损耗和最高温度被视为中频磁性元件健康状况的关键指标。然而，由于这些元件的复杂性，要准确估算损耗和最高温度面临着重大挑战。导致这种复杂性的因素包括：铁芯损耗随平均温度的变化、利兹线制造工艺导致的绕组损耗变化，以及高频效应的影响。 在本报告中，我们将介绍一种新型的实时估算方法，该方法已开发完成并集成到OPAL-RT中。该方法利用基于有限元模拟（FEM）训练的人工神经网络（ANN）。 实验结果表明，该人工神经网络（ANN）可输出最大内部温度和强制对流损耗，已成功集成到OPAL-RT中，在实时运行且涵盖广泛场景的情况下，误差率低于2%。此外，即使OPAL-RT同时处理DAB转换器的复杂调制，该精度仍能得以保持。