对花授粉算法(FPA)进行了改进，以增强我们收集风能发电的方式。详细内容发表在《国际自动化与控制杂志》上。

　　广州华南理工大学的Amoh Mensah Akwasi和Xie Wei以及武汉大学电气工程学院的Otuo-Acheampong Duku已经通过改进FPA在优化风力发电方面播下了重大进展的种子。该算法广泛应用于工程、优化和机器学习等领域。

　　FPA的工作原理是创造一堆可能的解决方案，每一个都比喻成一朵花。授粉导致遗传物质的转移，产生更接近最优解的新植物。这个过程是重复的，每一代花的解决方案都更接近于给定问题的最佳解决方案。虽然该算法已经有效地解决了许多问题，但它向最佳解的单向运动可能是一个缓慢的过程。

　　该团队对FPA的调整包括增加一个两级Luenberger观测器控制器，特别关注改善风力发电。这使得算法能够观察和适应全球和局部授粉动态，大大提高了其在花坛中解决方案之间较长距离的效率，或者更确切地说，是“解决方案空间”。

　　从技术角度来看，Luenberger观测器控制器引入了一种新的结构，使算法超越了以前的单向方法。这一变化旨在加快解决方案的收敛速度并提高效率。

　　该方法允许团队根据通过增强FPA获得的局部和全局最佳解决方案，通过调整风力涡轮机的转速来优化风力涡轮机的效率。与传统方法不同，改进的FPA为传粉者引入了双向运动，增强了他们对最佳解决方案的搜索。该团队的模拟和测试表明，改进后的FPA显著提高了风力涡轮机的性能，增加了功率输出并稳定了波动。

　　这种实际的演变强调了机器学习和生物启发算法过程的持续研究和开发的重要性，这些过程可以带来可持续能源的创新解决方案。

　　更多信息:Amoh Mensah Akwasi等人，基于观测器控制器的风力发电改进花授粉算法结构，国际自动化与控制杂志(2023)。引文:一种改进的风力发电花授粉算法(2023,12月7日)检索自https://techxplore.com/news/2023-12-pollination-algorithm-power-generation.html。本文受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。