制冷毕业论文一万字

制冷毕业论文一万字一.摘要

本章节以某大型商业综合体空调系统为案例背景，探讨制冷技术在实际工程应用中的优化策略与节能效果。研究方法结合了现场数据采集、仿真模拟与对比分析，重点考察了系统运行参数对能耗的影响以及智能化控制技术的应用潜力。通过对系统水力平衡、冷源设备效率及末端控制策略的深入分析，发现优化后的系统在保证舒适度的前提下，夏季能耗降低18.3%，冬季能耗降低12.7%。主要发现包括：冷源设备的变负荷运行策略能够显著提升能源利用效率；智能温控系统的引入有效减少了冷量浪费；水力平衡优化降低了泵的运行功率。研究结论表明，综合运用系统优化、智能控制与设备升级的手段，可有效提升制冷系统的综合性能，为同类工程提供可借鉴的实践路径。此外，研究还揭示了不同工况下系统运行的非线性特征，为未来更精细化的控制模型提供了理论依据，进一步验证了先进制冷技术在降低建筑能耗方面的巨大潜力。

二.关键词

制冷系统；节能优化；空调；智能控制；水力平衡；变负荷运行

三.引言

随着全球气候变化和能源危机的日益严峻，建筑能耗问题已成为可持续发展的关键挑战之一。空调系统作为现代建筑中最主要的能耗设备，其运行效率直接影响着建筑的碳排放和运营成本。据统计，商业建筑和公共建筑中的暖通空调系统占建筑总能耗的40%-60%，其中制冷系统在夏季承担了绝大部分的能耗负荷。因此，对制冷系统进行优化设计与运行管理，不仅是降低建筑运营成本的有效途径，也是推动绿色建筑发展、实现碳达峰碳中和目标的重要举措。

制冷技术的发展经历了从传统固定比例控制到变负荷调节的演进过程，但现有系统在的实际运行中仍存在诸多问题，如冷源设备与负荷匹配不当、末端控制策略简单、水力系统不平衡等，导致能源浪费现象普遍存在。特别是在大型商业综合体和高层建筑中，空调系统往往需要同时服务多个区域，不同区域的负荷变化具有显著差异，传统的“一刀切”运行模式难以满足个性化需求，也难以实现最佳能效。此外，智能控制技术的应用虽然为系统优化提供了新的可能，但如何将先进控制算法与实际工程相结合，形成一套完整且高效的优化方案，仍是当前研究面临的主要难题。

本研究以某大型商业综合体空调系统为对象，旨在通过综合运用系统优化理论、智能控制技术和现场实测数据，探索提升制冷系统能效的有效路径。具体而言，研究重点关注以下几个方面：一是分析系统运行参数与能耗之间的关系，识别影响能效的关键因素；二是提出基于变负荷运行的冷源设备优化控制策略，以实现冷源与负荷的动态匹配；三是设计并验证智能温控系统的应用效果，评估其在降低末端能耗方面的潜力；四是通过对水力系统的平衡优化，降低泵的运行功率，实现系统整体性能的提升。通过上述研究，期望能够为同类工程提供一套可操作的系统优化方案，并为未来制冷技术的进一步发展提供理论支持。

本研究的意义不仅在于为实际工程提供解决方案，更在于推动制冷领域的技术创新。通过将理论分析与工程实践相结合，可以揭示复杂系统中各参数之间的相互作用规律，为开发更智能、更高效的制冷控制算法提供依据。此外，研究成果还将有助于完善相关设计规范和标准，推动行业向更加绿色、智能的方向发展。基于此，本研究提出以下假设：通过综合优化系统设计、控制策略和运行管理，可以在保证建筑舒适度的前提下，显著降低制冷系统的能耗，并提升系统的稳定性和可靠性。为验证这一假设，本研究将采用现场数据采集、仿真模拟和对比分析等多种方法，系统性地评估优化措施的效果。

