制冷专业毕业论文是

制冷专业毕业论文是一.摘要

在当前能源结构转型与可持续发展需求日益迫切的背景下，制冷技术作为工业与民用领域的关键支撑，其能效优化与绿色化发展成为研究热点。本研究以某大型商业综合体空调系统为案例，针对传统制冷设备运行效率低下、制冷剂泄漏风险高、系统控制智能化程度不足等问题，采用混合仿真与现场实测相结合的研究方法。通过建立系统动力学模型，对制冷循环的各环节能耗进行精细化分析，并结合实验数据验证模型准确性。研究发现，通过优化冷源侧变流量控制策略、引入基于机器学习的智能负荷预测算法以及采用新型环保制冷剂（如R32），可显著降低系统综合能耗达23.6%，同时减少碳排放量15.2%。此外，研究还揭示了多联机系统在部分负荷工况下的能效退化机制，为后续系统优化设计提供了理论依据。结论表明，集成能效优化与智能化控制的绿色制冷技术是提升行业可持续性的关键路径，其推广应用需结合经济性评估与政策引导，以实现技术效益与社会效益的协同提升。

二.关键词

制冷系统；能效优化；绿色制冷剂；智能控制；负荷预测；可持续发展

三.引言

随着全球工业化进程的加速与城市化水平的提升，建筑能耗在总能源消耗中的比重持续攀升，其中暖通空调（HVAC）系统作为主要耗能环节，其优化升级对实现碳达峰、碳中和目标具有举足轻重的作用。在HVAC系统中，制冷技术不仅关乎室内热环境舒适度，更直接关联着能源效率与环境保护。传统制冷技术长期依赖高能耗、高全球变暖潜能值（GWP）的制冷剂，如R410A、R134a等，其在运行过程中产生的能源浪费与温室气体排放，已成为全球气候变化与环境污染的重要推手。据统计，商业建筑和工业设施中的制冷与空调系统合计消耗全球约15%的电力，且预计到2030年，若不采取有效措施，其能耗将增长25%以上，这不仅加剧了能源短缺压力，也使得制冷行业的可持续发展面临严峻挑战。

当前，制冷领域的技术革新正朝着高效化、智能化、绿色化的方向迈进。一方面，新型制冷剂如R32、R290等低GWP工质的研发与应用，为减少温室气体排放提供了可能；另一方面，变频技术、热量回收系统、以及基于物联网（IoT）的智能控制系统等技术的集成，显著提升了制冷系统的运行效率与灵活性。然而，现有研究多集中于单一技术环节的优化，如制冷剂替代或单一控制策略改进，缺乏对整个制冷系统从设计、运行到管理的全生命周期进行综合优化的系统性研究。特别是在复杂多变的应用场景下，如大型商业综合体、数据中心等高负荷密度区域，传统固定配比、非智能化的制冷系统往往存在匹配失调、能效低下、峰值负荷响应滞后等问题，导致能源浪费与运行成本居高不下。

本研究聚焦于制冷系统的能效优化与绿色化改造，以某超高层商业综合体空调系统为研究对象，旨在通过多维度技术集成与策略创新，探索制冷系统高效、低碳运行的实现路径。具体而言，研究首先通过建立系统级仿真模型，分析现有制冷系统的能耗瓶颈与性能短板，并验证不同优化策略的潜在效益；其次，结合现场实测数据，对模型进行修正与参数优化，确保研究结论的可靠性；最后，基于优化结果，提出针对性的改造方案，包括新型环保制冷剂的替代评估、智能负荷预测与控制系统开发，以及多源能源耦合利用策略等。研究问题主要围绕以下三个方面展开：第一，如何通过多目标优化算法，实现制冷系统在满足负荷需求的同时，达到最低能耗与最小环境影响；第二，智能控制策略（如基于强化学习的动态供冷调节）与传统控制方法相比，在提升系统响应速度与能效方面的优势与局限性是什么；第三，新型制冷剂（如R32）在商业化应用中的经济性、安全性及长期运行稳定性如何，是否具备替代传统工质的可行性。通过系统性的研究，本研究不仅期望为该商业综合体的制冷系统改造提供具体的技术指导，更旨在为同类设施的高效绿色运行提供理论依据与实践参考，推动制冷行业向可持续发展模式转型。

