MODELADO DE SISTEMAS Y ENFOQUE BASADO EN DATOS PARA LA ALERTA TEMPRANA Y EL CONTROL DINÁMICO DE RIESGOS A LO LARGO DEL PROCESO DE AMPLIACIÓN DE POTENCIA

Resumen

Los factores de riesgo están altamente interrelacionados y evolucionan de forma continua a lo largo de todo el proceso de ampliación de potencia. Los métodos actuales de gestión de riesgos, basados principalmente en experiencias estáticas, resultan insuficientes para proporcionar una alerta temprana en tiempo real y un control eficaz. Para abordar este problema, este artículo utiliza como datos de entrada series temporales procedentes de múltiples fuentes correspondientes a todo el proceso de ampliación de potencia. En primer lugar, se construye una **Red Bayesiana Dinámica (DBN)** para describir las relaciones causales y las características de evolución de los riesgos en las distintas etapas, permitiendo la actualización en línea de los estados de riesgo dentro de un marco de inferencia probabilística. Posteriormente, se emplea una red de **Memoria a Largo y Corto Plazo (LSTM)** para modelizar en profundidad las características temporales asociadas al riesgo y predecir posibles tendencias en su evolución. Mediante la integración de las probabilidades de los estados de riesgo obtenidas por la DBN con los resultados predictivos de la LSTM, se genera un **índice unificado de alerta temprana dinámica del riesgo**. Asimismo, mediante la inferencia inversa de los nodos de riesgo clave, se proporciona apoyo para la toma de decisiones orientadas a la aplicación de medidas de control específicas. Los resultados experimentales muestran que el modelo combinado **DBN+LSTM** alcanza un tiempo medio de anticipación de la alerta de **18,7 minutos**. La precisiónen la identificación del estado de riesgo durante la fase de ampliación de potencia es del **86,8 %**, mientras que las tasasglobales de falsas alarmas y de alarmas omitidas son del **5,21%** y **1,82 %**, respectivamente.Los resultados de la investigación demuestran que este método proporciona un enfoque técnico eficaz para la **alerta temprana dinámica y el control de riesgos durante todo el proceso de ampliación de la red eléctrica**, combinando la capacidad de explicación basada en mecanismos causales con las ventajas de los métodos basados en datos.