إعداد: المهندسة رند معن أحمد المؤسسة: قسم تقنيات الهندسة الكهربائية - كلية التقنيات الهندسية - جامعة المستقبل تعد استدامة شبكات القدرة الكهربائية والمعدات الصناعية حجر الزاوية في استقرار المنظومات التكنولوجية الحديثة. مع التوسع المستمر في الأحمال الكهربائية، أصبحت الطرق التقليدية في الصيانة الدورية واكتشاف الأعطال غير كافية لدرء التوقفات المفاجئة. يهدف هذا البحث/المقالة إلى تسليط الضوء على استراتيجيات توظيف تقنيات الذكاء الاصطناعي (AI) وتعلم الآلة (ML) في التنبؤ المسبق بالأعطال الكهربائية وتشخيصها بدقة عالية داخل الأنظمة المتقدمة، مع بيان التكامل البحثي بين تقنيات الهندسة الكهربائية وهندسة تقنيات الحاسوب. 1. المقدمة (Introduction) تتعرض الشبكات والمعدات الكهربائية (كالفرعيات، المحولات، والمحركات المصبوبة) لإجهادات حرارية وكهربائية وميكانيكية تؤدي مع مرور الوقت إلى نشوء أعطال جزئية (Partial Discharges) أو تغيرات في مستويات الجهد والتيار. إن الاعتماد على أجهزة الحماية التقليدية يضمن فصل النظام عند وقوع العطل فقط، بينما تتيح تقنيات الذكاء الاصطناعي الانتقال من مفهوم "الصيانة العلاجية أو الدورية" إلى "الصيانة التنبؤية (Predictive Maintenance)"، حيث يتم اكتشاف السلوكيات الشاذة قبل استفحالها. 2. المنهجية وتقنيات تعلم الآلة المعتمدة يعتمد نظام التشخيص الذكي على جمع البيانات اللحظية من خلال الحساسات الموزعة في الشبكة (Sensors)، ومن ثم معالجة الإشارات وتحليلها باستخدام بيئة MATLAB/Simulink لتطبيق خوارزميات تعلم الآلة التالية: آلات المتجهات الداعمة (SVM): للتمييز بدقة عالية بين الحالات التشغيلية الطبيعية وأنواع الأعطال المتعددة. الشبكات العصبية الاصطناعية (ANN): للتعرف على الأنماط المعقدة وغير الخطية في إشارات التيار والجهد. أشجار القرار والغابات العشوائية (Random Forest): لتصنيف الأعطال واستخراج القواعد الفنية المسببة للخلل. 3. التكامل الأكاديمي والبحثي بين التخصصين تتجلى أهمية هذا التوجه في إبراز الصورة التكاملية بين العلوم الهندسية المختلفة داخل الجامعة: قسم تقنيات الهندسة الكهربائية: يقدم الفهم الهندسي الفيزيائي للظواهر الكهربائية، وتحليل سعة الأحمال، وتفسير إشارات الأعطال وخصائص الموجات. قسم هندسة تقنيات الحاسوب: يتولى تصميم الخوارزميات البرمجية، وتدريب النماذج الذكية، وبناء واجهات البرمجة المتقدمة للتعامل مع البيانات الضخمة (Big Data). 4. الاستنتاجات والتوصيات (Conclusion & Recommendations) يُثبت توظيف الذكاء الاصطناعي كفاءة عالية في رفع موثوقية الأنظمة الكهربائية وتقليل الكلف التشغيلية الناجمة عن التوقفات المفاجئة. نوصي بتوسيع أبحاث التنبؤ بالأعطال لتشمل ربط أجهزة القياس الذكية بمفهوم إنترنت الأشياء الصناعي (IIoT)، وتوفير بيئات محاكاة مختبرية متطورة لطلبة قسم تقنيات الهندسة الكهربائية لتطبيق هذه النموذجيات ميدانياً. جامعة المستقبل الجامعة الاولى في العراق.