智能温室的能源优化和植物舒适管理使用人工蜂群算法
Muhammad Jawad1, Fazli Wahid1,2,3, Sikandar Ali1
1Department of Information Technology, The University of Haripur, Haripur, 22620, Pakistan.
Scientific reports
|January 11, 2025
概括
本研究介绍了一种可持续的温室模型,使用人工蜂群 (ABC) 算法来优化环境控制. 与其他算法相比,ABC方法显著提高了能源效率和工厂舒适度.
科学领域:
- 农业工程 农业工程
- 环境科学 环境科学
- 人工智能的人工智能
背景情况:
- 全球人口增加需要提高农业生产率,推动农业采用技术.
- 温室技术为植物生长提供了受控的环境,但面临着高能耗和相关碳排放的挑战.
- 节能创新对于可持续农业至关重要,尤其是在管理温室气候控制系统 (冷却器,加热器,加湿器,二氧化碳发电机) 方面.
研究的目的:
- 开发一种可持续的温室模型,优化植物生长条件,同时最大限度地减少能源消耗.
- 研究人工蜂群 (ABC) 优化技术在温室内管理关键环境参数方面的有效性.
- 通过节能温室管理来提高工厂的舒适性和降低运营成本.
主要方法:
- 开发了一个优化模型,考虑温度,湿度,二氧化碳水平和阳光作为关键的环境参数.
- 人工蜂群 (ABC) 算法用于确定植物生长和舒适的最佳环境设置.
- 一个模糊的控制器被用来调节温室执行器 (加湿器,加热器,冷却器,二氧化碳发电机) 基于ABC优化的值,最大限度地减少估计和目标参数之间的误差.
主要成果:
- 提出的基于ABC的方法证明了优越的能源效率,使用162.19 kWh用于温度,84.65 kWh用于湿度,131.20 kWh用于阳光,603.55 kWh用于二氧化碳管理.
- 与遗传算法 (GA),火算法 (FA) 和群优化 (ACO) 相比,ABC方法实现了更高的植物舒适度 (0.987对比0.944-0.950).
- 该ABC算法有效地减少了目标和实际环境参数之间的波动,这是提高温室运营能源效率的关键因素.
结论:
- 开发的可持续温室模型,利用ABC优化技术和模糊控制,显著提高能源效率和工厂舒适度.
- 在管理温室环境参数以实现最佳植物生长方面,ABC算法优于其他经过测试的优化方法 (GA,FA,ACO).
- 这项研究为减少温室农业的运营成本和能源使用提供了一个可行的模型,为可持续的农业实践做出了贡献.