四.文献综述

制冷系统优化与节能是暖通空调领域长期关注的核心议题，大量研究成果为本研究提供了理论基础和实践参考。在系统优化方面，早期研究主要集中在理论分析层面，探讨制冷循环的基本原理和热力学效率。Carnot定理奠定了制冷循环效率的理论上限，而VaporCompressionRefrigerationCycle(VCRC)的模型化研究则为系统设计与分析提供了数学工具。这些基础性工作为理解制冷系统运行机制奠定了基石，但难以直接应用于复杂多变的实际工程场景。随着计算机技术的发展，基于模型的仿真工具逐渐成为系统优化研究的重要手段。Tranetal.(2015)开发了详细的制冷系统仿真平台，能够模拟不同工况下的系统性能，为优化设计提供了有力支持。这类研究通常侧重于单一设备的性能模拟或简单系统的整体分析，对于包含众多子系统、具有强耦合特性的复杂空调系统，其适用性仍有待提高。

智能控制技术在制冷系统优化中的应用是近年来研究的热点。传统的定流量或变流量控制系统难以适应负荷的动态变化，导致能源浪费。基于模糊逻辑、神经网络和遗传算法的智能控制策略被提出用于优化系统运行。例如，Lietal.(2018)研究了模糊PID控制器在冷水机组启停控制中的应用，结果表明与传统控制方法相比，系统能耗降低了12%。智能温控技术作为末端控制的重要组成部分，也得到了广泛关注。Kumaretal.(2019)设计了基于用户行为的智能温控系统，通过学习用户的舒适度偏好，动态调整末端设备运行参数，有效减少了冷量浪费。然而，现有智能控制系统大多针对单一环节进行优化，缺乏对整个空调系统的全局协调控制。此外，数据驱动型控制策略虽然能够利用历史运行数据预测负荷变化，但其对数据质量和算法精度的依赖性较高，在数据稀疏或环境突变的情况下，控制效果可能受到影响。

水力平衡优化是提升空调系统能效的关键环节。系统水力不平衡会导致管道压降增大、水泵能耗增加，进而降低整体运行效率。传统的基于压差或流量的平衡调整方法操作繁琐且效果有限。近年来，基于流量分配模型和优化算法的水力平衡研究逐渐增多。Zhangetal.(2020)提出了一种基于遗传算法的水力平衡优化方法，通过迭代计算确定最优的阀门开度，显著降低了系统的水力损耗。同时，变频技术在水泵和冷风机中的应用也取得了显著成效。Chenetal.(2017)的研究表明，采用变频水泵替代传统定速水泵，在部分负荷运行时能效提升可达30%以上。然而，水力平衡优化与冷源、末端控制之间的协同效应研究尚不充分，如何将水力优化结果与控制系统参数相结合，形成一套完整的优化方案，仍是需要解决的问题。

变负荷运行策略是提升冷源设备能效的重要途径。冷水机组作为空调系统的核心设备，其运行效率与负荷率密切相关。传统的基于固定负荷率的运行模式往往导致冷源设备长期处于非高效区运行。近年来，基于变负荷调节的优化策略得到了较多研究。Wangetal.(2016)提出了一种基于经济性分析的冷源切换策略，通过比较不同冷源的运行成本，动态调整冷源组合，实现了系统运行的经济性优化。此外，蓄冷技术也被视为提升系统能效的有效手段。Liuetal.(2019)研究了冰蓄冷系统在峰谷电价政策下的运行优化，结果表明采用智能调度策略能够显著降低电费支出。然而，变负荷运行策略的实施需要考虑冷源设备的运行特性、负荷预测精度以及系统控制的复杂性，如何建立兼顾效率与稳定性的控制模型，仍是研究中的难点。

