科研之友
微信
新浪微博
Facebook
分享链接
摘要
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CO_2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R~2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R~2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。
-
单位广州地铁设计研究院股份有限公司; 同济大学
