在Dymola发行版中，有一个名为alist.exe的实用程序，它允许您以CSV格式导出许多变量。
另一种可能是将MAT文件转换为SDF格式，这是一种非常简单的HDF5解释。HDF5文件不如MAT文件紧凑，但您可以使用ZIP/GZIP/7ZIP压缩文件以减少归档存储。在Dymola发行版中，有用于读取SDF格式的MATLAB和Python脚本。

由于它被标记为openmodelica，因此我提出了一个使用它的解决方案：
FilterSimulationResults(“file.mat”，“file.csv”，{“x”，“y”，“z”})创建一个只包含变量x，y，z的CSV文件(如果您认为它仍然太大，可以对文件重新采样)。

对于小文件(<2 GB)，Buildingspy(或其他Python包)几乎可以满足所有需求：https://simulationresearch.lbl.gov/modelica/buildingspy/
然而，由于当文件大于2 GB时会遇到问题(例如，对于全年的模拟)，可能会使用Dymola的“alist.exe”。(OpenModelica的filterSimulationResults也会失败)
“alist.exe”似乎直到大约。一次导出100个变量，对每个变量执行一次似乎会大大减慢速度(翻译1或100行的时间几乎相同)。您可以使用如下所示的来自Python的alist.exe来促进自动化和加快速度。

var_list=['Component.Name1','Component.Name3','Component.Name2','...'] #List of Variabels to be extracted
N_batch=100 #Number of variables to be extracted from the .mat file at once (max. approx 110)

cmds=[]        #list of commands to be executed batch wise 

for i,var in enumerate(var_list):
    if (i%N_batch == 0) &(i > 0):
        cmds.append(cmd)
        cmd=''
    cmd+=f' -e {var}'#build command
    
cmds.append(cmd)

lst_df=[]       #list of pandas dataframes 
for i,cmd in enumerate(cmds):
    os.system(f'"C:/Program Files/Dymola 2021/bin64/alist.exe" {cmd} {inFile} tmp.csv')
    lst_df.append(pd.read_csv('tmp.csv',index_col=[0]).squeeze("columns"))

df_overall=pd.concat(lst_df,axis=1)
df_overall.to_csv('CompleteCSVFile.csv')#or use .pkl for more efficient writing and reading

这仍然不是一个快速的解决方案，但可以首先处理日期。在尝试在本地计算机上处理如此大量的数据之前，始终应该首先利用Dymola的变量选择。
希望有一天这能帮助到别人！