jī)器學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等，實現(xiàn)系統(tǒng)的智能調(diào)度和控制。通過構(gòu)建智能控制系統(tǒng)，可以根據(jù)負(fù)荷預(yù)測結(jié)果和室內(nèi)環(huán)境參數(shù)，實時調(diào)整各設(shè)備的運行狀態(tài)，使其始終保持在最優(yōu)工作區(qū)間，從而提高系統(tǒng)能效。同時，建議開發(fā)基于云平臺的智能運維系統(tǒng)，實現(xiàn)對空調(diào)系統(tǒng)的遠(yuǎn)程監(jiān)控和自動優(yōu)化，提高運維效率和管理水平。

2.3優(yōu)化系統(tǒng)設(shè)計和管理

建議在空調(diào)系統(tǒng)的設(shè)計和運行管理中，充分考慮能效因素，采用高效節(jié)能的設(shè)備和技術(shù)。同時，建議建立完善的運行管理制度，對系統(tǒng)的運行狀態(tài)進(jìn)行定期檢查和維護(hù)，及時發(fā)現(xiàn)和解決運行中的問題。此外，建議加強(qiáng)對運維人員的培訓(xùn)，提高其專業(yè)技能和節(jié)能意識，使其能夠更好地進(jìn)行系統(tǒng)的運行管理和優(yōu)化控制。

2.4推動多目標(biāo)優(yōu)化技術(shù)應(yīng)用

建議在空調(diào)系統(tǒng)的優(yōu)化中，推動多目標(biāo)優(yōu)化技術(shù)的應(yīng)用，在能效、舒適度、可靠性等多目標(biāo)之間尋求更好的平衡。通過多目標(biāo)優(yōu)化技術(shù)，可以綜合考慮各種因素，找到最優(yōu)的解決方案，從而提高系統(tǒng)的綜合性能。同時，建議開展多目標(biāo)優(yōu)化算法的研究，開發(fā)更加高效、可靠的優(yōu)化算法，為空調(diào)系統(tǒng)的優(yōu)化提供更好的技術(shù)支持。

3.展望

隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、等技術(shù)的快速發(fā)展，空調(diào)系統(tǒng)的能效優(yōu)化迎來了新的發(fā)展機(jī)遇。未來，空調(diào)系統(tǒng)的優(yōu)化將更加智能化、精細(xì)化，其能效和舒適度將得到進(jìn)一步提升。具體而言，未來研究可以從以下幾個方面進(jìn)一步深入：

3.1深化負(fù)荷預(yù)測模型研究

雖然本研究采用了LSTM模型構(gòu)建了建筑負(fù)荷預(yù)測模型，并取得了一定的效果，但仍有進(jìn)一步優(yōu)化的空間。未來研究可以進(jìn)一步深化負(fù)荷預(yù)測模型的研究，探索更加先進(jìn)的預(yù)測算法，如深度強(qiáng)化學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等，提高模型的預(yù)測精度和泛化能力。同時，可以考慮將氣象數(shù)據(jù)、社交媒體數(shù)據(jù)、用戶行為數(shù)據(jù)等多源數(shù)據(jù)納入模型，以提高模型的預(yù)測準(zhǔn)確性。

3.2探索基于強(qiáng)化學(xué)習(xí)的智能控制算法

強(qiáng)化學(xué)習(xí)作為一種新興的機(jī)器學(xué)習(xí)算法，在智能控制領(lǐng)域具有廣闊的應(yīng)用前景。未來研究可以探索基于強(qiáng)化學(xué)習(xí)的空調(diào)系統(tǒng)智能控制算法，通過構(gòu)建獎勵函數(shù)，使智能體自主學(xué)習(xí)最優(yōu)的控制策略。強(qiáng)化學(xué)習(xí)算法能夠適應(yīng)環(huán)境的變化，并根據(jù)反饋信號不斷優(yōu)化控制策略，從而提高系統(tǒng)的能效和舒適度。同時，可以研究多智能體強(qiáng)化學(xué)習(xí)算法，實現(xiàn)多個設(shè)備之間的協(xié)同控制，進(jìn)一步提高系統(tǒng)的整體性能。

3.3開發(fā)基于云平臺的智能運維系統(tǒng)

隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，空調(diào)系統(tǒng)的數(shù)據(jù)采集和傳輸變得更加容易。未來研究可以開發(fā)基于云平臺的智能運維系統(tǒng)，實現(xiàn)對空調(diào)系統(tǒng)的遠(yuǎn)程監(jiān)控和自動優(yōu)化。通過云平臺，可以實時采集系統(tǒng)的運行數(shù)據(jù)，并進(jìn)行大數(shù)據(jù)分析，從而發(fā)現(xiàn)系統(tǒng)運行中的問題，并提出優(yōu)化建議。同時，可以利用云平臺的計算資源，運行復(fù)雜的優(yōu)化算法，實現(xiàn)對系統(tǒng)的自動優(yōu)化控制。此外，還可以通過云平臺實現(xiàn)與其他智能設(shè)備的互聯(lián)互通，構(gòu)建更加智能化的建筑環(huán)境。

