مئة ملي ثانية — لحظة يكاد فيها الضوء أن يقطع ثلاثين ألف كيلومتر. لكن بالنسبة لشبكة الطاقة التي تعرضت لصاعقة أو قصر دارة، تصبح هذه الفترة هي الحد الفاصل بين الاستقرار والانهيار. خلال هذه الأجزاء من الثانية، إما أن تخمد سلسلة التذبذبات أو تهز الشبكة حتى تفقد استقرارها. شبكة عصبية من الجيل الجديد، تُدعى ES-PINN (Energy System Physics-Informed Neural Network)، تتعلم تمييز هذه اللحظة الحرجة — تمامًا كحبال مشي ماهر يتنبأ بهبوب الرياح الخطرة من إشارات بالكاد تُلاحظ. إنها لا تحلل مجرد تدفق الأرقام من الحساسات، بل التسلسل الزمني بأكمله: حالة النظام قبل العطل، وطبيعة الاضطراب لحظة الصدمة، والتذبذبات الخامدة أو المتصاعدة بعده. وبناءً على ذلك تتنبأ ما إذا كانت الشبكة ستحافظ على توازنها.

مفتاح هذه السرعة يكمن في التدريب نفسه. لقد دمج المطورون في الشبكة العصبية معادلات تفاضلية تصف حركة دوارات المولدات (ما يُسمى بمعادلة التمايل). وبفضل ذلك، لا تكتفي ES-PINN بحفظ الأمثلة من بيانات التدريب، بل تستند إلى قوانين نيوتن الأساسية وقوانين الديناميكا الكهربائية. يصبح التشبيه بحبال المشي أكثر دقة: فهو لا يشعر بقوة الرياح فحسب، بل بشد الحبل تحت قدميه — كذلك الشبكة العصبية تراعي في آنٍ واحد قراءات الحساسات والقيود الفيزيائية. في مخططات اختبار من 9 و14 و30 عقدة، وجدت ES-PINN الحدود الخطرة للاستقرار بدقة أكبر من النماذج المنافسة وعملت أسرع بعدة مرات.

الآن أصبح لدى مشغلي الشبكة أداة للتقييم الوقائي لهشاشة الشبكة. يمكنهم مسبقًا حساب الظروف التي يظل فيها النظام بأكمله مستقرًا، وضبط الحماية بحيث لا تؤدي الصدمة المفاجئة إلى انهياره. لم يعد الزمن الحرج لتفعيل الحماية تخمينًا أعمى — بل أصبح معروفًا بدقة تعادل دقة معرفة حبال المشي متى يخطو خطوة إلى الوراء.