由于地铁站数量不断增加及站内通风空调系统的能耗巨大,在保持为乘客提供舒适环境的同时降低空调能耗成为一项持续的研究挑战.文章概述了地铁通风空调系统的能耗现状及必要性,分析了正在运行的地铁站空调系统实际运行中存在的问题.随后,构建了地铁通风空调系统能耗预测模型并基于粒子群、遗传算法相结合的方法对BP神经网络预测模型进行优化.基于优化后的预测模型,对地铁站空调系统负荷预测进行了验证,优化后的预测模型最大绝对误差为13.11 kW,平均相对误差为0.40％.结果表明,该空调预测模型预测速度更快、精度更高.文章不仅分析了地铁站通风空调系统实际运行中存在的常见问题,而且为地铁热环境的理论研究和空调控制系统的设计提供了宝贵的理论依据.
NETL
NSTL
万方数据
维普