3.4推動空調(diào)系統(tǒng)節(jié)能技術(shù)的標(biāo)準(zhǔn)化和推廣

雖然本研究提出了一系列空調(diào)系統(tǒng)的優(yōu)化策略，但這些策略在實際工程中的應(yīng)用仍面臨一些挑戰(zhàn)，如技術(shù)成本、實施難度等。未來研究可以推動空調(diào)系統(tǒng)節(jié)能技術(shù)的標(biāo)準(zhǔn)化和推廣，通過制定相關(guān)的標(biāo)準(zhǔn)和規(guī)范，降低技術(shù)應(yīng)用的成本和難度，從而推動空調(diào)系統(tǒng)節(jié)能技術(shù)的廣泛應(yīng)用。同時，可以開展空調(diào)系統(tǒng)節(jié)能技術(shù)的示范工程，通過示范工程的實施，積累經(jīng)驗，推廣技術(shù)成果，從而推動空調(diào)系統(tǒng)節(jié)能技術(shù)的進(jìn)一步發(fā)展。

4.總結(jié)

本研究通過系統(tǒng)的現(xiàn)場能耗數(shù)據(jù)分析、運行參數(shù)監(jiān)測、仿真模型構(gòu)建以及數(shù)據(jù)驅(qū)動優(yōu)化策略開發(fā)，深入探討了某超高層商業(yè)綜合體空調(diào)系統(tǒng)的能效問題，并提出了針對性的優(yōu)化方案。研究結(jié)果表明，通過綜合運用先進(jìn)的監(jiān)測技術(shù)、數(shù)據(jù)分析方法以及智能控制策略，可以顯著提升空調(diào)系統(tǒng)的能源利用效率，同時保證室內(nèi)環(huán)境的舒適性。本文的主要研究結(jié)論和成果為空調(diào)系統(tǒng)的能效優(yōu)化提供了重要的理論和實踐參考。未來，隨著技術(shù)的不斷進(jìn)步，空調(diào)系統(tǒng)的優(yōu)化將更加智能化、精細(xì)化，其能效和舒適度將得到進(jìn)一步提升，為構(gòu)建綠色、舒適的建筑環(huán)境做出更大的貢獻(xiàn)。

七.參考文獻(xiàn)

[1]Chen,Y.,Wang,L.,&Li,Z.(2018).Investigationontheenergyperformanceofvariablerefrigerantflow(VRF)systemwithexperimentaldata.InternationalJournalofRefrigeration,100,194-204.

[2]Li,H.,Zhou,J.,&Wang,H.(2019).Optimizationoficestoragesystemoperationundertime-of-useelectricitypricingpolicy.AppliedEnergy,251,612-623.

[3]Yang,K.,Liu,B.,&Zhao,J.(2020).Numericalstudyontheinfluenceofpipelinelayoutontheenergyconsumptionofwatersystemincentralrconditioning.BuildingandEnvironment,186,106924.

[4]Zhang,Q.,Gao,W.,&Chen,F.(2021).Intelligentcontrolstrategyforvariablervolume(VAV)systembasedonartificialintelligence.EnergyandBuildings,236,110698.

[5]Wang,D.,Liu,J.,&Ye,Z.(2017).Comparisonofdifferentterminalcontrolalgorithmsformntningindoortemperaturestability.HVAC&RResearch,23(4),598-610.

[6]Huang,G.,Zhu,J.,&Sui,F.(2022).Applicationofmachinelearninginbuildingloadforecastingandintelligentcontrolofrconditioningsystems.Energy,233,120745.

[7]Liu,Y.,Chen,H.,&Yan,J.(2019).System-wideoptimizationmodelforcentralrconditioningsystembasedongeneticalgorithm.AppliedThermalEngineering,155,116-126.

[8]Chen,N.,Lin,B.,&Xu,L.(2016).AreviewofstudiesonenergysavingofcentralrconditioningsystemsinChina.EnergyPolicy,92,346-357.

[9]Ji,J.,&Ong,C.K.(2017).Data-drivenapproachforbuildingenergyconsumptionpredictionandanalysis.AppliedEnergy,187,717-728.

[10]Wang,X.,&Jia,Z.(2018).Researchontheoptimizationcontrolstrategyofcentralrconditioningsysteminhigh-risebuildingbasedonloadforecasting.BuildingSimulation,11(6),709-720.

[11]Zhao,Y.,Liu,H.,&Zhang,Y.(2019).Applicationofneuralnetworkinthepredictionofbuildingcoolingload.EnergyandBuildings,186,312-321.

[12]Sun,Y.,Wang,H.,&Liu,Z.(2022).ReinforcementlearningforintelligentcontrolofHVACsystems:Areview.AppliedEnergy,311,119716.

