目前在建筑物的年能耗量中,空调系统能耗所占的比例约为50%,在节能问题日益被关注的今天,空调的节能变得十分迫切。一般空调系统都是按照最大冷负荷设计的,但实际运行时,负荷不断变化,统计显示按最大负荷设计的空调系统约有90%时间在80%以下负荷运行。这意味着大部分时间空调系统提供的负荷与实际的负荷需求并不匹配,造成了能源的浪费。已有的控制方法都是将空调系统中的送风、冷冻水、冷却水系统分别构成相对独立的闭环进行控制。由于空调系统是大滞后的系统,根据冷冻水的供回水温差来确定空调末端所需要冷量,将加大空调系统的滞后性,而通过预测未来时刻的负荷,提前对系统进行调整,不但可以按需供冷,减少能量损耗,还可以较好地降低系统的时滞性。研究了空调动态负荷的预测方法,分析了常用预测方法的优缺点,提出了确定空调系统滞后时间的方法。将风系统冷负荷的实际测量值作为负荷的历史数据,利用带动量项变学习速率的神经网络算法,对动态负荷进行了预测,并采用均方根误差和平均相对误差对预测效果进行了评价。研究了模糊离散事件系统的建模方法及FDES自动机的合成。利用基于平均张量的FDES合成方法,对合成进行了优化,使得合成后的隶属度能更好的反映系统的需求,并将FDES的在线控制应用于在空调系统控制中。对负荷和空调各子系统间的关系进行了分析,将空调系统作为一个整体进行控制,确定了冷水机组的最佳负荷分配方案,对各子系统反应负荷变化的量(冷冻水供回水温差、冷却水供回水温差、送回风温差)进行了FDES建模。通过FDES自动机的合成,解模糊化后,确定了风机和泵的控制频率,并给出了系统实现的方案。本文提出的空调节能控制方法,对于空调系统按需供冷,减少能耗,降低时滞性,有一定的实际意义。