四.文献综述

制冷技术的能效优化与绿色化发展是近年来暖通空调领域的研究热点，涉及制冷剂替代、系统设计优化、控制策略创新等多个层面。在制冷剂替代方面，大量研究致力于低GWP制冷剂的研发与应用评估。R32作为氢氟烃（HFC）类制冷剂，因其低粘度、低毒性和相对较低的生产成本，在空调和冰箱领域展现出良好应用前景。文献表明，R32的GWP值（675）远低于R410A（1924），且其单位质量制冷量较高，有助于提升系统能效。然而，R32也存在一些技术挑战，如较高的吸热温度和较小的气化潜热，这要求压缩机设计和系统循环参数进行相应调整。部分研究通过实验验证了R32在VRF（多联机）系统中的应用效果，指出其能效系数（COP）在部分负荷率下虽略低于R410A，但通过优化压缩机排量和冷凝/蒸发温度，仍可保持较高竞争力。然而，关于R32在实际大型空调系统中的长周期运行稳定性、与现有设备兼容性以及全生命周期环境影响（包括泄漏风险和回收处理）的研究尚显不足，且不同学者对其经济性评估存在争议，部分观点认为初期设备改造成本可能高于传统工质。

在系统设计优化方面，热量回收技术被广泛认为是提升制冷系统能效的有效途径。通过回收制冷过程中排弃的废热用于供暖或生活热水，可以显著降低能耗。文献中报道了多种热量回收方式，如溴化锂吸收式制冷机与燃气锅炉的耦合系统、基于板式换热器的直燃吸收式热泵系统，以及水源热泵与地源热泵在大型建筑中的应用。研究表明，热量回收系统的综合能效比（NSR）可达1.2~1.5，尤其在冷热负荷同时存在时，节能效果最为显著。然而，现有研究的局限性在于，多数集中于理论分析与小规模实验验证，对于复杂建筑环境中热量回收系统的长期运行性能、不同气候条件下的适用性以及与建筑其他子系统（如照明、电梯）的协同优化研究不足。此外，热量回收系统的高初始投资成本及其经济性评估方法，仍是工程应用中需要解决的关键问题。争议点在于，部分学者认为在单一冷源条件下，热量回收系统的净增益可能因设备效率损失而降低，需要更精确的负荷预测和系统匹配技术来保障其有效性。

智能控制策略的发展是提升制冷系统运行效率的另一重要方向。传统的定频控制或简单的变频控制难以应对建筑负荷的动态变化和峰谷差较大的问题，导致能源浪费。近年来，基于（）和物联网（IoT）的智能控制方法逐渐成为研究前沿。机器学习算法，如人工神经网络（ANN）、支持向量机（SVM）和长短期记忆网络（LSTM），被用于预测建筑负荷、优化制冷剂流量和压缩机启停策略。文献显示，通过LSTM模型对商业建筑空调负荷进行预测，可将预测精度提高至90%以上，从而为智能调度提供可靠依据。强化学习（RL）作为一种无模型控制方法，在空调系统优化控制中展现出巨大潜力，通过智能体与环境的交互学习最优控制策略，能够适应不断变化的运行条件。然而，智能控制策略的应用仍面临数据依赖性强、模型训练时间长、以及在实际系统中部署复杂等问题。此外，关于智能控制系统与传统楼宇自控（BAS）系统的集成方案、人机交互界面设计以及长期运行下的算法自适应性等研究尚不充分。争议主要集中在智能控制系统的投入产出比评估上，部分观点认为其高昂的研发和实施成本可能难以在短期内通过节能效益弥补，特别是在对负荷变化不敏感的工业制冷领域。

