Утечка хладагента является основной причиной потери эффективности холодильных и кондиционирующих систем. В данной статье инновационно предложена полунеблюдаемая регрессионная модель с физическим информированием (PG-SSR), в которую встроено вычисленное уравнением сохранения энергии количество циркулирующего хладагента в нейронную сеть в качестве направляющей информации; введён механизм совместного генерации псевдотегов высокого доверия с использованием максимальной средней разницы (MMD) и MC Dropout для количества хладагента, что позволяет расширить и усилить обучающие выборки за счёт большого количества немаркированных данных и обеспечивает высокоточное количественное прогнозирование хладагента в условиях малого объёма выборки. Валидация проведена на экспериментальных данных по утечке хладагента в сплит-системе кондиционирования, результаты показали, что при одинаковых условиях малого объёма выборки PG-SSR уменьшила RMSE на 22,91 г (на 64,48%), MAPE сократился на 3,86% (на 68,93%) по сравнению с базовой моделью, демонстрируя значительно лучшие характеристики и выявляя синергетический эффект физической информации о количестве циркулирующего хладагента и совместной калибровки генерации псевдотегов в идентификации количества хладагента.

количество хладагента; полунеблюдаемая регрессия; физическое информирование; псевдотеги