随着我国“双碳”目标的提出,人们对公共建筑的节能减排越来越重视,空调冷源系统作为公共建筑室内环境调节的重要系统,占据大部分建筑能耗。目前,对空调负荷不确定性并没有完全量化,冷源系统参数优化的不精准。因此进行基于负荷不确定性量化分析的冷源系统参数优化具有重要的理论意义。以陕西省西安市某高层综合办公楼的空调冷源系统为研究对象,针对空调冷源系统中存在室外环境和室内人员数目等多种不确定性因素导致系统预测负荷困难问题,建立基于TRNSYS空调冷源仿真系统,构建空调冷源系统低能耗模型。引入云模型,采用分位数回归神经网络构建空调负荷预测模型。空调冷源系统内部参数控制不精准,导致系统部分热量转换为无用能耗,致使能耗增加的问题,提出一种基于改进萤火虫算法优化冷源系统参数的节能优化方法。为保证提出的冷源系统低能耗模型调试策略的鲁棒性,提出改进熵权-TOPSIS（优劣解距离法）对空调冷源系统调试策略鲁棒性分析的方法。针对不确定性对负荷的影响程度采用相关系数法分析,选择相关系数大于0.9的不确定性变量作为负荷预测模型的输入量。建立的负荷预测模型,预测平均绝对百分比误差MAPE为0.7833,相关拟合系数R~2为0.913,证明预测模型的有效性。改进算法优化的参数与无优化参数、粒子群、萤火虫算法优化对比,所提出改进方法使系统总能耗分别降低了5.65%、3.63%、2.72%。通过三种典型日和一周运行的效果验证分析模拟所提出的策略鲁棒性。结果表明,与无优化参数、粒子群、萤火虫算法优化参数后能耗对比,每天分别节能11.75%、4.8%、3.19%,证明提出的该方法节能优势明显。