近年来，我国的建筑能耗逐年大幅上升，解决建筑能源问题十分迫切。建筑能耗是指建筑内各种用能系统和设备的运行能耗，在一些大中城市，空调的耗电量甚至已经占到了整个城市用电量的20%以上。使用带有蓄冷设备的空调通过在夜间用电低谷时制冰蓄冷，白天用电高峰时融冰释放冷量，能够实现用电的移峰填谷，起到开发低谷用电、优化资源配置、降低建筑能耗的作用。因此研究智能空调能源系统是解决建筑能耗问题的关键之一，而如何最优化地控制空调能源系统，使得用户在经济上达到最大的效益，已经成为了发展冰蓄冷空调的一个重要问题。同时，目前冰蓄冷空调系统常用的控制策略本身的局限导致用户无法获得最高的经济效益。因此，研究智能空调能源系统的最优控制，从而实现建筑节能与节省用电费用的目标，具有重要的理论意义与实用价值。
本论文以冰蓄冷空调系统为研究对象，引入自适应动态规划方法，在对空调冷负荷进行预测的前提下，研究空调能源系统自学习最优运行策略。论文的主要工作和创新点归纳如下：
1. 建立了空调冷负荷预测模型
准确的空调冷负荷预测是冰蓄冷空调系统优化控制的前提，我们根据实际的气温、日照以及空调冷负荷等数据，采用人工神经网络，通过仿真建立了空调冷负荷预测模型，并得到了较好的冷负荷预测结果，为冰蓄冷空调系统自学习最优控制方法研究提供了负荷数据。
2. 提出了一种基于执行依赖启发式动态规划的冰蓄冷空调系统自学习最优控制方法
冰蓄冷空调系统优化控制问题是复杂非线性系统控制问题，自适应动态规划是解决该类问题的一种有效方法，而执行依赖启发式动态规划是其设计类型之一，该类型不需要构造动态系统模型。因此，我们提出了一种基于执行依赖启发式动态规划的冰蓄冷空调系统自学习最优控制方法。在不需要冰蓄冷空调系统数学模型的情况下，所提出的方法能够根据空调冷负荷需求数据以及实时电价数据实现自学习优化，从而得到最优控制结果。我们通过MATLAB进行仿真验证，结果表明，所提出的执行依赖启发式动态规划方法可以显著地降低冰蓄冷空调系统的运行费用。同时，与目前常用的几种优化控制方法相比，所提出方法具有更高的经济效益。
3. 提出了一种基于平行自适应动态规划的冰蓄冷空调系统自学习最优控制方法
为了进一步研究冰蓄冷空调系统的最优控制问题，我们考虑了控制动作连续的情况，基于双迭代自适应动态规划提出了一种新的平行自适应动态规划方法来解决的冰蓄冷空调的最优控制问题。所提出的平行自适应动态规划方法采用了传统自适应动态规划方法中的动作网络和评价网络。通过粒子群优化算法对两个神经网络的权值进行预训练，以加快算法的收敛速度，并得到平行自适应动态规划方法的初值函数，而不是传统自适应动态规划方法中随机初始化权重矩阵。在平行自适应动态规划方法的实现中，使用粒子群优化算法获得每次迭代的目标控制，避免了传统自适应动态规划方法求解非线性方程的缺点。本文还证明了所提出的自学习最优控制算法的收敛性，保证了控制策略的最优性。实验结果表明，所提出的平行自适应动态规划方法能显著地降低冰蓄冷空调系统的运行费用，与传统自适应动态规划方法相比具有更快的收敛速度。