地源热泵系统在运行过程中的投资要远远大于初始设备的投资，并且在运行过程中具有非线性、强耦合、不确定性和能量消耗过大等特点，因此地源热泵系统的运行优化控制也成为了地源热泵系统研究的重点。根据奥林匹克森林公园地源热泵实时监测平台采集到的实验监测数据，对整个系统的节能运行优化进行了研究。　　地源热泵系统整体寻优节能控制的基本思路是建立系统各耗能设备的能耗模型，确定各耗能设备之间的能量耦合关系和系统运行时的约束条件。以系统实时综合能耗最小化为目标，跟踪用户端空调负荷的变化，采用合适的寻优计算方法，实现系统的综合能耗最低。论文主要工作和创新如下:　　一、对奥林匹克森林公园内2A03建筑中的地埋管地源热泵系统的基本原理进行分析，建立地源热泵系统各部分的能耗模型，确定了各耗能设备之间的能量耦合关系，并且对各能耗模型进行研究分析，找出影响各部分能耗性能的主要参数。系统各能耗模块之间会存在耦合现象，所以要降低整个系统的总能耗必须对系统进行综合分析。　　二、针对地源热泵系统强非线性、不确定性等特点，实现了地源热泵系统的多变量控制。系统在运行过程中会存在很多扰动变量，如用户端负荷、钻孔壁温等。在此，选择蒸发器循环侧水流量、冷凝器循环侧水流量、用户侧的供水温度作为优化控制变量，并提供了一种有效地多变量控制方法。　　三、针对地源热泵系统在机理建模过程中存在的非线性、强耦合、公式复杂、变量较多等特点，根据实验平台实时监测采集到的数据，建立地源热泵系统的神经网络预测模型。采用最邻近聚类的方法建立了能够自行确定神经网络隐含层单元个数的自适应神经网络辨识模型。该模型结构简单、收敛速度快、计算量小并且能够建立较为精确地系统模型，能够有效预测系统在下一时刻的输出。　　四、针对地源热泵系统在运行过程中能量消耗过大的问题，综合考虑系统各能耗部分与主要参数变量之间的关系，确定了系统等式和不等式约束条件，建立了地源热泵系统的稳态优化模型，设计了一种自适应粒子群算法的优化控制方法。首先利用最邻近聚类方法对地源热泵系统进行RBF神经网络模型辨识，当用户端温度设定值确定后，系统根据神经网络模型预测出优化控制变量，利用自适应粒子群算法对预测值和实际采集到的数据进行寻优计算，最后根据寻优计算得到的最优值调节变频器和压缩机，使系统在最佳工作点运行，实现系统的节能优化控制。　　针对地源热泵系统运行过程的节能优化问题，研究了系统的能耗模型、神经网络预测模型、系统稳态优化模型，设计了一种基于自适应粒子群优化和最邻近聚类的神经网络预测控制方法。实现了地源热泵系统的运行优化，取得较好效果，能够在满足用户端负荷的要求下，达到节能降耗的目标。