المناعة الحتمية: هندسة مرونة الشبكة عبر الذكاء الاصطناعي العميق بعد الانقطاع الأيبيري 2025

يمثّل الانهيار الكارثي لنظام القدرة الذي وقع عبر شبه الجزيرة الأيبيرية في 28 أبريل 2025 لحظة فارقة في تاريخ إدارة البنية التحتية الحرجة. ففي الساعة 12:33 بتوقيت وسط أوروبا الصيفي (CEST)، أسفر تسلسل متتابع من الأحداث عن انفصال تام لشبكتي الكهرباء الإسبانية والبرتغالية عن المنطقة التزامنية الأوروبية القارية، مما أدى إلى فقدان مفاجئ لقدرة توليد تبلغ 15 غيغاواط (GW) خلال فاصل زمني مدته خمس ثوانٍ.¹ وهذا الحدث، الذي ترك نحو 60 مليون ساكن بلا كهرباء لمدة تصل إلى عشر ساعات وأدى إلى عدة وفيات مرتبطة بفشل البنية التحتية، يمثّل إدانة صارخة للاعتماد الحالي على بروتوكولات التحكم القديمة وأنظمة الأتمتة الاحتمالية.³ وفي حين خمّن الخطاب العام الأولي بعدم استقرار مصادر الطاقة المتجددة، حدّدت التحقيقات الرسمية لشبكة مشغّلي أنظمة النقل الأوروبية للكهرباء (ENTSO-E) وشركة Red Eléctrica de España (REE) سببًا جذريًا تقنيًا أكثر دقة: انهيارًا نسقيًا في إدارة القدرة التفاعلية وفشل محطات القدرة في الالتزام ببروتوكولات التحكم الديناميكي في الجهد، وتحديدًا إجراء التشغيل 7.4 (P.O. 7.4).¹

بالنسبة لقادة المؤسسات ومشغّلي الأنظمة، يسلّط انقطاع 2025 الضوء على فجوة تكنولوجية خطيرة. ففي عصر تركّز فيه كثير من استشارات الذكاء الاصطناعي على تطبيقات «الغلاف»—واجهات رقيقة فوق نماذج اللغة الكبيرة الاحتمالية (LLMs) مثل GPT-4 أو Claude—يُظهر الحادث الأيبيري أن البنية التحتية عالية المخاطر تتطلّب حلول «الذكاء الاصطناعي العميق». وتضع Veriprajna نفسها في طليعة هذا التحوّل، متجاوزةً «مغالطة الحرية اللانهائية» للذكاء الاصطناعي التوليدي لتقديم معماريات حتمية مستنيرة بالفيزياء وعصبية-رمزية قادرة على اتخاذ قرارات بمقياس الميكروثانية في بيئات لا تكون فيها الهلوسات مجرد أخطاء، بل كوارث أعمال ومجتمعية.⁷ تحلّل هذه الورقة البيضاء المعمارية التقنية لانهيار 2025 وترسم إطار نظام «مناعة» حتمية للشبكة مصمَّم لمنع تكرار مثل هذه الإخفاقات النسقية.

الأصل التقني لانهيار الـ 15 غيغاواط

اتّسمت ظروف صباح 28 أبريل 2025 باختراق عالٍ للطاقة المتجددة—بلغت 78% من التوليد قبل الانهيار بفترة قصيرة—مقترنًا بمستويات منخفضة تاريخيًا من التوليد التزامني التقليدي.⁹ وهذه البيئة، رغم ملاءمتها لأهداف إزالة الكربون، قلّصت بشكل كبير القصور الذاتي الطبيعي للنظام، مما جعل الشبكة شديدة الحساسية لاضطرابات الجهد والتردد.⁹ وفي نحو الساعة 12:00 ظهرًا، بدأ النظام يشهد تذبذبات دون تزامنية (SSO) عند ترددات 0.21 هرتز و0.63 هرتز.⁴ وقد أطلقت هذه التذبذبات، الناجمة عن تفاعلات معاكسة بين أنظمة تحكم المولّدات وشبكة النقل، تسلسلًا من التدخلات اليدوية والآلية التي زعزعت عن غير قصد ملف جهد النظام.⁴

