摘要

随着城市地下轨道交通的快速发展，其空调系统能耗也日益增大。地铁车站的空调系统负荷受多个影响因子耦合影响，作用机制复杂，导致其负荷难以准确预测。本文首先通过对地铁站实际运行数据进行数据清洗和相关性分析，挖掘出总负荷的主要影响因子。将分析得到的影响因子作为输入参数，并采用LSTM神经网络构建基于历史数据的负荷预测模型。通过调整不同预测输入参数组合并验证各个组合的准确性，确定最佳预测组合，实现对总负荷的准确预测。研究结果表明，通过该方法进行负荷预测是可行的，能够有效地解决城市地下轨道交通空调系统负荷难以预测的问题。

关键词