1.一种中央空调系统并联冷机负荷优化分配方法，其特征在于，将中央空调系统中的若干冷机按照物理连接关系连接，每个冷机上均设置有分布式控制器，每个冷机上的分布式控制器之间采用通信连接，形成分布式架构计算网络；其中，由某一分布式控制器，发起生成树，连接其他所有分布式控制器；

当某一分布式控制器发起计算任务信息，其他分布式控制器接收到传递的计算任务信息后，结合自身冷机的运行信息，根据计算任务信息进行计算；将计算结果数据传递至发起计算任务信息的分布式控制器，并对计算结果数据汇总；若计算结果数据满足收敛条件，则总体分配调节完成；否则重复继续迭代进行分配调节，直至满足收敛条件，完成优化分配控制。

2.根据权利要求1所述的一种中央空调系统并联冷机负荷优化分配方法，其特征在于，具体包括以下步骤：S1、由某一分布式控制器发起生成树，连接其他分布式控制器，形成分布式架构计算网络；

S2、将若干冷机的某一负载率组合作为一个粒子，所有粒子组合形成种群；在每个分布式控制器中完成种群初始化，得到初始化后的粒子位置向量和粒子速度向量，并将初始化后的粒子位置向量分量和粒子速度向量分量传递至对应的分布式控制器；

S3、在每个分布式控制器中，分别对粒子位置向量分量之间的距离进行计算，并将计算结果传递至其中一个分布式控制器进行汇总，当两个粒子之间的距离小于设定范围值时，对两个粒子的适应度值进行大小比较，对适应度值较小的粒子惩罚并更新；

S4、利用各分布式控制器分别对每个冷机的功耗进行计算，得到各分布式控制器的适应度值，将各分布式控制器的适应度值传递至其中一个分布式控制器中，通过该分布式控制器对各分布式控制器的适应度值进行汇总，得到粒子的总适应度值；

S5、将各分布式控制器的适应度值中最小值，作为个体极值初值；将每个粒子对应的适应度值，作为群体极值初值；

S6、对每个粒子位置向量及粒子速度向量进行更新，计算得到每个分布式控制器更新后的适应度值；将每个分布式控制器更新后的适应度值传递至其中一个分布式控制器中，通过该分布式控制器对各分布式控制器更新后的适应度值进行汇总，得到更新后粒子的总适应度值；

S7、根据更新后粒子的总适应度值，对其中一个分布式控制器进行个体极值及群体极值进行更新，并将更新后的结果传递至其他分布式控制器；

S8、按照步骤S6-S7进行迭代，当迭代次数达到设定值或其中一个分布式控制器的适应度值为最优解时，完成迭代；并将其适应度值的最优解传递至其他分布式控制器，完成优化分配控制。

3.根据权利要求2所述的一种中央空调系统并联冷机负荷优化分配方法，其特征在于，步骤S2中，种群采用冷水机组负荷分配值矩阵U表示，冷水机组负荷分配值矩阵U的公式如下：其中，m为分布式控制器的个数，g为粒子个数，x为所有冷机的总负载率，xj,i为第j个粒子中第i台冷机的负载率；

粒子位置向量X的初始化公式为：

x＝rands(g，m)

粒子速度向量V的初始化公式为：

v＝rands(g，m)。

4.根据权利要求2所述的一种中央空调系统并联冷机负荷优化分配方法，其特征在于，步骤S3中，粒子位置向量分量间的距离公式为：其中，d1为粒子之间的距离，xi为第i个粒子的位置，xj为第j个粒子的位置。

5.根据权利要求2所述的一种中央空调系统并联冷机负荷优化分配方法，其特征在于，步骤S4中，粒子的总适应度值的计算公式如下：F＝F1+F2...+Fi...+Fm

Fi＝a+b·xi-c·xi2+d·xi3

其中，F为粒子的总适应度值，Fi为第i个分布式控制器的适应度值，即为第i台冷机的功耗；a、b、c、d为第i台冷机的性能参数；xi为第i个分布式控制器对应的粒子位置向量分量。

6.根据权利要求2所述的一种中央空调系统并联冷机负荷优化分配方法，其特征在于，步骤S5中，进行个体极值和群体极值初始化时，所有冷机的负荷总量大于等于外界冷负荷需求量，所有冷机的负荷总量的计算公式为：

XQ＝k1·xi,1+k2·xi,2+k3·xi,3+k4·xi,4+k5·xi,5···+ki·xi,i+···+km·xi,m其中，XQ为所有冷机的负荷总量，ki为第i台冷机可提供的最大冷负荷量。

7.根据权利要求2所述的一种中央空调系统并联冷机负荷优化分配方法，其特征在于，步骤S6中，更新后粒子的总适应度值的计算过程，具体包括以下步骤：S601、利用高斯函数模型，建立迭代次数的惯性权重模型W(t)，惯性权重模型W(t)的函数表达式为：其中，z、p及o为惯性权重函数的调节系数，t为当前迭代次数；

S602、利用粒子位置更新公式及粒子速度更新公式，对每个分布式控制器的粒子位置及粒子速度进行更新；

其中，粒子的位置更新公式为：

粒子的速度更新公式为：

其中，c1、c2为学习因子；r1、r2为[0,1]之间的随机数；

S603、每个分布式控制器的粒子位置和粒子速度更新完成后，计算出每个分布式控制器更新后的适应度值；

S604、将所有分布式控制器更新后的适应度值传递至某一分布式控制器，进行汇总，得到更新后的粒子的总适应度值。

8.根据权利要求2所述的一种中央空调系统并联冷机负荷优化分配方法，其特征在于，步骤S7具体包括以下步骤：S701、根据更新后粒子的总适应度值，计算得到所有冷机的负荷总量；

S702、将所有冷机负荷相加得到的负荷总量与外界冷负荷需求量进行对比；当所有冷机的负荷总量大于外界负荷需求量时，直接执行步骤S703；当所有冷机的负荷总量小于或等于外界冷负荷需求量时，将步骤S5中的群体极值初值作为粒子的总适应度值，执行S703；

S703、对个体极值进行更新；进行第一次迭代，当某一分布式控制器更新后的适应度值小于其个体极值初值，采用更新得到的适应度值作为更新后的个体极值；否则采用个体极值初值作为更新后的个体极值；

S704、对群体极值进行更新：在所有个体极值中获取最小的个体极值，作为更新后的群体极值；

S705、当某一分布式控制器完成个体极值及群体极值更新后，将其更新后的个体极值及更新后的群体极值传递至其他分布式控制器。

9.根据权利要求2所述的一种中央空调系统并联冷机负荷优化分配方法，其特征在于，步骤S8中，完成优化分配控制后，冷机的负载率-功耗的性能曲线为：Pchiller＝a+b·PLR-c·PLR2+d·PLR3Pchiller＝e+f·PLR+g·PLR2

其中，e、f、g为参数，PLR为冷机的负荷分配率，Pchiller为冷机的运行功耗。

10.根据权利要求9所述的一种中央空调系统并联冷机负荷优化分配方法，其特征在于，步骤S8中，分布式控制器值的最优解满足以下条件：当冷机的负荷总量大于等于外界冷负荷需求量的情况下，所有冷机的功耗总和最小，具体为：min(Wtotal)

s.t.0.3≤PLRi≤1或PLRi＝0

其中，Wtotal为所有冷机的功耗总和，PLRi为第i台冷机的负荷分配率， 为第i台冷机的额定制冷量，Qneed为外界冷负荷需求量，m为冷机的总台数。