التسلسل الزمني للتدهور النسقي والفشل

الوقت (CEST)	مرحلة الحدث	الآلية التقنية	أثر النظام
09:00 - 12:00	تحذير ما قبل الحادث	فصل مفاعلات التحويل لإدارة انخفاضات الجهد العابرة أثناء التذبذبات.	استنزاف سعة امتصاص القدرة التفاعلية. 12
12:00 - 12:31	تخميد التذبذب	فعّل مشغّلو أنظمة النقل (TSOs) دوائر متوازية بجهد 400 كيلوفولت وحوّلوا روابط HVDC إلى وضع القدرة الثابتة.	انخفاض ممانعة النظام؛ ارتفاع جهود النقل. 12
12:31 - 12:32	فجوة الرصد	بقيت جهود النقل ضمن الحدود (418 كيلوفولت)، لكن جهود جانب المجمّع بلغت 242 كيلوفولت.	انتهاكات جهد زائد خفية عند مستويات التوزيع/المجمّع. 12
12:33:10	فقدان مفاجئ للقدرة	فقدان 15 غيغاواط من التوليد في 5 ثوانٍ بسبب فصلات حماية متتابعة.	فقدان 60% من إجمالي الطلب الوطني لحظيًا. 2
12:33:18	انهيار التردد	هبط تردد النظام دون 48.0 هرتز؛ وفشل فصل الأحمال التلقائي في تثبيت الهبوط.	إطلاق فصل إقليمي وانقطاع شامل. 3
12:33:24	عزلة تامة	الفصل النهائي لروابط HVDC وAC المتبادلة مع فرنسا والمغرب.	انقطاع كهرباء شامل عبر إسبانيا والبرتغال. 3

وكان أهم كشف من تحليل ما بعد الحدث هو «فجوة الرصد». فبينما راقب مشغّلو أنظمة النقل (TSOs) خطوط الجهد العالي (400 كيلوفولت)، بدأ الفشل المتتابع عند محطات فرعية بمستوى المجمّع (220 كيلوفولت).¹² ولأن مغيّرات حنفية المحوّلات لم تتكيّف بسرعة كافية مع ارتفاعات الجهد عند الساعة 12:31 ظهرًا، تجاوزت جهود المحطات الداخلية عتبات الحماية حتى بينما بدت بيانات مستوى النقل اسمية.¹² ويؤكّد ذلك الحاجة إلى ذكاء اصطناعي أصلي الحافة لا يعتمد على الاستطلاع المركزي، بل يعمل بمقياس المللي ثانية مباشرة عند نقطة التوليد والتوزيع.

بروتوكولات القدرة التفاعلية وفشل الإنفاذ الرمزي

لم يكن الفشل المركزي لحادث 2025 نقصًا في التكنولوجيا المتاحة، بل فشلًا في إنفاذ البروتوكول. القدرة التفاعلية ($Q$) هي شريان حياة استقرار الجهد. في نظام تيار متردد، العلاقة بين الجهد ($V$)، والقدرة الفعّالة ($P$)، والقدرة التفاعلية ($Q$) تحكمها معادلة القدرة المركّبة $S = P + jQ$ وتقريبات هبوط الجهد المقابلة.¹³ للحفاظ على الاستقرار، يجب على محطات القدرة تعديل خرج قدرتها التفاعلية ديناميكيًا: بحقنها لرفع الجهد أثناء الانخفاضات وبامتصاصها لخفض الجهد أثناء الارتفاعات.¹⁵

وفي إسبانيا، تُقَنَّن هذه المتطلبات في إجراء التشغيل 7.4 (P.O. 7.4)، الذي يفرض على وحدات التوليد توفير التحكم الديناميكي في الجهد عبر الحفاظ على سعة لتوفير أو امتصاص قدرة تفاعلية تعادل ما لا يقل عن 30% من قدرتها القصوى.⁶ وفي 28 أبريل، تطلّب النظام امتصاصًا جماعيًا للقدرة التفاعلية لمواجهة ارتفاع الجهد الناجم عن تشبيك الشبكة وانخفاض الطلب.¹² غير أن منشآت توليد متعددة فشلت في بلوغ قيم الامتصاص الدنيا المفروضة قانونًا، مستجيبةً ببطء شديد أو غير مستجيبة على الإطلاق.¹⁶

