随着我国轨道交通的快速发展,地铁站能耗问题亦是备受关注。而在地铁站耗能组成当中,通风空调系统所占的比例最大。一些研究表明,地铁站通风空调系统的能耗大约占地铁站总能耗的1/3-1/2。调查发现,多数地铁站存在夏季空调温度过低的情况,造成大量的冷量浪费,不仅带来过多的能量消耗,而且给站内乘客带来不舒适感。但是目前国内对于地铁站实际运行能耗的全面了解不多,特别是缺少通风空调系统运行的详细变化情况。基于此,本课题以某地铁站为研究对象,对通风空调系统的能耗现状与特征,站内热环境的变化情况以及站外温湿度与能耗的相关性进行了深入研究。针对于影响空调系统能耗的因素众多,能耗计算复杂,难以准确计算出通风空调系统能耗的情况,本文提出以实际数据为样本,建立能耗预测模型,同时对空调系统节能潜力进行分析。本文以北京市某地铁车站为研究对象,详细记录了该站通风空调系统及站内热环境参数的基础数据。了解到该站在空调季通风空调系统约耗电13万k W·h,在四个月的运行当中,7月份能耗最大,约为4万千万时,9月份能耗最小,约2.3万千万时,单位建筑面积季用电量为62k W·h/m²;在空调系统各分项能耗统计当中,冷水机组部分能耗占比最大,约占总能耗的69%。进一步分析了站厅、站台的温湿度及CO₂的变化情况,其中站台层的温度在24.8℃～27.5℃的范围内变化,站厅层的温度在26.8℃～29℃的范围内变化,站厅层的温度长期低于站外温度4℃-5℃,不仅造成冷量浪费,还给乘客带来不舒适感。其次站内CO₂浓度均符合相关设计规范要求,且一天中CO₂浓度变化趋势可以很好体现客流量变化趋势。同时,经过分析通风空调系统能耗与气象参数以及站内温、湿度相关性发现,空调系统能耗与站外温湿度,站厅温湿度以及站台湿度均有较大相关性,与站台温度相关性偏小,分析其原因可能是由于列车进站停靠时,屏蔽门开启,对站台温度影响所致。调查研究中发现,地铁站通风空调系统的运行模式单一,无法根据气象参数等因素的变化做出合理调节。针对上述问题,本文提出建立基于BP神经网络的地铁站通风空调系统能耗预测模型。模型的建立以实际运行数据作为训练样本,并通过预测结果与实测数据的拟合对比,判断模型的预测精度。最后以7月份的运行情况为例,进一步对地铁站通风空调系统的节能潜力进行分析。