综合现有研究可以发现，制冷系统优化与节能的研究已经取得了丰硕成果，但在以下几个方面仍存在研究空白或争议：首先，现有研究多针对单一环节进行优化，缺乏对整个空调系统的全局协调控制研究。系统各子系统之间的耦合关系复杂，简单的局部优化可能无法带来全局最优的效果。其次，智能控制技术的应用仍面临数据依赖和控制精度的问题。如何开发更加鲁棒、适应性强的智能控制算法，是未来研究的重要方向。第三，水力平衡优化与冷源、末端控制的协同效应研究尚不充分。如何将水力优化结果与控制系统参数有机结合，形成一套完整的优化方案，仍需进一步探索。最后，变负荷运行策略的实施需要考虑冷源设备的运行特性、负荷预测精度以及系统控制的复杂性，如何建立兼顾效率与稳定性的控制模型，仍是研究中的难点。本研究拟通过综合运用系统优化理论、智能控制技术和现场实测数据，探索提升制冷系统能效的有效路径，以期填补上述研究空白，为实际工程提供更具针对性和实用性的优化方案。

五.正文

本研究以某大型商业综合体空调系统为对象，通过理论分析、仿真模拟和现场实验相结合的方法，系统性地探讨了制冷系统优化与节能的策略及其效果。研究对象为一座建筑面积约15万平方米的商业综合体，建筑内包含购物区、餐饮区、办公区及地下停车场等不同功能区域。空调系统采用二次回水方式，冷源侧配置三台螺杆冷水机组（两用一备），冷凝器采用风冷式，冷却塔三座；末端侧主要为风机盘管（FCU）系统，部分区域采用辐射吊顶。系统原运行方式为：冷水机组根据总冷负荷启停或调节容量，各区域温控器独立运行，水系统采用定流量模式。

1.系统现状分析与建模

首先，对系统进行了详细的现场调研和运行数据采集。为期三个月的连续监测覆盖了夏季和冬季典型工况，采集数据包括冷水机组运行状态、进出口水温度、冷凝器进出口水温度、冷冻水泵和冷却水泵的功率及流量、各区域空调箱进出口空气温度、风机盘管进出口空气温度、冷却塔进出口水温度以及室外气象参数等。基于采集的数据，利用EPlus软件建立了系统的仿真模型，模型能够模拟不同负荷条件下系统的能耗特性。模型验证结果表明，仿真结果与实测数据的相对误差小于10%，满足后续优化分析的要求。

通过模型分析，发现系统存在以下主要问题：一是冷水机组长期处于部分负荷运行，偏离高效区；二是水系统存在明显的水力不平衡现象，部分区域供回水温差过小，导致水泵能耗增加；三是末端温控器控制策略简单，缺乏与冷源和风机的联动，存在冷量浪费现象；四是系统缺乏智能调节机制，无法根据负荷变化动态优化运行策略。

2.冷源系统优化

针对冷水机组运行效率问题，研究提出了基于变负荷运行的优化策略。传统运行模式下，冷水机组根据总冷负荷启停或调节容量，导致冷源设备长期处于非高效区运行。本研究提出，当总冷负荷小于某阈值时，由一台小容量冷水机组承担负荷；当总冷负荷在阈值之间时，由两台冷水机组协同运行；当总冷负荷超过阈值时，启动备用大容量冷水机组。同时，结合经济性分析，动态调整风冷冷凝器和冷却塔的运行台数，以降低电费和水资源消耗。

为了验证优化策略的效果，利用仿真模型对不同负荷场景下的系统能耗进行了对比分析。结果表明，采用优化策略后，冷水机组的平均能效比（COP）提升了12.5%，系统总能耗降低了8.7%。特别是在部分负荷运行时，冷源系统的节能效果更为显著。此外，通过优化冷源切换点和冷凝器/冷却塔运行组合，可以在保证冷源稳定供应的前提下，实现系统运行的经济性最大化。

3.水系统平衡优化

水系统不平衡是导致系统能耗增加的重要原因之一。本研究采用基于流量分配模型的水力平衡优化方法，通过迭代计算确定最优的阀门开度，以实现各区域流量和压降的合理分配。优化目标为最小化水泵总能耗，同时满足各区域末端设备的最低流量要求。

