Phát hiện và chẩn đoán lỗi kịp thời cho hệ thống điều hòa không khí trung tâm (ĐHKKTT) giúp tăng tuổi thọ, ngăn ngừa các hư hỏng nghiêm trọng và giảm lãng phí năng lượng của hệ thống. Từ thực tế trên, nghiên cứu này xác định giá trị K của thuật toán KNN, đề xuất mô hình phát hiện và chẩn đoán lỗi cho hệ thống ĐHKKTT dựa trên thuật toán K-nearest neighbors (FDD-KNN). Kết quả cho thấy khi giá trị K=1 thì mô hình FDD-KNN cho hiệu suất chẩn đoán chính xác các lỗi đạt tỉ lệ từ 99.15% trở lên. Khi so sánh với các nghiên cứu trước đối với các lỗi nghiêm trọng LV3 và LV4, mô hình đề suất cho thấy sự chẩn đoán chính xác cao và đồng đều tại các lỗi và mức độ lỗi. Ngoài ra, khả năng cô lập lỗi và xu hướng dao động của các biến số trong thực tế đối với trạng thái bình thường Normal và bám bẩn bình ngưng ConFoul được kiểm tra bằng cơ sở dữ liệu thực tế của hệ thống ĐHKKTT công trình Saigon Centre, thành phố Hồ Chí Minh, Việt Nam. Kết quả cho thấy sự thay đổi của biến số TCO và TRC phù hợp với điều kiện vận hành thực tế của hệ thống. Do đó, mô hình đề xuất FDD-KNN với K=1 hoàn toàn đáng tin cậy để áp dụng vào chẩn đoán lỗi cho các hệ thống ĐHKKTT.