Inteligencia de Red y Resiliencia
PJM quedó 6.625 MW por debajo de su objetivo de fiabilidad por primera vez en la historia. La cola de interconexión de ERCOT alcanzó los 233 GW con solo 23 GW de nueva generación en operación. El apagón ibérico borró 15 GW en 5 segundos porque nadie estaba observando el nivel de tensión correcto.
No se trata de incidentes aislados. Son síntomas de redes diseñadas para un flujo de energía unidireccional que ahora gestionan patrones de carga bidireccionales, intermitentes e impulsados por centros de datos con herramientas construidas para el siglo pasado. Construimos los sistemas de IA que cierran la brecha entre lo que la red necesita y lo que su software actual puede ofrecer.
163.000 M$
Costes de capacidad proyectados de PJM, 2028-2033
Análisis NRDC/CUB, 2025
2.600 GW
Atraso de la cola de interconexión de EE. UU.
Lawrence Berkeley Lab, 2025
15 GW en 5 s
Perdidos en el apagón ibérico de 2025
Informe Final de ENTSO-E, marzo de 2026
El apagón ibérico es el fallo de red más instructivo de la última década. No por lo que dijeron los titulares (las renovables son inestables), sino por lo que realmente encontró la investigación de ENTSO-E: una cadena de fallos específica y prevenible que las arquitecturas de monitoreo actuales no pueden detectar.
Aparecen oscilaciones subsíncronas a 0,21 Hz y 0,63 Hz en toda la red española. Los operadores de la red de transporte (TSO) desconectan reactancias en derivación para gestionar las subtensiones transitorias durante el amortiguamiento. Esto agota la capacidad de absorción de potencia reactiva.
Los TSO energizan circuitos paralelos de 400 kV y conmutan los enlaces HVDC a modo de potencia fija. La impedancia de transmisión cae, las tensiones suben. El monitoreo de 400 kV muestra 418 kV. Dentro de los límites nominales.
La brecha de observabilidad. Mientras las lecturas de transmisión parecen normales, las subestaciones de captación a 220 kV alcanzan los 242 kV. Los cambiadores de tomas de los transformadores no pueden ajustarse con suficiente rapidez. Nadie ve esto porque el monitoreo se detiene en el nivel de transmisión.
Una importante instalación de generación inyecta potencia reactiva en una red ya en sobretensión, en lugar de absorberla como exige la P.O. 7.4. Bucle de retroalimentación positiva. Comienzan los disparos protectivos en cascada. 15 GW se desconectan en 5 segundos. 60 millones de personas se quedan sin electricidad.
La lección no es que las renovables sean poco fiables. El informe de ENTSO-E rechaza explícitamente ese planteamiento. La lección es que la arquitectura de monitoreo tiene un punto ciego en el nivel de captación, y que los controladores PI/PID heredados no pueden manejar la dinámica no lineal de una red de baja inercia bajo estrés oscilatorio.
Este mismo patrón se aplica en EE. UU. El déficit de 6.625 MW de PJM está impulsado por la carga de centros de datos (5.100 MW de los 5.250 MW del aumento previsto) concentrada en zonas de transmisión específicas. Los puntos de estrés localizados en Dominion Virginia, AEP Ohio y ComEd Illinois crean las mismas condiciones para un fallo en cascada si una subestación crítica se dispara durante la demanda máxima. La pregunta no es si ocurrirá, sino si el monitoreo está implementado para detectarlo antes de que se propague en cascada.