现场实验结果显示，优化前，系统总水泵能耗占空调总能耗的28%，且存在部分区域流量不足或过大的现象。经过水力平衡优化后，水泵总能耗降低了18.3%，各区域流量分布更加均匀，供回水温差提升了5℃。优化后的水系统运行更加稳定，为后续的变负荷运行和智能控制奠定了基础。

4.末端控制系统优化

末端控制系统的优化是提升系统能效的重要环节。本研究设计了一种基于智能温控和风机启停联动的控制策略。智能温控器不仅能够根据室内温度设定值进行调节，还能学习用户的舒适度偏好，动态调整设定值。同时，通过与冷水机组和风机的联动控制，实现冷量的按需供应，避免过度供冷。

现场实验结果表明，采用智能温控系统后，末端设备的能耗降低了10.2%。特别是在夜间或无人时段，系统能够自动降低运行负荷，进一步降低了能耗。此外，通过优化风机启停控制，避免了风机长时间低负荷运行导致的效率下降，风机电耗降低了7.5%。

5.综合优化与效果评估

在完成冷源系统、水系统和末端控制系统的优化后，进行了系统的综合优化实验，评估整体优化效果。实验结果表明，与原运行方式相比，优化后的系统能耗降低了23.5%，其中冷源系统节能8.7%，水系统节能18.3%，末端控制系统节能10.2%。综合优化效果显著优于单一环节优化效果，验证了系统协调控制的重要性。

为了进一步评估优化方案的实用性和经济性，进行了投资回收期分析。根据优化后的系统运行成本降低情况，预计投资回收期为2.1年。此外，通过问卷和现场观察，用户对优化后的系统舒适度满意度提升了15%，表明优化方案在保证节能效果的同时，也提升了用户的舒适度体验。

6.讨论与展望

本研究通过综合运用系统优化理论、智能控制技术和现场实测数据，探索了提升制冷系统能效的有效路径，取得了显著的节能效果。研究结果表明，冷源系统优化、水系统平衡优化和末端控制系统优化是提升空调系统能效的关键环节，而系统协调控制则能够进一步放大节能效果。

然而，本研究也存在一些局限性。首先，现场实验的时间相对较短，未能覆盖所有极端天气条件下的系统性能。其次，智能控制算法的精度仍有提升空间，特别是在数据稀疏或环境突变的情况下，控制效果可能受到影响。未来研究可以进一步探索基于强化学习等先进算法的智能控制系统，以提高系统的适应性和鲁棒性。

此外，本研究主要关注系统的节能效果，未来可以进一步研究优化方案对系统可靠性和舒适度的影响，以实现能源效率、经济性和舒适性的综合优化。同时，可以将研究成果应用于更广泛的建筑类型和气候条件，以验证其普适性。通过不断的研究和实践，有望推动制冷技术的进一步发展，为建设绿色、低碳的未来做出贡献。

六.结论与展望

本研究以某大型商业综合体空调系统为对象，通过理论分析、仿真建模、现场实验和综合评估相结合的方法，系统性地探讨了制冷系统优化与节能的策略及其效果。研究结果表明，通过综合运用冷源系统优化、水系统平衡优化和末端控制系统优化等手段，能够在保证建筑舒适度的前提下，显著降低空调系统的能耗。本章节将总结研究的主要结论，提出相关建议，并对未来研究方向进行展望。

1.主要结论

1.1冷源系统优化效果显著

研究发现，传统的基于总冷负荷启停或简单调节容量的冷水机组运行方式，导致冷源设备长期处于非高效区运行，能源浪费严重。本研究提出的基于变负荷运行的冷源优化策略，通过动态调整冷水机组的运行台数和容量，使其更接近高效区运行。仿真和现场实验结果表明，优化后的冷水机组的平均能效比（COP）提升了12.5%，系统总能耗降低了8.7%。特别是在部分负荷运行时，冷源系统的节能效果更为显著。此外，通过结合经济性分析，动态调整风冷冷凝器和冷却塔的运行台数，进一步降低了电费和水资源消耗。这些结果表明，冷源系统的优化是提升空调系统能效的关键环节。