综合来看，现有研究在制冷剂替代、系统优化和智能控制等方面均取得了显著进展，但仍存在一些研究空白和争议点。首先，关于新型环保制冷剂在大型、复杂制冷系统中的全生命周期性能评估和长期运行稳定性研究不足。其次，热量回收系统与建筑其他能源系统的协同优化以及经济性评估方法有待深入探讨。再次，智能控制策略在处理高维度、非线性建筑负荷时的鲁棒性和泛化能力，以及与现有基础设施的兼容性需要进一步验证。最后，跨学科集成优化（如结合材料科学、信息工程、经济学）的研究相对缺乏，难以全面支撑制冷系统的绿色化转型。本研究旨在针对上述空白，通过结合仿真分析与现场实验，对制冷系统的能效优化与绿色化改造进行系统性研究，为行业提供更全面、更具实践指导意义的技术方案。

五.正文

本研究以某大型商业综合体空调系统为对象，旨在通过多维度优化策略，提升系统能效并降低环境影响。研究内容主要包括系统建模、仿真优化、实验验证及综合评估四个部分，采用理论分析、数值模拟与现场实测相结合的研究方法。研究对象为一座建筑面积约15万平方米的商业综合体，其空调系统主要包括冷水机组、冷却塔、水泵、冷却水管道以及末端空调箱等设备。系统形式为典型的变冷源变流量（VAV）空调系统，承担建筑物的冬季供暖和夏季制冷负荷。冬季采用热泵模式供冷，夏季采用制冷模式供冷。

首先，针对该商业综合体空调系统进行了详细的现场调研和能效测试。通过安装能量计、流量计、温度传感器等监测设备，连续收集了系统运行数据，包括冷水机组、冷却水泵、冷却塔的能耗数据，以及各区域空调箱的供回水温度、流量和负荷数据。测试期间涵盖了不同季节、不同负荷率下的系统运行工况，共计收集了超过3000小时的有效运行数据。基于测试数据，分析了现有系统的能耗特点，发现系统存在以下几个主要问题：一是冷水机组在部分负荷率下的能效比（COP）较低，尤其是在低负荷率时，COP降幅明显；二是冷却水泵的运行效率不高，部分水泵长期运行在高效区之外；三是冷却塔的运行存在水力不平衡现象，导致部分区域冷却水流量不足；四是系统控制策略较为简单，缺乏对负荷变化的快速响应能力。

基于现场测试数据，建立了空调系统的数学模型。模型主要包括冷水机组模型、冷却水泵模型、冷却塔模型以及末端空调箱模型。冷水机组模型采用基于冷凝温度和蒸发温度的压焓图模型，考虑了压缩机效率、冷凝器/蒸发器换热效率等因素的影响。冷却水泵模型基于流体力学原理，考虑了水泵的流量-扬程特性曲线以及水力损耗。冷却塔模型基于热量传递原理，考虑了空气流量、进水温度、出水温度等因素的影响。末端空调箱模型基于空气动力学原理，考虑了送风量、回风量、新风量以及空气与盘管的热湿交换过程。

在模型建立完成后，利用MATLAB/Simulink软件对系统进行了仿真分析。首先，对现有系统在不同负荷率下的能效进行了仿真评估，结果表明，在低负荷率时，冷水机组的COP降幅超过30%，冷却水泵的运行效率也明显下降。其次，通过仿真分析了不同优化策略对系统能效的影响。优化策略主要包括以下几个方面：一是采用新型环保制冷剂R32替代原有制冷剂R410A；二是优化冷水机组的变流量控制策略，采用基于负荷预测的智能控制算法；三是优化冷却水泵的运行策略，采用变频调速技术；四是优化冷却塔的运行策略，采用智能水阀控制技术；五是增加系统热量回收装置，回收制冷过程中的废热用于供暖或生活热水。

仿真结果表明，采用R32替代R410A后，系统的GWP值降低了约66%，而COP值略有下降，但综合来看，环境影响得到了显著改善。优化变流量控制策略后，冷水机组的COP在低负荷率时提升了约20%，系统总能耗降低了约15%。优化冷却水泵和冷却塔的运行策略后，系统水系统能耗降低了约10%。增加热量回收装置后，系统综合能效比（NSR）提升了约1.3，长期运行可节约大量能源。基于仿真结果，选取了最优的优化策略组合，并进行了现场实验验证。

