HVACシステムの実測データの高い冗長性により、モデルのパラメータ識別の計算効率が著しく低下します。この問題を解決するため、特徴工况の探索と事前確率に基づくパラメータ識別法が提案されます。データ適合分析はHVACシステムの運転条件を使用して主要変数を選択し、主要変数の次元に基づいてグリッドサンプリングを行い、より代表的な特徴工况を得ることでモデルの計算効率を向上させます。パラメータ識別プロセスでは、識別すべきパラメータの事前確率モデルを構築し、事前確率に基づいて識別すべきパラメータの事前区間推定と改善目標関数を実施し、モデルの収束を高速化します。この方法は武漢のある工場でのHVACシステムの冷房シーズンの1か月間の運転データセットで検証され、結果は以下の通りです。MAPE（平均絶対パーセンテージ誤差）とCV-RMSE（平均二乗平方根誤差の変動係数）は、K-meansクラスタリング法に基づく方法と比較してそれぞれ16.0%と12.0%、元のデータに基づく方法と比較してそれぞれ20.9%と15.2%低下し、NMBE（正規化平均バイアスエラー）は0に近くなり、R2（決定係数）はそれぞれ2つの方法と比較して4.7%と8.5%向上し、計算効率が約39.3%向上します。この方法は、高効率で正確なHVACシステムのモデリングを達成するための技術的なガイダンスとデータサポートを提供します。

HVACシステム;チラー建模;パラメータ識別;特徴工况;粒子群最適化アルゴリズム