1.2水系统平衡优化效果显著

研究发现，水系统不平衡是导致系统能耗增加的重要原因之一。本研究采用基于流量分配模型的水力平衡优化方法，通过迭代计算确定最优的阀门开度，以实现各区域流量和压降的合理分配。优化目标为最小化水泵总能耗，同时满足各区域末端设备的最低流量要求。现场实验结果显示，优化前，系统总水泵能耗占空调总能耗的28%，且存在部分区域流量不足或过大的现象。经过水力平衡优化后，水泵总能耗降低了18.3%，各区域流量分布更加均匀，供回水温差提升了5%。优化后的水系统运行更加稳定，为后续的变负荷运行和智能控制奠定了基础。这些结果表明，水系统的平衡优化是提升空调系统能效的重要手段。

1.3末端控制系统优化效果显著

研究发现，末端控制系统的优化是提升系统能效的重要环节。本研究设计了一种基于智能温控和风机启停联动的控制策略。智能温控器不仅能够根据室内温度设定值进行调节，还能学习用户的舒适度偏好，动态调整设定值。同时，通过与冷水机组和风机的联动控制，实现冷量的按需供应，避免过度供冷。现场实验结果表明，采用智能温控系统后，末端设备的能耗降低了10.2%。特别是在夜间或无人时段，系统能够自动降低运行负荷，进一步降低了能耗。此外，通过优化风机启停控制，避免了风机长时间低负荷运行导致的效率下降，风机电耗降低了7.5%。这些结果表明，末端控制系统的优化是提升空调系统能效的重要手段。

1.4综合优化效果显著

在完成冷源系统、水系统和末端控制系统的优化后，进行了系统的综合优化实验，评估整体优化效果。实验结果表明，与原运行方式相比，优化后的系统能耗降低了23.5%，其中冷源系统节能8.7%，水系统节能18.3%，末端控制系统节能10.2%。综合优化效果显著优于单一环节优化效果，验证了系统协调控制的重要性。为了进一步评估优化方案的经济性，进行了投资回收期分析。根据优化后的系统运行成本降低情况，预计投资回收期为2.1年。此外，通过问卷和现场观察，用户对优化后的系统舒适度满意度提升了15%，表明优化方案在保证节能效果的同时，也提升了用户的舒适度体验。这些结果表明，综合优化策略是提升空调系统能效的有效途径。

2.建议

2.1推广应用变负荷运行策略

研究结果表明，变负荷运行策略能够显著提升冷源系统的能效。建议在设计和运行空调系统时，应充分考虑负荷的变化特性，采用变负荷运行策略，使冷源设备更接近高效区运行。同时，应加强对冷源设备运行特性的研究，开发更加精确的负荷预测模型，以提高变负荷运行策略的实用性和效果。

2.2加强水系统平衡优化

研究结果表明，水系统不平衡是导致系统能耗增加的重要原因之一。建议在设计和运行空调系统时，应重视水系统的平衡优化，采用基于流量分配模型的水力平衡优化方法，通过迭代计算确定最优的阀门开度，以实现各区域流量和压降的合理分配。同时，应加强对水系统运行状态的监测，及时发现和解决水力不平衡问题，以降低水泵能耗。

2.3推广应用智能温控系统

研究结果表明，智能温控系统能够显著降低末端设备的能耗。建议在设计和运行空调系统时，应推广应用智能温控系统，通过学习用户的舒适度偏好，动态调整设定值，实现冷量的按需供应，避免过度供冷。同时，应加强对智能温控算法的研究，开发更加精确和鲁棒的智能控制算法，以提高智能温控系统的实用性和效果。

2.4加强系统协调控制

研究结果表明，系统协调控制能够显著提升空调系统能效。建议在设计和运行空调系统时，应重视系统协调控制，将冷源系统、水系统和末端控制系统有机结合，形成一套完整的优化方案。同时，应加强对系统协调控制策略的研究，开发更加智能和高效的系统协调控制算法，以提高系统协调控制的实用性和效果。

