随着城市化程度的不断加深,传统的地面交通将无法满足城市居民日益增长的出行需求。而地铁具有运力大、速度快、时间准、污染低等特点,是缓解地面交通压力和控制城市污染的理想方式之一。然而,地铁运营过程中的能耗极高,其中仅通风空调能耗就占据了地铁总能耗的25%～30%,具有极大的节能潜力。针对地铁车站通风空调系统的高能耗现状,本文分析了现有地铁站台在实际运行时的人员流动和设备运行特点,归纳了地铁通风空调系统所独有的负载性质,以及设备选型、运行模型、控制策略等方面的规律,总结出现有地铁车站通风空调系统高能耗成因。据此,本文分析了现阶段地铁站台通风空调系统的主流控制策略,并对已有变频控制研究方案进行对比。在此基础上,进一步使用模糊径向基函数（RBF）神经网络比例-积分-微分（PID）控制的研究思路,实现地铁站台通风空调系统的优化控制,进而达到对外界环境及内部负载变动的快速响应,最终达到稳定内环境降低能源消耗的目的。随后,利用TRNSYS软件进行仿真实验,通过多工况对比验证了该控制策略的可行性。最终,在苏州地铁东方之门站的地铁通风空调系统中引入了本文所构建的控制策略,进行了短期的试运行,并对现场运行结果进行了对比分析。研究结果表明,模糊RBF神经网络PID控制策略充分利用了模糊RBF神经网络的强鲁棒性优势,可增加系统对环境的快速响应能力。通过TRNSYS软件所搭建的地铁站台通风空调系统的仿真实验结果也表明,采用该策略后,仅单纯改变风机变频和设置回风,即可达到29.07%的节能效果,显著降低了空调系统能耗。当采用模糊RBF神经网络PID控制策略,全面应用于苏州地铁东方之门车站的地铁车站节能系统各环节后,可进一步提高其节能效率,并呈现出较大的工程实用价值。通过对比节能改造前后的能耗数据以及内环境主要参数的变化,可见在相同的外环境下,安装节能系统的内环境控制系统,可以对外界环境以及负载的变动做出快速准确的响应,从而使内环境的温度控制在一个适宜水平,进而使用最少的能耗维持内环境。通过对6月以及9月两个典型月份的运行数据比对,系统的节能效率可以达到49%以上。