基于动态客流量模型的地铁车站空调负荷预测

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.

关键词：地铁车站;客流量;神经网络;支持向量机;负荷预测

所属期刊栏目：50

分类号：TU96(地下建筑)

资助基金：国家重点研发计划2016YFC0700100

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：114-120