Crédito: dominio público Unsplash/CC0
Anualmente, decenas de miles de incendios forestales devastan a los Estados Unidos, planteando amenazas significativas para las personas, la vida silvestre e infraestructura. Un porcentaje de esos incendios forestales es causado por equipos eléctricos degradados o caídos. Pero, ¿qué pasaría si la inteligencia artificial (IA) podría detectar la chispa antes de que comiencen los incendios forestales?
Al igual que cualquier otra infraestructura, las líneas eléctricas son susceptibles a los elementos y se erosionan con el tiempo. Esto puede dar lugar a una falla de alta impedancia (HIZ), que es cuando un conductor energizado como un cable caído entra en contacto con el suelo, causando un corto. Debido a que la falla de HIZ produce una pequeña cantidad de energía, estas fallas a menudo no se detectan. Pero pueden causar chispas que encienden material inflamable en el área, lo que en última instancia puede conducir a un incendio forestal.
Un nuevo proyecto NREL diseñado para detectar estas fallas utilizando el aprendizaje automático tiene como objetivo combatir esto. A través de las redes neuronales artificiales, un modelo computacional utilizado para imitar la inteligencia y el aprendizaje humano, las empresas de utilidad pueden prevenir interrupciones para los consumidores mientras gestionan de manera más efectiva estos riesgos de incendio potencialmente peligrosos.
“La intención aquí es mejorar la resiliencia en el sistema de energía y permitir respuestas más rápidas durante eventos extremos”, dijo Richard Bryce, un investigador senior en sistemas de energía en NREL y lidera en este proyecto.
“Queremos proporcionar a las compañías de servicios públicos las herramientas para un sistema de energía más resistente con una mejor confiabilidad y seguridad para los clientes que mitigan el potencial de incendios forestales causados por fallas de alta impedancia”.
Para lograr eso, NREL se asoció con la compañía multinacional de gestión de energía Eaton, que realizó amplias evaluaciones en un entorno simulado.
Los escenarios explicaron varios eventos conductores caídos, como diferentes superficies del suelo como hierba y grava, niveles de humedad, especies comunes de árboles estadounidenses y otras consideraciones externas. Los datos resultantes se compartieron con el equipo de investigación de NREL compuesto por Bryce y sus compañeros investigadores Kumaraguru Prabakar, Matthew Reynolds y Yuqi Zhou.
Aprovechando las capacidades de simulación de cuadrícula de NREL y datos de campo de múltiples compañías de servicios públicos de EE. UU., Los investigadores pudieron inyectar los datos de prueba de Eaton en la plataforma de diseño asistida por computadora PSCAD (diseño asistido por computadora de Power Systems) para crear un conjunto de datos grande que incluía significativamente más HIZ FALLA FALLA que en el campo o en un escenario de laboratorio controlado.
Estos escenarios y conjuntos de datos de falla de HIZ simulados se utilizaron para entrenar un conjunto de redes neuronales artificiales (ANN). Estas ANN fueron seleccionadas para ser la más efectiva para identificar los estados de falla de HIZ, lo que resulta en una herramienta que está lista para sistemas de energía reales. Una vez que el Ensemble de ANN detecta una falla, las compañías de servicios públicos pueden priorizar el envío de recursos rápidamente a esa área para reducir la posibilidad de cortes de energía y incendios forestales.
“Hubo piezas que se unieron maravillosamente para este proyecto de una manera exclusiva de NREL”, dijo Bryce.
“Tuvimos pruebas a través de nuestra asociación con Eaton que proporcionó datos reales que se derivan experimentalmente, y luego pudimos aprovechar la computación y el aprendizaje automático de alto rendimiento de NREL para proporcionar una solución a los servicios públicos que tiene un impacto real muy significativo en el mundo real”.
Ahora, el equipo está trabajando con servicios públicos en todo el país, así como socios internacionales, para generalizar esta tecnología, lo que aumenta la escalabilidad del algoritmo para ser ampliamente aplicable en los Estados Unidos y más allá.
Pronto, la IA puede ser la clave para mejorar significativamente la infraestructura energética global y mejorar la estabilidad de la red, al tiempo que disminuye el número de incendios forestales anuales.
Proporcionado por el Laboratorio Nacional de Energía Renovable
Cita: AI podría apagar los incendios forestales una línea eléctrica a la vez (2025, 28 de agosto) recuperada el 28 de agosto de 2025 de https://techxplore.com/news/2025-08-ai-snuff-wildfires-power-line.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