شذوذ حقن القدرة التفاعلية

أبرز التحقيق فشلًا فادحًا بوجه خاص حيث قامت إحدى منشآت التوليد الكبرى، بدلًا من امتصاص القدرة التفاعلية كما تفرضه حالة الجهد الزائد في النظام، بإضافة (حقن) قدرة تفاعلية فعليًا إلى الشبكة.¹⁹ وعمل هذا الفعل كحلقة تغذية راجعة إيجابية، رافعًا الجهود المحلية أكثر ومطلِقًا الفصل الحمائي للمولّدات المجاورة.⁴ ويشير نمط الفشل هذا إلى مشكلة أعمق: وحدات التحكم التناسبي-التكاملي (PI) والتناسبي-التكاملي-التفاضلي (PID) القديمة مضبوطة لاستقرار الحالة المستقرة وغالبًا ما تفشل في التعامل مع الديناميكيات غير الخطية متعددة المتغيرات لشبكة تخضع لتخميد تذبذب سريع.¹³

من منظور Veriprajna، يمثّل هذا فشلًا في «الإنفاذ الرمزي». فنظام تحكمه معمارية عصبية-رمزية كان سيمنع فيزيائيًا حقن القدرة التفاعلية. وفي مثل هذا النظام، قد يقترح الفاعل العصبي إشارة تحكم استنادًا إلى قراءة محلية خاطئة، لكن طبقة المنطق الرمزي—المبرمجة بقواعد P.O. 7.4 الحتمية—كانت ستحدّد أن $V > V_{max}$ و $dV/dt > 0$، وبذلك تفرض أمر امتصاص إلزامي بغض النظر عن مخرج الطبقة العصبية.⁷

قيود الذكاء الاصطناعي الاحتمالي والحلول القائمة على الأغلفة

أدى تصاعد اهتمام المؤسسات بالذكاء الاصطناعي إلى انتشار أغلفة نماذج اللغة الكبيرة—تطبيقات تستخدم واجهة برمجة تطبيقات من طرف ثالث (OpenAI، Anthropic، Google) لمعالجة البيانات. ورغم أن هذه النماذج استثنائية في معالجة اللغة الطبيعية، فإنها احتمالية وغير حتمية في جوهرها.⁷ إنها تعمل على الارتباطات الإحصائية لا على قوانين الفيزياء. وفي سياق انقطاع 28 أبريل، كان نموذج ذكاء اصطناعي احتمالي مستخدَم لمراقبة الشبكة سيقدّم ثلاثة أنماط فشل حرجة:

1. هلوسة الحالات الفيزيائية: تحسّن النماذج الاحتمالية المخرج الأكثر معقولية في الظاهر. وفي أزمة شبكة، قد يُبلغ نموذج لغة كبيرة أن «مستويات الجهد تستقر» استنادًا إلى أنماط تاريخية لتعافي التذبذب، حتى لو أشارت بيانات المستشعرات في الوقت الفعلي إلى تتابع جهد زائد متباعد.⁷
2. كمون الاستدلال: يعتمد الذكاء الاصطناعي القائم على الأغلفة على معالجة سحابية ونداءات واجهة برمجة التطبيقات، مما يُدخل كمونًا في نطاق 500 مللي ثانية إلى عدة ثوانٍ.⁷ وفي حدث فقدان 15 غيغاواط حيث يهبط التردد دون العتبات الحرجة في أقل من خمس ثوانٍ، يصبح الرد دون الثانية إلزاميًا. ويحقّق استدلال Veriprajna أصلي الحافة كمونًا دون 0.7 مللي ثانية، مما يتيح التصحيح قبل اكتمال التتابع.²²
3. غياب التحقق الشكلي: لا يمكن التحقق شكليًا من أن نماذج اللغة الكبيرة تتبع قوانين فيزيائية مثل قانون كيرشوف للجهد (KVL) أو معادلة التأرجح. إنها «صناديق سوداء» تعامل «المرجّح» و«الصحيح» كمفهومين متطابقين.⁷ تستخدم معمارية الذكاء الاصطناعي العميق لدى Veriprajna الشبكات العصبية المستنيرة بالفيزياء (PINNs) حيث تُقيَّد دالة الخسارة نفسها بالنماذج الرياضية لشبكة القدرة.²²

