中央空调系统作为地铁车站能耗大户,长时间在大负荷状态下运行,造成大量的能源浪费。如何在满足地铁车站热舒适需求的前提下,降低中央空调系统的运行能耗成为地铁车站节能的关键。本文针对地铁车站中央空调系统能耗大的问题,以中央空调系统节能为目的,开展空调系统的负荷预测与优化控制研究。主要完成了以下工作:首先,针对地铁车站中央空调系统负荷的影响因素较多、相互之间存在伴生、转化、耦合关系等特点,通过建立地铁车站空调负荷的解释结构模型,分析了车站空调负荷与各因素间的影响规律,获得了影响车站空调负荷的直接因素及其相互关系。其次,针对BP神经网络应用于地铁车站空调负荷预测存在收敛速度慢、易陷入局部最小值等问题,将遗传算法(GA)和粒子群算法(PSO)与BP神经网络相结合,利用GA和PSO算法优化BP神经网络的权值和阈值,建立基于GA和PSO混合优化算法的BP神经网络地铁车站空调负荷预测模型,对比实验结果表明所提方法能较有效地预测出地铁车站空调系统未来时刻的负荷,预测相对误差在6%以内。最后,针对地铁车站中央空调冷冻水系统时变性、滞后和非线性等特点,将常规PID与模糊控制相结合,设计一种地铁车站空调冷冻水系统模糊PID控制器,并利用粒子群算法(PSO)动态调整控制器参数来弥补模糊控制器参数固定难以适应复杂工况的不足。Matlab仿真实验表明,粒子群(PSO)优化后的模糊PID控制具有超调量小,调节时间短,抗扰动能力强的控制效果,为地铁车站中央空调冷冻水系统的优化控制提供了新的控制手段。