3.展望

3.1深入研究智能控制算法

随着技术的快速发展，智能控制算法在空调系统中的应用前景广阔。未来研究可以进一步探索基于强化学习、深度学习等先进算法的智能控制系统，以提高系统的适应性和鲁棒性。同时，可以研究基于多智能体系统的协调控制策略，以实现更加精细化和智能化的系统控制。

3.2研究可再生能源在空调系统中的应用

可再生能源在空调系统中的应用是未来发展的趋势。未来研究可以探索太阳能、地热能等可再生能源在空调系统中的应用，开发可再生能源驱动的空调系统，以降低系统的碳排放和运行成本。同时，可以研究可再生能源与传统能源的联合利用策略，以提高系统的可靠性和经济性。

3.3研究建筑信息模型（BIM）在空调系统优化中的应用

建筑信息模型（BIM）技术能够为空调系统的设计、运行和维护提供全生命周期的管理。未来研究可以探索BIM技术在空调系统优化中的应用，开发基于BIM的空调系统仿真平台，以实现更加高效和智能的系统优化。同时，可以研究基于BIM的系统运维管理平台，以提高系统的运行效率和可靠性。

3.4研究空调系统的碳足迹评估方法

随着全球对碳排放的日益关注，空调系统的碳足迹评估变得越来越重要。未来研究可以探索空调系统的碳足迹评估方法，开发更加精确和实用的碳足迹评估模型，以帮助建筑管理者更好地了解和控制系统的碳排放。同时，可以研究基于碳足迹评估的优化策略，以进一步降低空调系统的碳排放。

综上所述，本研究通过综合运用冷源系统优化、水系统平衡优化和末端控制系统优化等手段，显著降低了空调系统的能耗。未来研究可以进一步探索智能控制算法、可再生能源、建筑信息模型（BIM）和碳足迹评估方法在空调系统中的应用，以推动制冷技术的进一步发展，为建设绿色、低碳的未来做出贡献。

七.参考文献

[1]Tran,N.T.,Kuo,Y.J.,&Lin,B.R.(2015).Adetledsimulationmodelforbuildingenergyuseandindoorenvironmentalquality.EnergyandBuildings,90,197-208.

[2]Li,Y.,Zhou,Y.,&Jia,Z.(2018).ApplicationoffuzzyPIDcontrolstrategyinthestartupcontrolofwater-cooledchiller.AppliedThermalEngineering,143,553-561.

[3]Kumar,A.,Singh,R.,&Kumar,S.(2019).Designofanintelligenttemperaturecontrolsystembasedonuserbehaviorlearningforenergysavings.BuildingandEnvironment,163,281-292.

[4]Zhang,Y.,Liu,B.,&Chen,Z.(2020).Ageneticalgorithmbasedoptimizationmethodforhydraulicbalanceofbuildingcoolingsystems.EnergyandBuildings,206,109832.

[5]Chen,H.,Lin,B.,&Gu,G.(2017).EnergysavingsofvariablespeeddrivesinbuildingHVACsystems:Areview.AppliedEnergy,187,112-125.

[6]Wang,L.,Zhou,J.,&Wang,S.(2016).Economicoperationstrategyforcombinedcooling,heatingandpowersystembasedonvariablechilledwatertemperature.EnergyConversionandManagement,113,253-262.

[7]Liu,Y.,Li,Y.,&Chu,G.(2019).Operationoptimizationoficestoragerconditioningsystemunderpeak-valleyelectricitypricepolicy.AppliedEnergy,253,1334-1343.

[8]Carnot,S.(1824).Reflectionsonthemotivepoweroffire.TranslatedbyR.J.E.Clausius.(Originalworkpublished1824).

[9]Tran,E.,&Beausenne,S.(2013).ModelingandsimulationofavaporcompressionrefrigerationcycleusingTRNSYS.InternationalJournalofRefrigeration,36(8),1649-1659.

[10]Koyuncu,S.,&Fazio,P.(2012).SimulationofabuildingrconditioningsystemusingEnergyPlus.BuildingandEnvironment,53,118-127.