الأداء المقارن: نماذج التحكم

نموذج التحكم	نوع المنطق	الكمون	الموثوقية في الظروف القصوى	الامتثال للبروتوكول
وحدات PI/PID القديمة	خطي/تناظري	ميكروثوانٍ	منخفضة (يفشل الضبط الثابت في الأحداث غير الخطية)	يدوي/ثابت
أغلفة نماذج اللغة الكبيرة	احتمالي	> 500 ms	معدوم (مخاطر الهلوسة)	قائم على المعقولية
الذكاء الاصطناعي العميق (PINN)	حتمي فيزيائيًا	< 1 ms	عالية (قوانين فيزيائية مدمجة)	وقت حقيقي / ديناميكي
عصبي-رمزي	منطق حتمي	< 10 ms	عالية (قواعد تُفرَض فيزيائيًا)	رمزي مُرمَّز صلبًا

معمارية حل Veriprajna: هندسة مناعة الشبكة

لمعالجة الثغرات التي كشفها الانقطاع الأيبيري، تقترح Veriprajna معمارية ذكاء اصطناعي عميق متعددة الطبقات تدمج قابلية تكيّف الشبكات العصبية مع صرامة المنطق الرمزي ويقين القوانين الفيزيائية. وصُمِّم هذا النظام لتوفير «المناعة الحتمية»—حالة تصبح فيها طبقة تحكم الشبكة عاجزة فيزيائيًا عن تنفيذ فعل ينتهك بروتوكولات السلامة أو الثوابت الفيزيائية.

الطبقة 1: الشبكات العصبية المستنيرة بالفيزياء (PINNs) للتحكم بمقياس المللي ثانية

تمثّل الشبكات العصبية المستنيرة بالفيزياء تطوّر المعمارية العصبية للأنظمة السيبرانية-الفيزيائية. فبدل التعلّم من البيانات التاريخية وحدها، تدمج هذه الشبكات المعادلات التفاضلية التي تحكم ديناميكيات نظام القدرة مباشرة في عملية التدريب.²² بالنسبة لمحوّل تشكيل الشبكة، تُدرَّب الشبكة المستنيرة بالفيزياء باستخدام معادلة التأرجح كقيد خسارة:

$$M_i \frac{d\omega_i}{dt} = P_{set,i} - P_i - D_i(\omega_i - \omega_{ref})$$

حيث $M_i$ تمثّل القصور الذاتي الافتراضي و $D_i$ تمثّل التخميد.²² وبتقليل متبقي هذه المعادلة أثناء الاستدلال، تضمن الشبكة المستنيرة بالفيزياء أن مخرجات تحكمها للتردد والجهد متسقة فيزيائيًا. وفي حدث 2025، كان متحكّم شبكة مستنيرة بالفيزياء في محطة غرناطة الفرعية سيتعرّف على التذبذبات دون التزامنية لا كضوضاء، بل كانتهاك ديناميكي، موفّرًا تخميدًا نشطًا أسرع بما يصل إلى 87 مرة من طرق التحسين التقليدية.²⁴

الطبقة 2: إنفاذ البروتوكول العصبي-الرمزي

كان فشل محطات القدرة في اتباع P.O. 7.4 في جوهره فشلًا في «الحكمة» (Prajna)—القدرة على تطبيق السياق والقواعد على البيانات الخام. وتفصل معمارية «الساندويتش» العصبي-الرمزي لدى Veriprajna «نكهة» المعالجة العصبية (الحدس) عن «ميكانيكا» المنطق الرمزي (القواعد).⁷