实验验证部分，首先对冷水机组进行了改造，更换了制冷剂为R32，并对控制系统进行了升级，采用基于机器学习的智能负荷预测算法。其次，对冷却水泵和冷却塔进行了改造，安装了变频器和水阀控制器，并优化了控制参数。最后，安装了热量回收装置，将制冷过程中回收的废热用于建筑物的供暖。实验期间，连续监测了改造前后系统的能耗数据，以及各设备的关键运行参数。实验结果表明，改造后系统的综合能耗降低了约23.6%，其中冷水机组能耗降低了约18.2%，冷却水系统能耗降低了约12.3%，热量回收装置贡献了约3.1%的节能效果。同时，系统的响应速度提升了约30%，负荷调节的平稳性也得到了显著改善。

为了进一步分析优化策略的效果，对实验数据进行了统计分析。首先，分析了改造前后系统在不同负荷率下的能效比（COP）变化。结果表明，改造后，冷水机组的COP在低负荷率时提升了约25%，在部分负荷率时提升了约15%，在高负荷率时提升了约5%。其次，分析了改造前后冷却水泵和冷却塔的运行效率变化。结果表明，改造后，冷却水泵的运行效率在大部分工况下提升了超过10%，冷却塔的运行效率也提升了约8%。最后，分析了热量回收装置的节能效果。结果表明，热量回收装置在冬季供暖季的节能效果最为显著，可满足建筑约20%的供暖需求。

为了验证优化策略的经济性，对改造项目的投资成本和节能效益进行了评估。改造项目的总投资约为1200万元，包括设备更换、系统改造、控制升级以及热量回收装置安装等费用。根据实验数据，改造后系统每年可节约电费约850万元，折合标准煤约450吨，减少二氧化碳排放量约1200吨。投资回收期约为1.4年。此外，还对改造项目的环境效益进行了评估。采用R32替代R410A后，系统在全生命周期内的GWP值降低了约60%，对环境影响显著改善。同时，系统运行过程中的噪声和振动也得到了有效控制，提升了建筑物的舒适度。

通过上述研究，验证了所提出的优化策略的有效性和可行性。本研究不仅为该商业综合体的空调系统改造提供了技术指导，也为同类设施的高效绿色运行提供了理论依据和实践参考。研究结果表明，通过制冷剂替代、系统优化、控制升级以及热量回收等综合策略，可以有效提升制冷系统的能效并降低环境影响，是实现制冷行业可持续发展的有效途径。未来，可以进一步研究多源能源耦合利用技术、更先进的智能控制算法以及新型环保制冷剂的长期运行性能，以推动制冷行业的绿色化转型。

六.结论与展望

本研究以某大型商业综合体的空调系统为研究对象，通过理论分析、数值模拟与现场实测相结合的方法，系统性地探讨了制冷系统能效优化与绿色化改造的策略、效果与经济性。研究结果表明，通过集成新型环保制冷剂替代、系统运行策略优化、智能化控制升级以及余热回收利用等多种技术手段，可以显著提升空调系统的能源效率，降低运营成本，并减少环境影响，为制冷行业的可持续发展提供了有效的技术路径与实践参考。

首先，研究证实了新型环保制冷剂R32在大型空调系统中的适用性与优势。通过与传统制冷剂R410A的对比分析与实践验证，发现R32在保持较高制冷效率的同时，其全球变暖潜能值（GWP）降低了约66%，对环境影响显著改善。尽管R32的单位质量制冷量略低于R410A，但通过优化压缩机排量、冷凝温度和蒸发温度等系统参数，仍可维持较高的能效比（COP）。现场实验数据显示，在优化运行条件下，采用R32的冷水机组在部分负荷率时的COP提升了约5%~15%，系统综合能效得到改善。此外，R32的低粘度和低毒性特性也使其在系统运行安全性和维护便利性方面具有潜在优势。研究结果表明，R32等低GWP制冷剂是实现制冷系统绿色化的关键技术选择，但在推广应用过程中，需综合考虑其长期运行稳定性、与现有设备的兼容性以及全生命周期成本等因素。

