Abstract
Această lucrare analizează integrarea Inteligenței Artificiale (AI) și a Învățării Automate (ML) în Sistemele de Captare a Energiei Valurilor (WEC). Deși potențialul energetic oceanic este imens, natura stocastică a valurilor limitează competitivitatea costurilor (LCOE) comparativ cu energia eoliană sau solară. Depășind controlul tradițional bazat pe modele liniare, algoritmii ML (precum Rețelele Neuronale Recurente sau Învățarea prin Recompensă) permit adaptarea în timp real la condițiile neregulate ale mării. Lucrarea explorează optimizarea Sistemului de Extracție a Puterii (PTO) prin aceste tehnologii, vizând maximizarea energiei captate și asigurarea rezilienței structurale în condiții extreme.
This paper analyzes the integration of Artificial Intelligence (AI) and Machine Learning (ML) in Wave Energy Converter (WEC) Systems. Although the ocean energy potential is immense, the stochastic nature of waves limits their cost competitiveness (LCOE) compared to wind or solar energy. Going beyond traditional control based on linear models, ML algorithms (such as Recurrent Neural Networks or Reward Learning) allow for real-time adaptation to irregular sea conditions. The paper explores the optimization of the Power Extraction System (PTO) through these technologies, aiming to maximize the energy captured and ensure structural resilience in extreme conditions.