وفي هذا الإطار، تعمل الطبقة الرمزية كحارس بوابة. وبالنسبة للشبكة الأيبيرية، نُرمِّز كامل P.O. 7.4 ومنهجية ICS في لغة نطاق خاص (DSL) شكلية.⁷ وعندما يكتشف مستشعر جهدًا زائدًا، يُطلِق المحرّك الرمزي حالة «امتصاص القدرة التفاعلية» الإلزامية. وأي إشارة تحكم من الشبكة العصبية تقترح حقن قدرة تفاعلية تُحجَب فيزيائيًا بواسطة «حاجز دستوري».⁷ وهذا يضمن أن الحادث الذي «أضافت فيه محطة بدل أن تمتص» قدرة تفاعلية يصبح استحالة فيزيائية.¹⁹

الطبقة 3: متحكّمات الشبكة العصبية (NGC) أصلية الحافة

لحل «فجوة الرصد»، يجب أن ينتقل الذكاء من غرفة تحكم مشغّل نظام النقل إلى محوّل جانب المجمّع.¹² ومتحكّمات الشبكة العصبية لدى Veriprajna أجهزة حوسبة حافة متخصصة تؤدّي قياسات موجية تزامنية عالية الدقة.²⁵ وتشغّل هذه الأجهزة حلقة تحسين مستمرة كل 100 مللي ثانية، مستعلمة نماذج تنبؤ محلية للساعات الأربع التالية من الإنتاج بينما تنفّذ في الوقت نفسه أوامر المحوّل للحفاظ على استقرار الجهد المحلي ضمن $\pm 0.02$ لكل وحدة (pu).²³

الطبقة 4: التعلّم التعزيزي متعدد الوكلاء (MARL) لاستعادة الشبكة

أعيقت فترة الاستعادة البالغة 24 ساعة للشبكة الأيبيرية بتعقيد إجراءات البدء الأسود اليدوية.⁴ وتستخدم Veriprajna ذكاءً اصطناعيًا وكيلاً استنادًا إلى معيار RL2Grid لأتمتة استعادة الشبكة.²⁷ ويعمل هؤلاء الوكلاء في إطار هرمي:

• الوكلاء المحليون: يديرون جزر قدرة فردية، مضمونين ألا تواجه وحدات البدء الأسود (مثل محطة Castelo de Bode الكهرومائية) انهيار جهد عند إعادة توصيل الأحمال.²⁷
• الوكلاء المنسّقون: يشرفون على مزامنة الجزر، منفّذين إعادة تهيئة طوبولوجيا في الوقت الفعلي لتحسين الهامش التراكمي المتاح عبر خطوط النقل.²⁷

وخلال تعافي 2025، كان هذا النظام سيوجّه ذاتيًا دعم المغرب البالغ 900 ميغاواط ودعم فرنسا البالغ 2 غيغاواط إلى «الجزر» الأعلى أولوية مع الحفاظ على توازن حتمي، مما كان سيقلّص على الأرجح انقطاع الـ 24 ساعة إلى نافذة تعافٍ مدتها 4 ساعات.⁹

الامتثال التنظيمي وقانون الذكاء الاصطناعي في الاتحاد الأوروبي

بما أن تقنية تحكم الشبكة تُصنَّف «بنية تحتية حرجة» بموجب قانون الذكاء الاصطناعي في الاتحاد الأوروبي، فإن الشفافية والقابلية للتفسير ليستا اختياريين.³¹ تفشل الحلول القائمة على الأغلفة في هذا الاختبار لأنها لا تستطيع تقديم «سبب جذري» لتنبؤاتها. ويوفّر الذكاء الاصطناعي العصبي-الرمزي لدى Veriprajna آثار قرار مفهومة للبشر.²⁰

وفي حال تدخل آلي، يُنتج النظام مسار تدقيق:

• المُطلِق: اكتشاف تذبذب دون تزامني بتردد 0.63 هرتز عبر الطبقة العصبية.
• انتهاك القيد: تجاوز حد الجهد الديناميكي في P.O. 7.4 (435 كيلوفولت).
• الإجراء: فرضت الطبقة الرمزية إلزاميًا $Q$-امتصاص (30% من $P_{max}$).
• النتيجة: استقرار الجهد عند 418 كيلوفولت؛ ومنع فصل جانب المجمّع.

