同济大学学报(自然科学版)

作者：苏醒，王磊，田少宸，秦旭

单位：1.同济大学 机械与能源工程学院，上海 201804;2.同济大学 工程结构性能演化与控制教育部重点实验室，上海 200092;3.广州地铁设计研究院股份有限公司 节能和环保技术中心，广东 广州 510010

关键词：地铁车站,客流量,神经网络,支持向量机,负荷预测

基金：“十三五”国家重点研发计划专项资助（2016YFC0700100）

为了准确预测地铁车站的空调负荷，首先通过地铁车站能耗监测平台的历史数据分析，识别得到客流量和室外气象参数是主要影响因素。其次利用车站CO2体积浓度逐时监测数据建立客流量神经网络预测模型，并与闸机数据对比，预测模型的复相关系数R2可达0.87。以客流量预测为基础，建立了车站空调负荷预测模型，并比较了不同时间尺度训练数据下误差反向传播神经网络算法和支持向量机算法的预测效果，两种算法的R2达到了0.95以上，均方根误差在70~90 kW之间，预测精度较高，但支持向量机算法的运算时间是误差反向传播神经网络算法的3~4倍左右，推荐数据量较大时优先选择神经网络算法。

来源：2022年第1期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2022年第1期