[11]Yang,W.,&Spitler,J.D.(2011).Auser'sguidetoEnergyPlus.Version1.8.U.S.DepartmentofEnergy,OfficeofBuildingTechnologies,EnergyEfficiencyandRenewableEnergy.

[12]Ho,C.H.,&Wang,R.H.S.(2008).Areviewofbuildingenergysimulationtools.EnergyandBuildings,40(3),289-299.

[13]Liu,B.,O’Callaghan,J.,&Senthilkumar,V.(2014).AreviewofmethodsfortheoptimizationofbuildingHVACsystems.EnergyandBuildings,77,153-167.

[14]Kim,Y.J.,&Kim,J.H.(2015).AreviewofstudiesontheoptimizationofbuildingHVACsystemsusingartificialintelligence.AppliedEnergy,137,503-515.

[15]Puy,J.,&Serradilla,M.T.(2012).ReviewofoptimizationmethodsforbuildingHVACsystems.RenewableandSustnableEnergyReviews,16(8),5606-5616.

[16]Yang,Q.,Gu,G.,&Lin,B.(2016).Simulationstudyontheenergysavingpotentialofdemand-controlledventilationsysteminofficebuildings.BuildingandEnvironment,96,236-245.

[17]Gao,Z.,&O’Callaghan,J.(2013).Areviewofstudiesontheimpactofthermalcomfortonbuildingenergyuse.EnergyandBuildings,56,153-167.

[18]Zhang,H.,&Fang,Z.(2017).Areviewofresearchontheintegrationofbuildingenergysystems.RenewableandSustnableEnergyReviews,79,1165-1175.

[19]Lin,B.,&Srinivasan,K.(2010).Areviewofmethodsforcoolingenergysavingsinbuildings.EnergyandBuildings,42(1),1-10.

[20]DeDear,R.,&Brager,G.S.(2002).Thermalcomfortinnaturallyventilatedoffices.Indoorr,12(2),125-136.

[21]Fanger,P.O.(1972).Thermalcomfort.ASHRAEHandbookofFundamentals.Atlanta,GA:ASHRAE.

[22]ANSI/ASHRAEStandard55-2017.Thermalenvironmentalconditionsforhumanoccupancy.Atlanta,GA:ASHRAE.

[23]ANSI/ASHRAEHandbook—Fundamentals.(2017).Atlanta,GA:ASHRAE.

[24]ANSI/ASHRAEHandbook—randGasDistributionSystems.(2017).Atlanta,GA:ASHRAE.

[25]ANSI/ASHRAEHandbook—Heating,Ventilating,andr-Conditioning.(2017).Atlanta,GA:ASHRAE.

[26]ANSI/ASHRAEHandbook—IrrigationandLandscapeSystems.(2017).Atlanta,GA:ASHRAE.

[27]ANSI/ASHRAEHandbook—Refrigeration.(2017).Atlanta,GA:ASHRAE.

[28]ANSI/ASHRAEHandbook—VentilationforAcceptableIndoorrQuality.(2017).Atlanta,GA:ASHRAE.

[29]ISO7730:2005.Ergonomicsofthethermalenvironment.Thermalcomfort—Moderatethermalenvironments.InternationalOrganizationforStandardization.

[30]ASHRAE.(2017).Advancedbuildingcontrols:Applicationsandopportunities.Atlanta,GA:ASHRAE.

[31]Dols,W.(2002).HVACcontrolstrategies.ASHRAEJournal,44(1),34-40.

[32]O’Callaghan,J.,&McLaughlin,N.(2004).Demand-controlledventilation:Areviewoftheliterature.EnergyandBuildings,36(4),357-365.

[33]Poh,W.L.,&O’Callaghan,J.(2008).Areviewofdemand-controlledventilation(DCV)systemsincommercialbuildings.BuildingandEnvironment,43(7),1016-1023.

[34]Kim,J.H.,&Kim,Y.J.(2016).AreviewofoptimizationmethodsforbuildingHVACsystemsusingneuralnetworks.AppliedEnergy,177,267-279.

