城市建筑能耗占据了建筑领域总能耗70%以上的比重,存在着巨大的节能潜力。已有专家学者指出,仅仅关注对单体建筑进行改造的传统节能措施难以应对日益严峻的节能减排挑战,需要对城市尺度建筑能耗的特点、结构进行详细的分析与研究。当前的城市能耗模型中应用性和灵活性最广泛的是基于物理的自下而上随机性模型。此种模型在校准方面面临着比单体建筑层面更严峻的挑战。在随机性模型中,使用最为广泛的是贝叶斯校准技术。以往研究中,贝叶斯校准仅仅被用于调整参数在建筑群层面的分布来匹配模型输出的能耗分布和建筑群的实际能耗分布。但将模型应用于建筑群层面节能改造措施预评估的时候,参数分布的可靠性是非常重要的。本研究基于模拟实验的方法,分别研究了:广泛使用的KOH贝叶斯校准框架中涉及的超参数的先验分布;能耗数据的使用方法这两个方面对基于贝叶斯校准的参数识别性能的影响,并在北京一个住宅小区上分别验证了前述两个方面的影响,结果表明:1)通过本研究提出的超参数先验分布调节方法,可以显著的改善模型的能耗预测性能,同时获得相比于先验分布而言,更加靠近实际分布情况的参数后验分布;2)通过本研究提出的迭代校准方法,可以显著改善敏感性较强的参数的识别性,获得能准确表征实际分布情况的参数后验分布。最后,通过一个基于确定性量化节能改造措施方法的案例,验证了上述方法在建筑群节能改造措施预评估中,能显著的提高节能改造后的能耗预测的准确性。