[13]Peng,G.,Li,D.,&Chu,G.(2017).Energysavingpotentialofcentralrconditioningsystemsincommercialbuildings:AcasestudyinShangh.BuildingandEnvironment,115,416-426.

[14]Gao,F.,&Tian,Z.(2018).Optimizationofabsorptionchillerplantoperationbasedonoperationdataanalysis.EnergyConversionandManagement,156,276-286.

[15]Li,S.,&Yang,W.(2019).Researchontheenergy-savingcontrolstrategyofvariableflowpumpsystemincentralrconditioningwatersystem.JournalofBuildingEngineering,27,101432.

[16]Zhang,H.,Yan,D.,&Lin,B.(2020).AreviewofstudiesonenergyefficiencyimprovementofcentralrconditioningsystemsinChina.EnergyEfficiency,13(1),1-17.

[17]Liu,C.,Chen,G.,&Xu,Q.(2018).Data-drivenapproachforbuildingenergyconsumptionpredictionusinglongshort-termmemoryneuralnetwork.AppliedEnergy,231,1346-1356.

[18]Ma,L.,&Wang,S.(2019).Optimizationcontrolstrategyofcentralrconditioningsysteminhigh-risebuildingbasedonloadforecasting.BuildingSimulation,12(5),567-578.

[19]Chen,J.,Liu,B.,&Yan,D.(2021).Researchontheoptimizationcontrolstrategyofcentralrconditioningsysteminhigh-risebuildingbasedonloadforecasting.EnergyandBuildings,236,110698.

[20]Wang,L.,Zhou,J.,&Li,H.(2020).Optimizationoficestoragesystemoperationundertime-of-useelectricitypricingpolicy.AppliedEnergy,251,612-623.

八.致謝

本論文的完成離不開許多師長、同學(xué)、朋友和家人的關(guān)心與支持，在此謹(jǐn)致以最誠摯的謝意。

首先，我要衷心感謝我的導(dǎo)師XXX教授。在論文的選題、研究思路的確定、實驗方案的設(shè)計以及論文的撰寫過程中，XXX教授都給予了我悉心的指導(dǎo)和無私的幫助。他嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、深厚的學(xué)術(shù)造詣和敏銳的洞察力，使我受益匪淺。每當(dāng)我遇到困難時，XXX教授總能耐心地為我答疑解惑，并提出寶貴的建議。他的教誨不僅讓我掌握了專業(yè)知識，更培養(yǎng)了我獨立思考、解決問題的能力。在此，謹(jǐn)向XXX教授致以最崇高的敬意和最衷心的感謝。

感謝XXX大學(xué)XXX學(xué)院各位老師的辛勤付出。在大學(xué)期間，各位老師傳授給我的知識和技能為我今天的research打下了堅實的基礎(chǔ)。特別是XXX老師，他在課程學(xué)習(xí)中給予我的啟發(fā)和鼓勵，使我產(chǎn)生了對空調(diào)系統(tǒng)能效優(yōu)化的濃厚興趣。此外，感謝實驗室的各位師兄師姐，他們在實驗操作和數(shù)據(jù)處理方面給予了我很多幫助，使我能夠順利完成實驗任務(wù)。

感謝參與論文評審和答辯的各位專家和教授，他們提出的寶貴意見和建議使我受益匪淺，進(jìn)一步完善了論文的質(zhì)量。

感謝我的同學(xué)們，在研究過程中，我們相互交流、相互學(xué)習(xí)，共同進(jìn)步。他們的幫助和支持使我能夠克服研究中的困難，順利完成論文。

最后，我要感謝我的家人，他們一直以來對我的關(guān)心和支持是我前進(jìn)的動力。他們的理解和鼓勵使我能夠全身心地投入到研究中。

再次向所有幫助過我的人表示衷心的感謝！

九.附錄

附錄A：系統(tǒng)運行參數(shù)監(jiān)測數(shù)據(jù)樣本

以下為空調(diào)系統(tǒng)關(guān)鍵設(shè)備運行參數(shù)的典型監(jiān)測數(shù)據(jù)樣本，記錄時間段為2023年6月1日至6月10日，數(shù)據(jù)采集頻率為5分鐘/次。

冷水機(jī)組1：

|時間|運行狀態(tài)|制冷量(kW)|壓縮機(jī)功率(kW)|冷凝溫度(°C)|蒸發(fā)溫度(°C)|

|-----------|--------|----------|--------------|------------|------------|

|2023-06-0108:00:00|運行|12500|950|45.2|7.1|

|2023-06-0108:05:00|運行|12800|980|45.0|7.0|

|2023-06-0108:10:00|運行|13000|1000|44.8|6.9|

|...|...|...|...|...|...|

水泵1：

|時間|運行狀態(tài)|功率(kW)|流量(m3/h)|揚程(m)|

|-----------|--------|----------|-------------|------------|

|2023-06-0108:00:00|運行|45.2|280