本研究提出了一种混合半参数模型，结合物理启发与非参数方法，解决传统风力涡轮发电预测中的非线性关系问题。该模型提高了预测准确性37%，并量化了不确定性，为风力涡轮优化提供新思路。

本文提出了一种基于双重深度Q学习的强化学习策略，用于控制风力涡轮发电。该方法通过调整转子速度、偏转角和叶片俯仰角，在动态湍流风中显著提高了风机的功率输出和风电场收益。研究还探讨了强化学习在可再生能源管理中的应用，展示了其优化能源市场收益和提高系统效率的潜力。