一种融合时序与环境的地铁空调冷负荷全天候预测方法

本发明涉及空调负荷预测技术领域，具体涉及一种融合时序与环境的地铁空调冷负荷全天候预测方法：能够在极端天气条件下通过时序冷负荷预测模型对环境上下文负荷预测模型的结果进行修正，从而保证冷负荷预测的鲁棒性和精度，并且为了降低数据波动性对冷负荷预测模型预测的影响，采用经验模态分解算法将冷负荷时序数据分解成较为平稳序列，从而降低冷负荷预测难度，提供预测的准确性，通过经验模态分解算法+自适应惯性权重磷虾群算法+支持向量机的组合，自适应惯性权重磷虾群算法能够避免模型陷入局部最优，从而提升冷负荷预测模型的泛化能力，冷负荷预测值为空调机组控制策略提供依据，从而有效降低地铁电气设备用房的通风空调能耗。