近年来,随着地铁的出现,不仅能够给人们的出行带来方便,而且还可以缓解交通压力,地铁已经成为大城市在不断发展过程中的必备产物。目前在我国依然有许多城市正在建设或者扩建中。然而对于整个地铁系统来说又是一个巨大的能源消耗者,由于地铁通常是在地下建设和更好的服务乘客,所以对地铁在运营过程中的要求就比较高,需要大量精度高的仪器和设备,以保障乘客的安全和给乘客带来舒适的乘车环境。在这个过程中地铁的耗电量是巨大的。其中地铁车站通风空调系统所占的能耗将近1/3,因此如何有效的降低地铁车站通风空调系统的能耗变得尤为重要。现阶段主要是通过对地铁站内热负荷进行分析,很难准确的对地铁通风空调系统能耗进行预测,已达到节能的目的。因此找到某种方法对车站通风空调系统能耗进行预测有着现实而重要的意义。本文以广州市某地铁车站位为研究背景,提出了一种基于BP神经网络地铁车站通风空调系统能耗预测模型,对车站通风空调系统能耗进行预测,最后对其进行节能潜力分析。论文首先阐述了地铁车站通风空调系统的必要性和目的,介绍了地铁车站通风空调系统的分类,并分析了地铁车站通风空调系统节能的研究现状。介绍了本文所依托广州市某地铁车站的基本情况;然后通过对地铁车站通风空调系统能耗影响因素的分析,确定了影响因素。对其各个影响因素进行数据采集预处理,为BP神经网络地铁车站通风空调系统能耗预测模型建立与预测提供理论基础与数据支持。其次,根据BP神经网络建立地铁车站通风空调系统能耗预测模型,以车站内温度、车站内湿度、车站外温度、车站外湿度、客流量、新风机功率、列车车次、设备及照明的利用率为该神经网络模型的输入层,地铁车站通风空调系统能耗作为输出层。对采集到数据的样本进行训练,并对预测数据进行仿真预测。通过误差分析来对预测模型的准确性进行判断,最后根据某天的数据进行分析,对其进行车站通风空调系统节能潜力的分析。