基于神经网络的地铁站空调负荷预测方法研究

地铁网络的迅猛发展带来了严峻的能耗问题。若能对地铁站逐时空调负荷进行预测以指导空调系统运行方案的优化,则可以达到节能运行的目的。对影响地铁车站空调负荷的各因素进行分析,利用相关分析法对神经网络输入端应选取的历史时刻数据进行筛选,选定了合适的预测模型输入端参数,建立了负荷预测BP模型和基于遗传算法优化的负荷预测BP模型,负荷预测值与实际值的对比表明输入端参数的合理选择有助于提高负荷预测的准确性,基于遗传算法的BP神经网络模型预测的准确性优于BP神经网络模型。