10 juliol 2025

Xarxes intel·ligents: la IA revoluciona la distribució d’energia

La intel·ligència artificial (IA) és el gran motor de canvi i transformació del present i del futur de la nostra societat. També per a les xarxes elèctriques i el sector energètic. El treball de grups de recerca com SIPBA (“Signal Processing and Biomedical Applications”) de la Universitat de Granada, dedicat al desenvolupament de models de processament avançat de senyals i IA per a la biomedicina, pot servir d’inspiració per a altres àrees crítiques, com l’energia i les xarxes de distribució.

Per Enrique Herrera Viedma

URLREPLACE

Enlace copiado

La intel·ligència artificial (IA) és el gran motor de canvi i transformació del present i del futur de la nostra societat. La seva capacitat per analitzar grans volums de dades, detectar patrons complexos i prendre decisions en temps real i adaptades al context la converteix en una tecnologia fonamental per afrontar els nous reptes socials, econòmics i ambientals. Tot i que les seves aplicacions més directes es troben en els àmbits de la salut, el transport o les telecomunicacions, avui més que mai, després dels esdeveniments recents derivats de l’apagada del 28 d’abril de 2025, la seva aplicació al sector energètic, i en particular al de les xarxes de distribució, ofereix un camp innovador amb un enorme potencial.

En aquest àmbit, grups de recerca com SIPBA (“Signal Processing and Biomedical Applications”) de la Universitat de Granada han desenvolupat en les darreres dècades models de processament avançat de senyals i IA que, concebuts en l’àmbit biomèdic, poden servir d’inspiració per a altres àrees crítiques, com ara l’energia. Aquest tipus d’enfocament metodològic, que sovint es basa en l’extracció de característiques, l’aprenentatge automàtic i el modelatge intel·ligent, és aplicable al tractament de dades complexes i multimodals a les xarxes de distribució d’energia per dur a terme tasques de monitoratge de la xarxa i de detecció i predicció de fallades.

IA per millorar la qualitat de vida

L’objectiu principal de qualsevol avenç tecnològic hauria de ser millorar la qualitat de vida de les persones. En aquest sentit, la IA ja ha tingut un impacte positiu en moltes facetes de la vida quotidiana: des del diagnòstic mèdic assistit per ordinador (CAD) fins als sistemes de navegació intel·ligent en aeronàutica o l’automatització de la llar, és a dir, la denominada domòtica. En tots aquests casos, el que hi ha al darrere és una combinació de sensors (mesures), un processament intel·ligent de dades (algorismes) i una resposta optimitzada del sistema i adaptada al context (decisions).

En el cas de l’energia, la IA ha d’ajudar a construir sistemes més eficients, sostenibles i centrats en l’usuari. Les xarxes de distribució, tradicionalment passives, poden esdevenir xarxes intel·ligents (“smart grids”) i resilients, capaces de gestionar la demanda de manera dinàmica, anticipar fallades o sobreescalfaments, oferir un servei de més qualitat a l’usuari, integrar energies renovables i permetre un ús més eficient dels recursos. Tot això resulta de vital importància després dels esdeveniments del passat mes d’abril.

La xarxa de distribució: una infraestructura crítica i dinàmica

Les xarxes de distribució d’energia són un component essencial de qualsevol sistema elèctric. Transporten l’electricitat des de les subestacions fins als usuaris finals i han d’operar de manera contínua, segura i eficient. Tanmateix, el creixement de la demanda, la descentralització de la generació (panells solars, bateries, vehicles elèctrics) i la necessitat d’integrar energies renovables n’han incrementat la complexitat. Malauradament, l’esdeveniment del passat mes d’abril reafirma la importància de la xarxa de distribució, de manera que dotar el sistema d’una capacitat d’anàlisi i gestió que tingui en compte tots els factors possibles es presenta com una necessitat imperiosa a les xarxes intel·ligents del futur.

Per gestionar aquesta nova realitat, ja no n’hi ha prou amb regles estàtiques o models deterministes (i les proves així ho demostren); cal un sistema “agnòstic” capaç d’aprendre, amb capacitat d’extrapolació, d’adaptar-se a situacions anòmales i d’anticipar-se a esdeveniments indesitjables: justament el que la IA ofereix com a característica principal.

Processament intel·ligent de senyals en energia: aprenentatges des de l’àmbit biomèdic

El grup SIPBA de la UGR ha desenvolupat models avançats per a l’anàlisi de senyals biomèdiques com ara EEG, ECG o imatges mèdiques, utilitzant tècniques de filtratge, detecció de patrons, classificació automàtica i aprenentatge profund. Tot i que aquestes dades provenen del cos humà, comparteixen moltes característiques amb les que es generen a les xarxes elèctriques (el nou subjecte a tractar): són senyals complexes, multicanal, afectades per soroll, variables en el temps i altament contextuals.

