暖通空调在营造舒适的建筑热湿环境中占据重要地位,目前人们不仅追求舒适的室内空气环境,还愈加重视能源利用效率。传统冷却除湿空调因统一处理热湿负荷限制了低品位能源的利用和制冷设备效率的提高。而溶液除湿空调(Liquid Desiccant Air Conditioning,LDAC)可以温、湿度独立控制,提高低品位能源利用效率,净化室内空气环境等,成为近年来暖通空调的研究热点。当前人们对室内舒适环境和空调节能的要求,使LDAC系统动态控制和能耗实时优化尤为重要,现有的控制策略无法兼顾控制性能和系统能效,本文针对这一问题开展LDAC系统动态控制和能效优化研究。主要研究工作和贡献如下:(1)LDAC系统除湿器动态建模研究。针对LDAC系统非线性、热湿耦合特性,本文采用自适应神经模糊推理方法建立除湿器输入输出非线性映射关系,得到除湿器动态模型。通过模型验证,动态模型对温度和湿度的预测相对误差分别在2%和4%以内,满足除湿器出口温度和湿度的动态预测要求。(2)LDAC系统经济模型预测控制与系统能效分析利用经济模型预测控制(Economic Model Predictive Control,EMPC)策略,构造包含系统控制和能耗的目标函数,建立有限时域动态优化问题,利用遗传算法求解动态优化问题。在两种不同工况下仿真,研究LDAC系统的控制性能和能效改善情况。仿真结果表明,EMPC与PI控制相比具有跟踪误差小、响应速度快、能效高等优点;空气状态的设定值以及阶跃变化方向对系统的节能潜力有重要影响,提高冷却装置的COP有助于提升LDAC系统能效。(3)LDAC系统分布式模型预测控制研究研究分布式模型预测控制(Distributed Model Predictive Control,DMPC)对LDAC的控制性能,并与集中式模型预测控制(Centralized Model Predictive Control,CMPC)和分散式模型预测控制(Decentralized Model Predictive Control,DeMPC)比较。结果表明,DMPC在参数设置合适的情况下可以达到与CMPC几乎一致的控制效果,而DeMPC忽略了子系统间的耦合作用信息,对大型复杂系统的控制效果可能不理想。