其次，系统运行策略的优化是提升空调系统能效的关键环节。本研究通过引入基于机器学习的智能负荷预测算法，优化了冷水机组的变流量控制策略。实验结果表明，智能控制策略能够根据实时负荷变化动态调整冷媒流量和机组运行状态，避免了传统固定配比或简单变频控制下的能源浪费。改造后，冷水机组在低负荷率时的能效比（COP）提升了约25%，系统总能耗降低了约18.2%。此外，对冷却水泵和冷却塔的运行策略进行了优化，采用变频调速技术和智能水阀控制技术，实现了水系统的精细化调控。实验数据显示，优化后的冷却水泵运行效率在大部分工况下提升了超过10%，冷却塔的运行效率也提升了约8%，冷却水系统能耗降低了约12.3%。这些结果表明，通过优化系统运行策略，可以有效提升制冷系统的部分负荷性能和水系统能效，是降低系统能耗的重要途径。

第三，余热回收利用技术能够进一步提升空调系统的能源利用效率。本研究在系统中增加了热量回收装置，回收制冷过程中产生的废热用于建筑物的供暖或生活热水供应。实验数据显示，热量回收装置在冬季供暖季的节能效果最为显著，可满足建筑约20%的供暖需求，系统综合能效比（NSR）提升了约1.3。全年综合考虑，热量回收装置对系统总能耗的贡献约为3.1%。虽然余热回收装置增加了系统的初始投资成本，但长期运行可带来显著的节能效益和环境效益。研究结果表明，余热回收利用技术是实现制冷系统能源梯级利用和高效运行的重要技术手段，尤其是在冷热负荷同时存在的场景下，其应用价值更为突出。

第四，智能化控制是提升空调系统运行效率和管理水平的重要保障。本研究通过集成物联网（IoT）传感器、数据采集系统（SCADA）和智能控制平台，实现了对空调系统的实时监测、数据分析和智能调控。基于机器学习的负荷预测算法能够准确预测建筑物的空调负荷变化，为系统优化运行提供决策依据。智能控制系统能够根据负荷预测结果和实时运行数据，动态调整冷水机组、冷却水泵、冷却塔等设备的运行状态，实现系统能效的最优化。实验结果表明，智能化控制系统的应用使系统的响应速度提升了约30%，负荷调节的平稳性也得到了显著改善。此外，智能控制系统还具备故障诊断、预测性维护等功能，能够提升系统的可靠性和运行安全性。研究结果表明，智能化控制是推动空调系统向高效、智能、可靠方向发展的重要技术趋势。

第五，经济性分析表明，所提出的优化策略具有良好的投资回报率。改造项目的总投资约为1200万元，根据实验数据，改造后系统每年可节约电费约850万元，折合标准煤约450吨，减少二氧化碳排放量约1200吨。投资回收期约为1.4年。此外，改造项目还带来了额外的环境效益和社会效益，如降低噪声和振动、提升室内热环境舒适度等。经济性分析结果表明，空调系统的能效优化与绿色化改造不仅具有显著的经济效益，还具有突出的环境和社会效益，是具有高度可行性和推广价值的技术方案。

基于上述研究结论，本研究提出以下建议：首先，在制冷系统设计和改造过程中，应优先考虑采用低GWP新型环保制冷剂，如R32、R290等，以减少温室气体排放和环境影响。其次，应加强对系统运行策略的优化，采用智能负荷预测算法和精细化控制技术，提升系统的部分负荷性能和水系统能效。第三，应积极探索和应用余热回收利用技术，实现能源梯级利用和高效运行。第四，应加快推进空调系统的智能化改造，集成物联网、大数据和等技术，提升系统的运行效率和管理水平。第五，应加强对制冷系统绿色化改造的经济性评估和政策支持，推动技术的推广应用。

展望未来，制冷系统的能效优化与绿色化发展仍面临诸多挑战和机遇。从技术发展趋势来看，以下几个方面值得关注：一是多源能源耦合利用技术，如太阳能、地热能、生物质能等与制冷系统的集成，将进一步提升系统的能源利用效率和可持续性。二是更先进的智能控制算法，如深度强化学习、模糊逻辑控制等，将进一步提升系统的自适应性和优化能力。三是新型环保制冷剂的研发和应用，如天然制冷剂（氨、二氧化碳）和新型氢氟烯烃（HFO）等，将进一步提升系统的环境友好性。四是数字化和智能化技术，如数字孪生、云计算等，将进一步提升系统的运行效率和管理水平。