La IA para redes eléctricas no es un terreno virgen. Antes de contratar a una consultora, comprenda lo que ya están haciendo los actores establecidos, las startups y los laboratorios nacionales, y dónde persisten las brechas.
| Proveedor | Qué ofrecen | Fortalezas | Dónde están las brechas |
|---|---|---|---|
| GE Vernova (GridOS) | Gestión integral de redes. ADMS, DERMS, gemelos digitales. GridOS for Distribution lanzado en febrero de 2026. | Instalado en más del 80 % de las empresas de servicios públicos de EE. UU. Evitó 112 M de minutos-cliente de interrupción para Alabama Power en 2025. | Arquitectura heredada. Las capacidades de IA son complementos del SCADA existente, no nativas de la física. La dependencia del proveedor encarece la personalización. |
| Siemens (Gridscale X) | Gemelos digitales de red, evaluación dinámica de seguridad, módulo DLR. Asociación con NVIDIA PhysicsNeMo para una aceleración de simulación de 10.000x. | Décadas de modelado de redes con PSS/E. Fuerte presencia en la UE. Despliegue del gemelo digital de Trieste. | Plataforma monolítica. Cara para empresas de servicios públicos de tamaño medio. El módulo DLR es más limitado que las analíticas dedicadas. |
| LineVision | Sensores y analítica DLR. Monitoreo sin contacto de líneas aéreas. | Proveedor dominante de DLR. AES: 61 % de aumento de capacidad en 345 kV. National Grid Syracuse: 20-30 % de aumento. 5-7 % del coste de las mejoras tradicionales. | Centrado en el hardware. Analítica limitada para la priorización de corredores y la integración con la planificación. No aborda los desafíos de la cola ni de la estabilidad. |
| Utilidata + NVIDIA | Karman: chip de IA integrado en contadores inteligentes. Computación en el borde para la red de distribución. | Serie C de 60,3 M$. Despliegues en Portland General Electric y Duquesne Light. Asociación con Deloitte. 100x de potencia de procesamiento frente a los contadores tradicionales. | Centrado en la distribución. No aborda la estabilidad a nivel de transmisión, las colas de interconexión ni la resiliencia transfronteriza. |
| Argonne GridMind | Copiloto de IA agéntica para operadores de salas de control. Sistema multiagente de LLM para programación y simulación de cortes. | Respaldo del DOE (Genesis Mission). Sólida credibilidad investigadora. Recomendaciones explicables. | En fase de investigación. No es un producto comercial. Sin cronograma de despliegue en empresas de servicios públicos. Las restricciones físicas no están integradas en la arquitectura del LLM. |
| EPRI RADAR | Marco global para la defensa, la analítica y la resiliencia de redes. Duke Energy y RTE como miembros fundadores. | Iniciativa de todo el sector. Influencia en la definición de estándares. Programas de formación para el personal de las empresas de servicios públicos. | Marco, no software. No construye herramientas; publica directrices. Avanza a la velocidad de un comité. |
| Big 4 / grandes integradores de sistemas (SI) | Deloitte, Accenture, McKinsey, etc. Consultoría estratégica, implementación de plataformas, selección de proveedores. | Gestión del cambio organizacional. Relaciones de adquisición. McKinsey contratado para el rediseño de la cola de ERCOT. | Asesoran sobre procesos; no construyen modelos basados en la física. Los proyectos cuestan entre 2 M$ y más de 20 M$ y entregan presentaciones estratégicas y evaluaciones de proveedores, no sistemas de IA funcionales. |
| Brechas honestas que nadie resuelve bien | Calidad de los datos heredados en empresas de servicios públicos individuales (décadas de archivos SCADA inconsistentes). Preparación organizacional para la IA en salas de control reacias al riesgo. Largos plazos de cualificación de proveedores de NERC CIP-013 (6-12 meses, independientemente del proveedor). Son restricciones que afectan por igual a todos los proveedores y consultoras, incluidos nosotros. | ||
Cada proyecto es a medida. Estas son las áreas de capacidad en las que tenemos profundidad, no un catálogo de productos. Trabajamos con su proveedor de SCADA/EMS existente, no contra él.
Para ISO/RTO desbordados por el volumen de la cola. Construimos un cribado mediante PLN que extrae los parámetros de las solicitudes y asigna puntuaciones de probabilidad de finalización usando datos históricos de la cola. La agrupación topológica basada en GNN agrupa los proyectos por proximidad eléctrica para los estudios de clúster de la Orden 2023 de la FERC, no por orden de llegada. El precribado automatizado de flujo de potencia ejecuta miles de escenarios de inyección contra el modelo de red.
