Levantamiento de fuentes de información, procesamiento de datos e implementación de un modelo predictivo de fallas en redes eléctricas

Abstract

En el presente trabajo se aborda la problemática de las fallas en redes eléctricas, con un enfoque particular en el sector de transmisión, el cual enfrenta riesgos constantes debido a factores como condiciones meteorológicas adversas y la falta de herramientas que permitan anticipar estos eventos. Estas limitaciones derivan en una gestión reactiva de los recursos ante la ocurrencia de fallas. La propuesta se centra en desarrollar una herramienta predictiva basada en un modelo de red neuronal densamente conectada, cuyo objetivo es estimar la probabilidad de fallas eléctricas ocasionadas por condiciones climáticas. El procedimiento incluye la recopilación de fuentes de información, el procesamiento y limpieza de datos, y la posterior implementación del modelo predictivo. Los resultados obtenidos muestran métricas prometedoras: una precisión que varía entre el 80 % y el 85 %, una pérdida que, aunque fluctúa, no desciende del 60 %, y un recall que oscila entre el 52 % y el 60 % en algunas iteraciones. Estos resultados destacan el potencial del modelo para contribuir a una gestión más eficiente y proactiva de los recursos en el sector eléctrico.