Aplicar metodologies similars a les xarxes elèctriques permet:

Detectar anomalies a la xarxa, com caigudes de tensió, sobrecàrregues o pèrdues no tècniques, de la mateixa manera que es detecten zones de baixa activació en neuroimatge (metabolisme o perfusió).
Predir patrons de consum elèctric, utilitzant tècniques similars a les emprades en la predicció d’episodis clínics d’EEG en epilèpsia.
Optimitzar el flux d’energia, de manera anàloga a com s’optimitza el senyal en un ECG per obtenir una lectura precisa.
Extreure característiques rellevants de l’entorn elèctric que permetin decisions automàtiques o assistides, igual que s’extreuen els patrons que defineixen malalties com l’Alzheimer o el Parkinson.
Establir nous criteris de manteniment dels elements que integren el sistema de distribució (p. ex. transformadors) a partir de mesures elèctriques i de termografia, de la mateixa manera que es modela el patró normal en la recerca de l’etiologia de diverses neurodegeneracions.

Aquesta transferència metodològica interdisciplinària, de la biomedicina a l’energia, és un dels camins més prometedors per avançar cap a sistemes intel·ligents robustos, fiables i aplicables en temps real.

Aplicacions concretes d’IA a les xarxes de distribució

La intel·ligència artificial ja s’està aplicant en projectes concrets per al manteniment i la monitorització de les xarxes de distribució. En concret, s’utilitza per a:

Manteniment predictiu: de la mateixa manera que es pot preveure una crisi epilèptica mitjançant l’anàlisi d’EEG, també es poden preveure fallades en transformadors o línies analitzant dades històriques.

Ejemplo de mantenimiento predictivo para el mantenimiento de los elementos de la red de distribución (transformador de media a baja en la ciudad de Málaga, proyecto Pastora).

Gestió de la demanda energètica: amb models predictius basats en xarxes neuronals o aprenentatge profund, es pot anticipar el consum elèctric d’una zona i ajustar-ne la distribució.
Detecció de pèrdues o fraus: tècniques de classificació i identificació de patrons, similars a les utilitzades en el diagnòstic mèdic, permeten identificar comportaments anòmals en l’ús de l’energia.
Integració de renovables: la predicció de la generació fotovoltaica o eòlica es pot millorar amb models similars als de predicció de variables fisiològiques a partir de múltiples entrades.
Resposta ràpida a incidents: algorismes de decisió basats en regles i aprenentatge permeten activar protocols automàtics davant de caigudes o alteracions a la xarxa.

Curvas de consumo real y previsto empleando imágenes de termografía e IA.

Beneficis socials i ambientals de l’aplicació de la IA a la xarxa elèctrica

Aplicar IA inspirada en el processament de senyals a l’àmbit energètic no només millora l’eficiència tècnica del sistema, sinó que aporta beneficis tangibles per a la societat:

Reducció de les interrupcions del subministrament.
Estalvis econòmics per a empreses i llars.
Major penetració d’energies renovables.
Menor impacte ambiental.
Empoderament de l’usuari final, que pot gestionar el consum i la producció de manera activa.

Algoritmos de IA para detección de aves en líneas eléctricas y protección del entorno natural.

Reptes pendents per a la integració de la IA a les xarxes de distribució

La integració de la IA a les xarxes de distribució també planteja reptes importants:

Explicabilitat dels models d’IA: és fonamental que les decisions puguin ser auditades i compreses, especialment en sectors crítics.
Qualitat de les dades: com en l’anàlisi d’EEG, si les dades dels sensors elèctrics estan contaminades o incompletes, el model pot fallar.
Interoperabilitat: els sistemes han de poder comunicar-se entre si, compartir dades i prendre decisions de manera conjunta.
Ètica i privacitat: especialment si es recopilen dades de consum de les llars, és imprescindible garantir la protecció de la informació.

Algoritmos de IA para la monitorización del estado de la línea y toma de decisiones desarrollado en el proyecto RESISTO.

La IA aplicada a les xarxes de distribució d’energia té el potencial de transformar completament el sistema elèctric, fent-lo més eficient, sostenible, resilient i orientat a la ciutadania. L’experiència del grup SIPBA de la UGR en l’anàlisi intel·ligent de senyals complexes, la detecció automàtica d’esdeveniments i el disseny de models d’aprenentatge automàtic ofereix una base metodològica sòlida per afrontar aquests reptes.

Inspirar-se en enfocaments biomèdics per resoldre problemes energètics és un exemple brillant del poder de la interdisciplinarietat i de com la IA pot, en última instància, millorar la vida de les persones des de diferents fronts, fent possible un futur més intel·ligent, connectat i sostenible.