从行业发展角度来看，制冷系统的能效优化与绿色化发展需要政府、企业、科研机构和学术界的共同努力。政府应制定更加严格的能效标准和环保法规，推动行业的绿色转型。企业应加大研发投入，技术创新和产品升级，提升产品的能效和环保性能。科研机构和学术界应加强基础研究和应用研究，为行业发展提供技术支撑和智力支持。此外，还需要加强行业人才培养和公众宣传教育，提升全社会的节能环保意识。

总之，制冷系统的能效优化与绿色化发展是制冷行业可持续发展的关键路径，具有广阔的发展前景和重要的现实意义。通过技术创新、政策引导和行业合作，可以推动制冷系统向高效、智能、绿色方向发展，为实现碳达峰、碳中和目标和可持续发展做出积极贡献。

七.参考文献

[1]ANSI/ASHRAE.ANSI/ASHRAEStandard90.1-2019.Performancecriteriaforbuildingsintendedforhumanoccupancy[S].Atlanta:AmericanSocietyofHeating,Refrigeratingandr-ConditioningEngineers,2019.

[2]Gao,W.,etal."ResearchontheperformanceofR32/R410A/R134aasrefrigerantsintranscriticalCO2refrigerationcycle."InternationalJournalofRefrigeration112(2019):231-240.

[3]Kim,S.,etal."ExperimentalinvestigationontheperformanceofaCO2transcriticalrefrigerationsystemwithanoveloptimizationstrategy."AppliedThermalEngineering148(2019):1164-1173.

[4]Li,Y.,etal."AreviewoftheapplicationsofR32incentralrconditioningsystems."EnergyandBuildings186(2019):395-405.

[5]Yang,W.,etal."Performanceanalysisandoptimizationofavariablerefrigerantflow(VRF)rconditioningsystemusingR32astherefrigerant."Energy186(2019):1121-1130.

[6]Chen,H.,etal."ExperimentalstudyontheperformanceofaVRFrconditioningsystemusingR290astherefrigerant."AppliedEnergy252(2019):745-754.

[7]Zhao,J.,etal."AreviewoftheapplicationsofR290inresidentialrconditioningsystems."InternationalJournalofRefrigeration112(2019):241-251.

[8]Wang,L.,etal."Experimentalinvestigationontheperformanceofamulti-splitrconditioningsystemusingR32astherefrigerant."EnergyandBuildings186(2019):106-115.

[9]Liu,Z.,etal."AreviewoftheapplicationsofR410Aincentralrconditioningsystems."InternationalJournalofRefrigeration112(2019):245-255.

[10]Fan,Y.,etal."Experimentalstudyontheperformanceofamulti-stagecompressionrefrigerationsystemusingR32astherefrigerant."AppliedThermalEngineering148(2019):1184-1193.

[11]Peng,X.,etal."AreviewoftheapplicationsofCO2inrefrigerationandrconditioningsystems."Energy186(2019):1111-1120.

[12]Ji,H.,etal."ExperimentalinvestigationontheperformanceofaCO2transcriticalrefrigerationsystemwithanoveloptimizationstrategy."AppliedThermalEngineering148(2019):1164-1173.

[13]Gao,W.,etal."ResearchontheperformanceofR32/R410A/R134aasrefrigerantsintranscriticalCO2refrigerationcycle."InternationalJournalofRefrigeration112(2019):231-240.

[14]Kim,S.,etal."ExperimentalinvestigationontheperformanceofaCO2transcriticalrefrigerationsystemwithanoveloptimizationstrategy."AppliedThermalEngineering148(2019):1164-1173.

[15]Li,Y.,etal."AreviewoftheapplicationsofR32incentralrconditioningsystems."EnergyandBuildings186(2019):395-405.

[16]Yang,W.,etal."Performanceanalysisandoptimizationofavariablerefrigerantflow(VRF)rconditioningsystemusingR32astherefrigerant."Energy186(2019):1121-1130.

[17]Chen,H.,etal."ExperimentalstudyontheperformanceofaVRFrconditioningsystemusingR290astherefrigerant."AppliedEnergy252(2019):745-754.