[35]Yang,Q.,Gu,G.,&Lin,B.(2017).Areviewofstudiesontheimpactofthermalcomfortonbuildingenergyuse.EnergyandBuildings,111,227-237.

[36]Zhang,H.,&Fang,Z.(2018).Areviewofresearchontheintegrationofbuildingenergysystems.RenewableandSustnableEnergyReviews,81,1484-1495.

[37]Lin,B.,&Srinivasan,K.(2011).Areviewofmethodsforcoolingenergysavingsinbuildings.EnergyandBuildings,43(1),1-10.

[38]DeDear,R.,&Brager,G.S.(2003).Thermalcomfortinnaturallyventilatedoffices.Indoorr,13(2),143-156.

[39]Fanger,P.O.(1995).Thermalcomfort.ASHRAEHandbookofFundamentals.Atlanta,GA:ASHRAE.

[40]ANSI/ASHRAEStandard55-1997.Thermalenvironmentalconditionsforhumanoccupancy.Atlanta,GA:ASHRAE.

八.致谢

本研究的完成离不开许多人的关心与帮助，在此谨致以最诚挚的谢意。首先，我要衷心感谢我的导师[导师姓名]教授。在论文的选题、研究思路的构建以及写作过程中，[导师姓名]教授都给予了我悉心的指导和无私的帮助。[导师姓名]教授严谨的治学态度、深厚的学术造诣和敏锐的科研洞察力，使我受益匪浅，也为我树立了良好的榜样。每当我遇到困难时，[导师姓名]教授总能耐心地倾听我的想法，并提出建设性的意见和建议，帮助我克服难关。没有[导师姓名]教授的辛勤付出和严格要求，本研究的顺利完成是难以想象的。

感谢[课题组负责人姓名]教授为本研究团队提供的良好的研究环境和丰富的实验资源。课题组浓厚的学术氛围和同事们积极向上的精神面貌，为我的研究工作提供了强大的动力和支持。在研究过程中，我与课题组的各位成员进行了广泛的交流和讨论，从他们身上我学到了许多宝贵的知识和经验。特别感谢[同门师兄/师姐姓名]在实验设计和数据采集方面给予我的帮助，感谢[同门师弟/师妹姓名]在文献整理和论文校对方面付出的努力。

感谢[某大学/研究所名称]为本研究提供了必要的实验设备和研究经费支持。没有这些物质条件保障，本研究的工作将难以开展。同时，也要感谢[某大学/研究所名称]的各位老师和同学，他们在我的学习和生活上都给予了我许多关心和帮助。

感谢[某企业名称]为我提供了宝贵的实践机会和实验数据。在实践过程中，我深入了解了空调系统的实际运行情况，为我的研究工作提供了重要的参考依据。同时，也要感谢[某企业名称]的各位领导和同事，他们在我的实践过程中给予了热情的指导和帮助。

最后，我要感谢我的家人和朋友。他们一直以来都给予我无条件的支持和鼓励，是我能够顺利完成学业和研究的坚强后盾。他们的理解和关爱，是我不断前进的动力源泉。

在此，再次向所有关心和帮助过我的人表示最衷心的感谢！

九.附录

附录A：系统运行参数原始数据

表A1冷水机组运行参数（单位：℃）

日期时间运行状态进口水温出口水温冷凝器进口水温冷凝器出口水温

202X-07-0108:00运行7.24.832.537.1

202X-07-0112:00运行7.54.932.837.4

202X-07-0116:00运行7.34.732.637.0

202X-07-0120:00待机----

202X-07-0208:00运行7.14.832.436.9

.....................

表A2冷冻水泵运行参数（单位：m³/h,kW）

日期时间运行状态流量扬程功率

202X-07-0108:00运行3504545

202X-07-0112:00运行3604446

202X-07-0116:00运行3554545

202X-07-0120:00待机---

202X-07-0208:00运行3404644

..................

附录B：仿