يلبّي هذا المستوى من التفصيل متطلبات منهجية ICS وتصنيفات حالات الاستخدام عالية المخاطر في قانون الذكاء الاصطناعي في الاتحاد الأوروبي، موفّرًا لمشغّلي أنظمة النقل «الحقيقة القابلة للتحقق» المطلوبة للمساءلة القانونية والتشغيلية.¹

خارطة طريق التنفيذ الاستراتيجي لمناعة الشبكة

يتطلّب الانتقال من الأنظمة القديمة إلى شبكة مدعومة بالذكاء الاصطناعي العميق نهجًا مرحليًا يوازن بين التخفيف الفوري للمخاطر وتحديث البنية التحتية على المدى الطويل.

المرحلة 1: الرصد عالي الدقة وتكامل التوأم الرقمي (0–6 أشهر)

تركّز الخطوة الأولية على نشر مستشعرات موجية تزامنية عالية الدقة عند مستوى المجمّع لجميع أصول التوليد. وتُغذّى هذه البيانات في توأم رقمي للشبكة الذكية (SGDT)، يعمل كـ«محاكي طيران» للشبكة.³³ وبتشغيل شبكات عصبية عميقة داخل التوأم الرقمي، يستطيع المهندسون رصد انتهاكات الجهد الزائد الخفية—الآلية ذاتها التي سمحت للتتابع الأيبيري بالمرور دون كشف حتى فات الأوان.¹²

المرحلة 2: نشر الحواجز العصبية-الرمزية (6–18 شهرًا)

تتضمّن المرحلة الثانية نشر محرّكات قواعد رمزية على أجهزة التحكم القائمة. وتعمل هذه المحرّكات كـ«جدار ناري للسلامة»، مراقبة مخرج أنظمة PID وAGC (التحكم التلقائي في التوليد) الحالية. وإذا حاول نظام قديم حقن قدرة تفاعلية أثناء جهد زائد—كما حدث في انقطاع 2025—يعترض الحاجز العصبي-الرمزي الأمر ويصحّحه استنادًا إلى قواعد P.O. 7.4 الحتمية.⁷

المرحلة 3: تحكم PINN أصلي الحافة لعقد المحوّلات الكثيفة (18–36 شهرًا)

تستهدف المرحلة النهائية استبدال المتحكّمات القديمة في مزارع الرياح والطاقة الشمسية بمتحكّمات الشبكة العصبية (NGCs) لدى Veriprajna. وتمكّن هذه الأجهزة قدرات تشكيل الشبكة والتخميد النشط للتذبذبات دون التزامنية باستخدام معماريات PINN.²² وتحوّل هذه المرحلة الشبكة من نظام تفاعلي يستجيب للإخفاقات إلى نظام مناعة يثبّت الاضطرابات استباقيًا بسرعة الكهرباء.

الخاتمة: الضرورة السيادية للذكاء الاصطناعي العميق

لم يكن الانقطاع الأيبيري في 28 أبريل 2025 فشلًا للطاقة المتجددة، بل فشلًا في الذكاء. وقد كشف خطر إدارة تدفقات طاقة القرن الحادي والعشرين ببروتوكولات تحكم من القرن العشرين وأتمتة احتمالية مبكرة. ويُظهر الفقدان المفاجئ لـ 15 غيغاواط والانقطاع اللاحق ليوم كامل عبر إسبانيا والبرتغال أن البنية التحتية الحرجة تتطلّب مستوى من اليقين لا تستطيع أغلفة نماذج اللغة الكبيرة والمتحكّمات القديمة ببساطة توفيره.

مهمة Veriprajna هي هندسة هذا اليقين. وبدمج قوانين الفيزياء مباشرة في المعماريات العصبية وإنفاذ البروتوكولات التنظيمية عبر المنطق الرمزي الحتمي، نقدّم مسارًا نحو شبكة ليست «ذكية» فحسب، بل منيعة جوهريًا على الفشل المتتابع. وبالنسبة للمرفق الحديث، لم يعد الخيار بين القدرة التقليدية أو المتجددة، بل بين الهشاشة الاحتمالية والمرونة الحتمية. كان انقطاع 2025 جرس إنذار؛ والذكاء الاصطناعي العميق هو الجواب.

