一、恒压差控制
恒压差控制是指通过恒定冷冻水供回水压差来调节冷冻水流量。通过安装在冷冻水系统管路上的压差传感器检测到冷冻水供回水压差，将实测压差与设定压差进行比较，然后根据二者之间的偏差采用PID 控制技术来对变频冷冻水泵进行变频控制，从而对冷冻水泵进行流量调节。由于压差响应的时滞性比较小，当负荷侧流量波动频繁时，压差能够较快跟随流量的变化而变化，调节时间较短。但是，由于冷冻水系统的负荷与压差之间没有直接的关系，空调负荷的变化不能准确地通过压差的变化来描述；同样，压差的变化也不能准确地反映负荷的变化。因此，将压差作为被控变量来调节冷冻水流量，不可能保证冷冻水流量准确地随着负荷变化而变化。冷冻水系统中供回水管路之间的压差是由其阻力产生的。当冷冻水流量没有发生明显变化时，水流阻力也不会发生明显变化，此时压差是不会改变的。但是，如果冷冻水流量不变，当空调负荷变化时，冷冻水温度会随之改变，而压差却没有改变。此时，恒压差控制便失去对冷冻水流量的有效控制。因此，恒压差控制仅仅适用于负荷变化并伴随有明显的冷冻水流量变化，从而有压差变化的场合。
二、恒温差控制
恒温差控制是指通过恒定冷冻水供回水温差来调节冷冻水流量。通过安装在冷冻水系统管路上的温度传感器检测到冷冻水供回水温差，将实测温差与设定温差进行比较，然后根据二者之间的偏差采用PID控制技术来对变频冷冻水泵进行变频控制，从而对冷冻水泵进行流量调节。由于冷冻水供回水温差的变化可以直接反映空调负荷的变化，因此，将冷冻水供回水温差作为被控变量，可以获得比较好的控制效果。但是，由于温度采集点离空调末端有一定的距离，并且空调管路比较长，冷冻水要经过一个循环(一定时间)后，其温度变化才能反映出来。因此，恒温差控制也具有时滞性，当前时刻所检测到的冷冻水供回水温差，实质上反映的是一段时间以前的温度变化。将其作为被控变量来调节冷冻水流量，也不可能保证冷冻水流量准确地随着负荷变化而变化。当空调负荷发生突变时，由于温度变化的时滞性导致冷冻水流量不能及时地跟随负荷的变化而产生相应的调节动作，存在较大的控制时间滞后，影响了控制的及时性和快速性。
以上两种控制方法都采用了经典的PID控制。PID控制需要通过对比例系数Kp积分时间常数Ti和微分时间常数TD进行整定。这种整定过程实质上是对比例、微分和积分三部分控制作用的折中，整定过程中三个参数之间互相影响，很难收到预期的效果。PID控制无法解决稳定性与准确性之间的矛盾。加大控制作用，可以使偏差减小，准确性提高，但却降低了稳定性；反之，如果限制控制作用，可以保证稳定性，但是却又降低了控制作用的准确性。
三、变水量控制策略
变水量节能控制是要使冷水所载的冷量及冷却水所带走的热量与不断变化的末端负荷相匹配，从而能够节约水输送环路水泵的运行费用。随着温度和湿度以及其他环境因素的变化，空调系统的负荷会发生变化，所需的水量也会随着负荷的变化而变化。
通常情况下，由于冷水机组绝大多数都在低负荷的情况下运行，如果水泵的频率与负荷的变化不匹配，会造成严重的大流量小温差现象。在进行变水量节能控制时，要保证各设备在大范围内变流量运行的同时，将出水温度控制在允许的范围内。
在冷冻水泵变频、冷却水泵定频的情况下，采用变水量控制策略，通过控制冷冻水泵的频率来改变冷冻水的流量，达到减少冷冻水泵的耗能的目的。由于仅仅通过温差控制来实现水泵的变频，会使水泵频率波动较大，影响控制的稳定性。因此，可以在温差控制的同时，对末端空调机组的水阀开度进行控制，通过末端空调机组水阀开度和末端温差来控制水泵的频率，可以在保证末端负荷冷量需求的同时，大大减小冷冻水泵的能耗，从而达到较好的控制效果和节能效果。
四、基于负荷预测的冷冻水流量动态控制
负荷预测控制是指基于对空调系统负荷的预测而对冷冻水流量进行控制。负荷预测控制是一种超前控制，它通过对冷冻水系统供水温度、回水温度、流量、温差和室外环境温度等参数进行检测，对数据进行分析、处理，采用先进的负荷预测方法，推理出空调系统“未来时刻”的负荷，提前对冷冻水泵进行变频控制，对冷冻水流量进行调节，使系统提供的冷量与负荷需求的冷量相匹配，限度地减小偏差。
1.基于负荷预测的冷冻水流量模糊控制技术，当系统运行时，首先通过负荷预测技术对空调负荷进行预测，通过当前时刻的冷冻水系统供水温度、回水温度、流量、温差、空调区域实际冷量、室外环境温度和室外太阳辐射强度等参数，预测出下一时刻的空调负荷(即空调区域所需冷量)，将其传送给模糊控制器。模糊控制器通过比较得到被控空调负荷偏差及偏差变化率，利用模糊控制规则库中的一系列控制规则，经过模糊推理，得到可以获得预期冷量的系统优化运行参数(如冷冻水流量) 的模糊控制值，并对其进行清晰化处理，将其转换为的控制量，通过执行器去控制冷冻水泵(被控对象)的运行台数和转速，从而调节冷冻水流量，为下一时刻提供空调设备所需的冷量。
