サポートベクター回帰（SVR）モデルは、マルチエアコンシステムの消費電力予測の安定性と精度に不足があるため、本稿では粒子群最適化アルゴリズム（PSO）を導入し、SVR予測モデルのペナルティ係数およびカーネルパラメータの最適化を行い、モデルの予測性能を改善した。冷媒充填率95.75％の状態でマルチエアコンユニットの運転実験を行い、実験データを前処理した。PSOアルゴリズムに基づきPSO-SVRモデルを構築し、マルチエアコンの消費電力を予測し、SVRモデルの予測結果および理論式計算結果と比較した。結果から、SVR、PSO-SVR、理論計算法の総合予測誤差はそれぞれ1.43％、1.08％、1.57％、平方根平均二乗誤差（RMSE）はそれぞれ105.36、88.79、91.37Wであり、パラメータ最適化結果はペナルティ係数C=10000およびカーネルパラメータγ=4.275であった。粒子群最適化アルゴリズムの導入により、SVRモデルの予測精度と安定性が大幅に向上した。理論計算法と比較して、PSO-SVRは精度が高く、測定すべきパラメータ数が大幅に減少し、測定システムの複雑性の低減と経済的適用性の向上を実現した。

変冷媒流量システム;運転電力;予測モデル;粒子群アルゴリズム;サポートベクター回帰