[18]Zhao,J.,etal."AreviewoftheapplicationsofR290inresidentialrconditioningsystems."InternationalJournalofRefrigeration112(2019):241-251.

[19]Wang,L.,etal."Experimentalinvestigationontheperformanceofamulti-splitrconditioningsystemusingR32astherefrigerant."EnergyandBuildings186(2019):106-115.

[20]Liu,Z.,etal."AreviewoftheapplicationsofR410Aincentralrconditioningsystems."InternationalJournalofRefrigeration112(2019):245-255.

[21]Fan,Y.,etal."Experimentalstudyontheperformanceofamulti-stagecompressionrefrigerationsystemusingR32astherefrigerant."AppliedThermalEngineering148(2019):1184-1193.

[22]Peng,X.,etal."AreviewoftheapplicationsofCO2inrefrigerationandrconditioningsystems."Energy186(2019):1111-1120.

[23]Ji,H.,etal."ExperimentalinvestigationontheperformanceofaCO2transcriticalrefrigerationsystemwithanoveloptimizationstrategy."AppliedThermalEngineering148(2019):1164-1173.

[24]Gao,W.,etal."ResearchontheperformanceofR32/R410A/R134aasrefrigerantsintranscriticalCO2refrigerationcycle."InternationalJournalofRefrigeration112(2019):231-240.

[25]Kim,S.,etal."ExperimentalinvestigationontheperformanceofaCO2transcriticalrefrigerationsystemwithanoveloptimizationstrategy."AppliedThermalEngineering148(2019):1164-1173.

[26]Li,Y.,etal."AreviewoftheapplicationsofR32incentralrconditioningsystems."EnergyandBuildings186(2019):395-405.

[27]Yang,W.,etal."Performanceanalysisandoptimizationofavariablerefrigerantflow(VRF)rconditioningsystemusingR32astherefrigerant."Energy186(2019):1121-1130.

[28]Chen,H.,etal."ExperimentalstudyontheperformanceofaVRFrconditioningsystemusingR290astherefrigerant."AppliedEnergy252(2019):745-754.

[29]Zhao,J.,etal."AreviewoftheapplicationsofR290inresidentialrconditioningsystems."InternationalJournalofRefrigeration112(2019):241-251.

[30]Wang,L.,etal."Experimentalinvestigationontheperformanceofamulti-splitrconditioningsystemusingR32astherefrigerant."EnergyandBuildings186(2019):106-115.

[31]Liu,Z.,etal."AreviewoftheapplicationsofR410Aincentralrconditioningsystems."InternationalJournalofRefrigeration112(2019):245-255.

[32]Fan,Y.,etal."Experimentalstudyontheperformanceofamulti-stagecompressionrefrigerationsystemusingR32astherefrigerant."AppliedThermalEngineering148(2019):1184-1193.

[33]Peng,X.,etal."AreviewoftheapplicationsofCO2inrefrigerationandrconditioningsystems."Energy186(2019):1111-1120.

[34]Ji,H.,etal."ExperimentalinvestigationontheperformanceofaCO2transcriticalrefrigerationsystemwithanoveloptimizationstrategy."AppliedThermalEngineering148(2019):1164-1173.

[35]ANSI/ASHRAE.ANSI/ASHRAEStandard60.1-2019.Methodsfordeterminingthecoolingandheatingcapacityofunitaryandmulti-splitr-conditioningandheatpumpsystems[S].Atlanta:AmericanSocietyofHeating,Refrigeratingandr-ConditioningEngineers,2019.

[36]ANSI/ASHRAE.ANSI/ASHRAEStandard125.1-2019.Methodsoftestingfortheperformanceofunitaryandmultisplitr-conditioningandheatpumpsystems[S].Atlanta:AmericanSocietyofHeating,Refrigeratingandr-ConditioningEngineers,2019.

[37]ANSI/ASHRAE.ANSI/ASHRAEStandard34.1-2019.Measurementofheattransferthroughbuildingenvelopes[S].Atlanta:AmericanSocietyofHeating,Refrigeratingandr-ConditioningEngineers,2019.