将当前时刻的实际负荷与预测负荷进行比较，根据二者的偏差对预测负荷控制效果进行评估，并根据比较和评估情况，对负荷进行实时在线修正：当空调实际负荷大于预测负荷时，提高冷冻水泵的转速，从而增大冷冻水流量，以增加冷量供应，保证空调末端对冷量的需求；当空调实际负荷小于预测负荷时，降低冷冻水泵的转速，从而减小冷冻水流量，以减小冷量供应，减少多余的冷量输送。
将负荷预测控制技术与模糊控制技术结合起来，对冷冻水泵进行变频控制，通过不断地反复检测、反复比较和反复调节，就可以实现空调负荷所需冷量与冷冻水泵所提供的冷量相适应，使得冷冻水系统始终处于的冷量供应状态，节省冷冻水泵的能耗。
2.冷冻水流量神经网络模糊预测优化控制技术作为一类优化控制算法，预测控制与通常的离散控制算法不同，不是采用一个不变的全局优化目标，而是采用滚动式的有限时域优化策略。这意味着优化过程不是一次离线进行的，而是反复在线进行的。这种有限优化目标的方法，在理想情况下只能得到全局的次优解。但其滚动实施，却能顾及由于模型失配、时变和干扰等引起的不确定性，及时进行弥补，始终把新的优化建立在实际的基础上，使控制保持实际上的。预测控制的三个特征，即预测模型、滚动优化和反馈校正，正是一般控制论中模型、控制和反馈概念的具体体现。预测控制的滚动优化和反馈校正始终建立在实际控制过程的基础上，能够有效地克服控制系统中模型不、非线性和时变等不确定性的影响。可以将神经网络、模糊控制与非线性预测优化控制结合起来，采用神经网络模糊预测优化控制方法对冷冻水流量进行预测控制。采用前馈神经网络作为预测模型，以自调整模糊控制器作为优化控制器，采用多步预测方式，系统的优化性能指标综合考虑负荷偏差(即空调负荷实际冷量与预测冷量之间的偏差)小和冷冻水泵的能耗小这两方面因素。
神经网络模糊预测优化控制系统的结构由于建立中央空调系统的负荷预测模型需要的相关变量很多，各变量之间的关系相互耦合，错综复杂，而且中央空调系统具有很强的非线性和时变性，采用传统的机理建模方法不容易实现。
基于神经网络的建模方法避开了传统意义上具有确定数学关系的模型，它利用神经网络所具有的自学习能力和良好的逼近非线性映射的能力，在非线性系统建模中有明显的优势。因此首先利用前馈神经网络建立对象的负荷预测模型。采用三层前馈神经网络作为中央空调系统的负荷预测模型，神经网络预测模型由输入层、隐层和输出层组成。将k时刻的室外太阳辐射强度、室外温度、室外相对湿度、冷冻水系统供水温度、回水温度、流量、温差、空调区域实际冷量和冷冻水泵的变频器控制电压等作为神经网络预测模型的输入，将k+1时刻的空调负荷冷量作为模型的输出。在对神经网络预测模型参数进行辨识时，应注意到神经网络的泛化问题。为了提高神经网络的泛化能力，采用贝叶斯正则化方法来对神经网络预测模型进行辨识。然后采用多步预测性能指标来训练自调整模糊控制器，对于每一个采样时刻，性能指标只在涉及从该时刻起的未来有限时段内进行优化。到了下一采样时刻，优化时段同时向前推移，这样便可以保证点的获得，也能减轻搜索点过程中的计算量，使控制策略反应更及时。
后将自调整模糊控制器与神经网络预测模型相结合，利用神经网络模糊预测控制策略对冷冻水流量进行预测控制。采用神经网络模糊预测控制策略对中央空调冷冻水流量进行控制，可以取得良好的控制效果，同时又能根据性能指标的要求降低冷冻水泵的能耗，从而在满足空调负荷要求的同时，也达到了节省冷冻水泵能耗的目的。
五、冷水机组群控策略
对冷水机组实施群控优化控制，可以节约能源，在满足末端负荷的基础上减少制冷机的运行数量，并且可以对制冷机的使用时间进行优化控制。上位机通过与冷水机组实时通信获得冷水机组的负载率、运行状态等参数，根据单台制冷机的负载率或多台制冷机的平均负载率来控制冷水机组起动或停止的台数，根据每台冷水机组的总运行时间决定优先关闭或是优先起动几号冷机。
冷冻站变流量和变水温综合节能优化控制策略冷水机组的COP一般不出现在满负荷时，而是出现在部分负荷时。制冷机的出水温度设定值对COP 有着重要的影响。提高制冷机的出水温度(即冷冻水出水温度)可以提高COP的值，二者基本呈线性关系。冷冻水出水温度每升高1℃，COP 提高2%～4%。因此在满足工艺要求的基础上尽量提高冷机出水温度可达到节能的目的。但是为了满足末端机组对环境的要求，通常应设定冷机出水温度的上下限，这个限值可根据冷机长期运行的结果获得。在变流量系统中，随着冷冻水温度的变化，水泵能耗与制冷机能耗在一定程度上相互影响。冷机与冷冻水泵的能耗关系。制冷机的能耗随着冷冻水温度的提高线性降低。同时，由于需要较大的流量来满足末端的需求，水泵能耗会随之非线性上升。冷机与水泵能耗之和先下降到点然后上升。因此，在某一部分负荷下，会存在一个冷冻水供水温度，使冷机和水泵的能耗之和小。