في بيئات المؤسسات عالية المخاطر، لا مجال لـ«المرجّح» أو «المعقول». هناك فقط مطلب الحقيقة. وتقدّم Veriprajna تلك الحقيقة، ضامنةً أن تبقى الأضواء مضاءة لا لأننا تمنّينا ذلك، بل لأننا هندسناها لتكون عاجزة فيزيائيًا عن الانطفاء.

الأعمال المستشهد بها

1. 28 April 2025 Blackout - ENTSO-e، تم الوصول إليه في 9 فبراير 2026، https://www.entsoe.eu/publications/blackout/28-april-2025-iberian-blackout/
2. Blackout and System Restoration on the Iberian Peninsula on April ...، تم الوصول إليه في 9 فبراير 2026، https://www.ees.tf.fau.de/files/2025/05/Blackout_ES_PT_FR_28_04_2025_en.pdf
3. 2025 Iberian Peninsula blackout - Wikipedia، تم الوصول إليه في 9 فبراير 2026، https://en.wikipedia.org/wiki/2025_Iberian_Peninsula_blackout
4. Future-Proofing GB's Power System: Reflections on the April 2025 Iberian Event Summary، تم الوصول إليه في 9 فبراير 2026، https://www.neso.energy/document/368991/download
5. The Iberian Blackout: Not a Failure of Renewables - A Wake-Up Call for Grid Resilience، تم الوصول إليه في 9 فبراير 2026، https://www.ren21.net/the-iberian-blackout-not-a-failure-of-renewables-a-wake-up-call-for-grid-resilience/
6. Red Eléctrica presents its report on the incident of 28 April and ...، تم الوصول إليه في 9 فبراير 2026، https://www.ree.es/en/press-office/news/press-release/2025/06/red-electrica-presents-report-incident-28-april-and-proposes-recommendations
7. Veriprajna - Neuro-Symbolic AI Systems، تم الوصول إليه في 9 فبراير 2026، https://veriprajna.com/
8. Industries We Serve - Veriprajna، تم الوصول إليه في 9 فبراير 2026، https://veriprajna.com/industries
9. The Iberian Peninsula Blackout — Causes, Consequences, and Challenges Ahead، تم الوصول إليه في 9 فبراير 2026، https://www.bakerinstitute.org/research/iberian-peninsula-blackout-causes-consequences-and-challenges-ahead
10. Analysis of events leading to the peninsular blackout of April 28, 2025، تم الوصول إليه في 9 فبراير 2026، https://compass-lexecon.files.svdcdn.com/production/editorial/2025/08/20250728_CL-Blackout-Spain_en.v2.pdf?dm=1754394585
11. Analysis of events leading to the peninsular blackout of April 28, 2025 - aelec، تم الوصول إليه في 9 فبراير 2026، https://aelec.es/wp-content/uploads/2025/07/20250730_CL_INESCTEC_Blackout_full-report_en.pdf
12. The Iberian Blackout: A Black Swan or a Gray Rhino? † A Thorough Power System Analysis - arXiv، تم الوصول إليه في 9 فبراير 2026، https://arxiv.org/html/2511.17433v1
13. Impact of Reactive Power Generation and Absorption on Voltage Regulation. A case study in an Industrial Power System - International Journal of Engineering Research & Technology، تم الوصول إليه في 9 فبراير 2026، https://www.ijert.org/impact-of-reactive-power-generation-and-absorption-on-voltage-regulation-a-case-study-in-an-industrial-power-system
14. Voltages and Reactive Power Controls in Power System Network Using Automatic Voltage Regulator (Avr) and Static Var Compensator - IOSR Journal، تم الوصول إليه في 9 فبراير 2026، http://iosrjournals.org/iosr-jeee/Papers/Vol11%20Issue%201/Version-2/D011122934.pdf
15. The Importance of Reactive Power in Power System Network، تم الوصول إليه في 9 فبراير 2026، https://www.elprocus.com/importance-of-reactive-power-in-power-system-network/
16. Red Eléctrica authorises the first renewables that can contribute to dynamic voltage control، تم الوصول إليه في 9 فبراير 2026، https://www.ree.es/en/press-office/news/press-release/2025/10/redelectrica-authorises-first-renewables-can-contribute-dynamic-voltage-control