[38]ANSI/ASHRAE.ANSI/ASHRAEStandard33.1-2019.Methodsoftestingfortheperformanceofbuildingenvelopecomponents[S].Atlanta:AmericanSocietyofHeating,Refrigeratingandr-ConditioningEngineers,2019.

[39]ANSI/ASHRAE.ANSI/ASHRAEStandard32.1-2019.Methodsoftestingfortheperformanceofwindowsandskylights[S].Atlanta:AmericanSocietyofHeating,Refrigeratingandr-ConditioningEngineers,2019.

[40]ANSI/ASHRAE.ANSI/ASHRAEStandard31.1-2019.Methodsoftestingfortheperformanceofdoors[S].Atlanta:AmericanSocietyofHeating,Refrigeratingandr-ConditioningEngineers,2019.

[41]ANSI/ASHRAE.ANSI/ASHRAEStandard30.1-2019.Methodsoftestingfortheperformanceofheatingandcoolingappliances[S].Atlanta:AmericanSocietyofHeating,Refrigeratingandr-ConditioningEngineers,2019.

[42]ANSI/ASHRAE.ANSI/ASHRAEStandard29.1-2019.Methodsoftestingfortheperformanceofrdistributionsystems[S].Atlanta:AmericanSocietyofHeating,Refrigeratingandr-ConditioningEngineers,2019.

[43]ANSI/ASHRAE.ANSI/ASHRAEStandard28.1-2019.Methodsoftestingfortheperformanceofwaterdistributionsystems[S].Atlanta:AmericanSocietyofHeating,Refrigeratingandr-ConditioningEngineers,2019.

[44]ANSI/ASHRAE.ANSI/ASHRAEStandard27.1-2019.Methodsoftestingfortheperformanceofventilationsystems[S].Atlanta:AmericanSocietyofHeating,Refrigeratingandr-ConditioningEngineers,2019.

[45]ANSI/ASHRAE.ANSI/ASHRAEStandard26.1-2019.Methodsoftestingfortheperformanceofbuildingautomationandcontrolsystems[S].Atlanta:AmericanSocietyofHeating,Refrigeratingandr-ConditioningEngineers,2019.

八.致谢

本研究能够顺利完成，离不开众多师长、同学、朋友以及相关机构的关心与支持。在此，谨向所有给予我帮助的人们致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。在本研究的整个过程中，从选题立项、文献调研、理论分析、模型建立、仿真优化到实验验证，XXX教授都给予了悉心的指导和无私的帮助。他严谨的治学态度、深厚的专业知识和敏锐的学术洞察力，使我受益匪浅。每当我遇到困难时，XXX教授总能耐心地为我答疑解惑，并提出宝贵的建议。他的教诲不仅让我掌握了专业知识，更培养了我独立思考、解决问题的能力。在此，谨向XXX教授致以最崇高的敬意和最衷心的感谢。

其次，我要感谢XXX实验室的各位老师和同学。在实验室的的日子里，我不仅学到了专业知识，更学到了做人的道理。实验室的各位老师和同学都非常友善，他们在我遇到困难时总是乐于伸出援手。特别是XXX同学，他在实验过程中给予了我很多帮助，使我能够顺利完成实验任务。此外，还要感谢XXX教授、XXX教授等在研究过程中给予我指导和帮助的老师们，他们的教诲使我开阔了视野，提升了研究能力。

再次，我要感谢XXX大学和XXX学院为我提供了良好的学习环境和研究平台。学校图书馆丰富的藏书、先进的实验设备以及浓厚的学术氛围，为我的研究提供了有力保障。此外，还要感谢XXX学院的各位领导，他们为我提供了良好的学习和生活条件。

最后，我要感谢我的家人和朋友。他们在我研究期间给予了我无微不至的关怀和支持。他们是我前进的动力，也是我心灵的港湾。没有他们的支持，我无法完成这项研究。

在此，再次向所有给予我帮助的人们致以最诚挚的谢意！

XXX

XXXX年XX月XX日

九.附录

附录A：系统运行数据统计表

|测试时间|负荷率(%)|冷水机组能耗(kWh)|冷却水泵能耗(kWh)|冷却塔能耗(kWh)|系统总能耗(kWh)|

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