تزداد أهمية استخدام تقنيات الذكاء الاصطناعي في نمذجة محولات الطاقة الإلكترونية، غير أن العديد من التطبيقات الحالية لا تزال تواجه تحديات كبيرة، مثل الصعوبات في التحليل الهجين على عدة مقاييس زمنية ونقص المعايير والقيود المعتمدة على الفيزياء. في هذا السياق، تم تقديم إطار عمل جديد يُعرف باسم "المعادلات التفاضلية العصبية" (Neural Controlled Differential Equations - Neural CDE).

تم تصميم هذا الإطار لتعلم نماذج بديلة للمحولات الكهربائية التي تسهم في محاكاة الانتقال الكهرومغناطيسي (Electromagnetic Transient - EMT). واحدة من الميزات الرئيسية لهذا الإطار هي تخفيف قيود معدلات العينة الثابتة، مما يتيح تحليل التحكم على مقاييس زمنية متعددة. كما يُقترح نموذج للتحكم التوافقي مع مسارات مزدوجة بطيئة/سريعة لالتقاط السلوك الهرمي ومتعدد المقاييس لديناميكيات المحولات.

اعتمد الفريق أيضًا على طريقة تنظيم مستوحاة من الفيزياء لتعزيز الاستقرار والاتساق. تم تقييم النموذج المستند إلى "المعادلات التفاضلية العصبية" على مسارات تم إنشاؤها باستخدام محاكاة EMT، حيث حقق النتائج بدقة في استنساخ الاستجابات الانتقالية، مع الحفاظ على التخميد الفعال والخصائص الاهتزازية السائدة، بالإضافة إلى تنفيذ تقديرات طويلة الأجل مع الحفاظ على الحدود.

تشير النتائج إلى أن نمذجة المكونات المستندة إلى "المعادلات التفاضلية العصبية" توفر نهجًا متسقًا فيزيائيًا لنمذجة الدراسات المستندة إلى محاكاة EMT، وتفتح آفاق جديدة لتطوير تقنيات أكثر كفاءة في مجال الطاقة الإلكترونية.