17. ARTIFICIAL INTELLIGENCE DRIVEN OPTIMIZATION OF PV STATCOM PI CONTROLLERS FOR REGULATORY COMPLIANT POWER QUALITY IN MOROCCAN DIST، تم الوصول إليه في 9 فبراير 2026، http://www.jatit.org/volumes/Vol103No16/3Vol103No16.pdf
18. Spanish grid operator authorizes renewables for dynamic voltage control - PV Magazine، تم الوصول إليه في 9 فبراير 2026، https://www.pv-magazine.com/2025/10/30/spanish-grid-operator-authorizes-renewables-to-provide-dynamic-voltage-control/
19. Madrid | Lucas Laursen، تم الوصول إليه في 9 فبراير 2026، https://lucaslaursen.com/category/datelines/madrid/
20. Neuro-Symbolic AI for Explainable Decision-Making in Autonomous Grid Operations - Preprints.org، تم الوصول إليه في 9 فبراير 2026، https://www.preprints.org/manuscript/202508.0747/v1/download
21. Agentic AI: A Comprehensive Survey of Architectures, Applications, and Future Directions، تم الوصول إليه في 9 فبراير 2026، https://arxiv.org/html/2510.25445v1
22. Physics-Informed Neural Networks (PINNs) for Real-Time Grid ...، تم الوصول إليه في 9 فبراير 2026، https://www.preprints.org/manuscript/202507.0721
23. Physics-Informed Neural Networks (PINNs) for Real-Time Grid-Forming Inverter Control: Embedding Physical Laws into Deep Learning Models | Sciety، تم الوصول إليه في 9 فبراير 2026، https://sciety.org/articles/activity/10.20944/preprints202507.0721.v1
24. Physics-Informed Neural Networks for Power Systems - DTU Research Database، تم الوصول إليه في 9 فبراير 2026، https://orbit.dtu.dk/files/215621776/1911.03737_1_.pdf
25. Grid Monitoring with Synchro-Waveform and AI Foundation Model Technologies - arXiv، تم الوصول إليه في 9 فبراير 2026، https://arxiv.org/html/2403.06942v2
26. The Neural Grid: A Novel Architecture for Powering AI Through Millions of Homeowner Micro-Grids | by Brian Curry | Dec, 2025 | Medium، تم الوصول إليه في 9 فبراير 2026، https://medium.com/@brian-curry-research/the-neural-grid-a-novel-architecture-for-powering-ai-through-millions-of-homeowner-micro-grids-8347e80323f7
27. RL2Grid: Benchmarking Reinforcement Learning in Power Grid Operations - arXiv، تم الوصول إليه في 9 فبراير 2026، https://arxiv.org/html/2503.23101v1
28. Agentic AI: The next evolution in enterprise automation - Grid Dynamics، تم الوصول إليه في 9 فبراير 2026، https://www.griddynamics.com/blog/agentic-ai-strategy
29. INVESTIGATION INTO THE IBERIAN BLACKOUT OF 28 APRIL 2025 - ERSE، تم الوصول إليه في 9 فبراير 2026، https://www.erse.pt/media/qovd5vgq/ersexplica25_vfinal-en.pdf
30. LEMAD: LLM-Empowered Multi-Agent System for Anomaly Detection in Power Grid Services، تم الوصول إليه في 9 فبراير 2026، https://www.mdpi.com/2079-9292/14/15/3008
31. Sustainable AI and the rise of the energy-efficient data center | AMD، تم الوصول إليه في 9 فبراير 2026، https://www.amd.com/content/dam/amd/en/documents/epyc-business-docs/white-papers/sustainable-ai-rise-of-energy-efficient-data-center-tech-target-report.pdf
32. VDE ETG: Better management of complexity in the power grid with AI، تم الوصول إليه في 9 فبراير 2026، https://www.vde.com/en/press/press-releases/ai-grid-control-technology
33. Deep Neural Networks in Smart Grid Digital Twins: Evolution, Challenges, and Future Outlooks - ResearchGate، تم الوصول إليه في 9 فبراير 2026، https://www.researchgate.net/publication/393424486_Deep_Neural_Networks_in_Smart_Grid_Digital_Twins_Evolution_Challenges_and_Future_Outlooks