Poboljšanja algoritma za oprašivanje cveća (FPA) su napravljena kako bi se poboljšao način na koji sakupljamo energiju vetra za proizvodnju električne energije. Detalji su objavljeni u Međunarodnom časopisu za automatizaciju i kontrolu.
Amoh Mensah Akvasi i Ksie Vei sa Južnokineskog tehnološkog univerziteta u Guangdžou i Otuo-Acheampong Duku sa Fakulteta elektrotehnike na Univerzitetu Vuhan u Vuhanu, Kina, zasadili su seme značajnog napretka u optimizaciji proizvodnje energije vetra poboljšanjem FPA. Ovaj algoritam se široko koristi u inženjeringu, optimizaciji i mašinskom učenju.
FPA radi tako što stvara gomilu mogućih rešenja, figurativno svako od njih je cvet. Oprašivanje dovodi do prenošenja genetskog materijala za proizvodnju novih biljaka, koje su bliže optimalnom rešenju. Proces se ponavlja sa svakom uzastopnom generacijom cvetnih rešenja koja se približavaju najboljem mogućem rešenju datog problema. Iako je algoritam bio efikasan za rešavanje mnogih problema, njegovo jednosmerno kretanje ka najboljem rešenju može biti spor proces.
Prilagođavanja tima FPA uključuju dodavanje dvostepenog Luenberger posmatračkog kontrolera, sa posebnim fokusom na poboljšanje proizvodnje energije vetra. Ovaj dodatak omogućava algoritmu da posmatra i prilagođava se i globalnoj i lokalnoj dinamici oprašivanja, značajno poboljšavajući njegovu efikasnost na većim rastojanjima između rešenja u gredici, tačnije, „prostoru rešenja“.
Sa tehničkog stanovišta, Luenberger posmatrački kontroler uvodi novu strukturu, omogućavajući algoritmu da prevaziđe prethodni jednosmerni pristup. Ova promena je dizajnirana da ubrza konvergenciju rešenja i poboljša efikasnost.
Metod omogućava timu da optimizuje efikasnost vetroturbina prilagođavanjem njihove brzine rotacije na osnovu najboljih lokalnih i globalnih rešenja dobijenih kroz poboljšani FPA. Za razliku od tradicionalnih metoda, modifikovani FPA uvodi dvosmerno kretanje za oprašivače, poboljšavajući njihovu potragu za optimalnim rešenjima. Simulacije i testovi tima pokazuju da modifikovani FPA značajno povećava performanse vetroturbina, povećava izlaznu snagu i stabilizuje fluktuacije.
Ova praktična evolucija naglašava važnost tekućeg istraživanja i razvoja u oblasti mašinskog učenja i algoritamskih procesa inspirisanih biološkim procesima koji mogu dovesti do inovativnih rešenja u održivoj energiji.
