卷积神经网络在车站非牵引能耗预测中的运用

地铁被视为解决城市通勤问题、缓解道路交通拥堵的有效途径,国内不少大城市正致力于修建地铁系统。但是随着运营里程的增加,地铁系统能耗大的问题逐渐凸显出来,如何降低系统能耗成为降低企业运营成本、实现地铁系统可持续发展的关键。在城市轨道交通运营管理过程中,车站非牵引耗作为地铁列车运营过程中仅次于牵引耗能的能耗板块,占列车运行总能耗的30%以上。准确预测车站的非牵引能耗有利于合理制定车站运营模式和评价非牵引用能效率,成为辅助行业运营和服务的有力工具,并为进行节能优化研究提供支持。本文系统分析了城市轨道交通中的气温、客流、车站占地面积、出入口数量等因素对非牵引能耗的影响。考虑到非牵引能耗的时序特征,建立了基于卷积神经网络的预测模型,并利用相关实验数据对该计算模型的可靠性进行了验证。研究结果表明,本文所建立的卷积神经网络模型能够较为准确地预测地铁非牵引能耗,且根据深度学习可以挖掘更多特征变量间关系的这一特性,能够更有效地提高预测精度,宏观监控地铁车站非牵引能耗,从而为制定合理的节能方案提供技术支撑,有效降低运营成本。