El cambio de "primero en llegar, primero en ser atendido" a "primero listo, primero en ser atendido" requiere herramientas que comprendan la topología de la red, no solo hojas de cálculo.
Modelos de simulación basados en la física que ejecutan análisis de contingencias N-1/N-2 con órdenes de magnitud más rápido que PSS/E. Integramos las ecuaciones de oscilación y las leyes de Kirchhoff en el entrenamiento del modelo, de modo que los resultados respetan la física de la red en lugar de limitarse a aprender patrones estadísticos. 10.000 escenarios de contingencia en horas, no en meses.
Estas son herramientas de asesoramiento en fase de planificación, no controladores en tiempo real. Las PINN no están listas para producción en el control autónomo de redes, y somos honestos al respecto.
LineVision proporciona los sensores. GE Vernova proporciona el SCADA. La capa que falta es la analítica que le indica dónde desplegar DLR para liberar la máxima capacidad, cómo afectan los patrones climáticos estacionales a las ventanas de clasificación y cómo integrar las clasificaciones dinámicas en flujos de trabajo de planificación diseñados en torno a clasificaciones estáticas. Nosotros construimos esa capa de analítica.
La Orden 1920 de la FERC exige la evaluación de GET antes de la construcción tradicional. Proporcionamos el análisis cuantitativo para satisfacer ese requisito con datos específicos del corredor.
El apagón ibérico ocurrió porque el monitoreo se detuvo en el nivel de transmisión. Construimos analítica en el borde para el monitoreo de tensión subtransmisión y potencia reactiva en el nivel de captación de 220 kV: el punto ciego exacto que ENTSO-E identificó. La detección de anomalías se ejecuta junto al SCADA existente, no en su lugar.
Integración de solo lectura en la Fase 1. Consumimos la telemetría del SCADA y las salidas del estimador de estado sin escribir de vuelta en el sistema de control. Cero perturbación de los esquemas de protección existentes.
Tres cronogramas regulatorios están convergiendo: la evaluación de conformidad de alto riesgo de la Ley de IA de la UE (fecha límite agosto de 2026, sanción de 15 M EUR), la gestión de seguridad NERC CIP-003-9 (abril de 2026) y los requisitos de evaluación de GET de la Orden 1920 de la FERC. Construimos la documentación, los protocolos de prueba y los marcos de auditoría que satisfacen los tres.
La mayoría de los operadores de red que ejecutan IA para la previsión de demanda o la gestión de DER no han auditado si esos sistemas se califican como de alto riesgo conforme a la Ley de IA de la UE. Empezamos por ahí.
McKinsey está rediseñando el proceso de cola de ERCOT. Entregan recomendaciones de proceso. Nosotros entregamos modelos funcionales de cribado de colas entrenados con sus datos históricos. Deloitte se asoció con Utilidata en el borde de la red. Su papel es la integración de sistemas y la gestión del cambio. Nuestro papel es construir los modelos basados en la física en torno a los cuales se envuelve la integración de sistemas. Las Big 4 son complementarias a lo que hacemos, no competitivas. Ellas se encargan de la preparación organizacional y la adquisición de proveedores. Nosotros construimos la IA que la organización ejecuta.
Los operadores de red planifican en ciclos regulatorios. Las fases de nuestro proyecto se alinean con la forma en que las ISO y las empresas de servicios públicos realmente presupuestan, aprueban y despliegan la tecnología.
0-6 meses
Fase 1
6-18 meses
Fase 2
18-36 meses
Fase 3
Advertencia: los cronogramas de la Fase 3 dependen de procesos de aprobación regulatoria (FERC, NERC, PUC estatales) que no podemos controlar. Planificamos para ciclos regulatorios de 2-3 años, no para sprints de startup de 6 meses.
Responda seis preguntas sobre su infraestructura de red actual y la madurez de sus datos. La evaluación identifica su punto de partida y recomienda pasos siguientes específicos, trabaje o no con nosotros.
Pregunta 1 de 6
La cola de interconexión de EE. UU. se ha disparado hasta los 2.600 GW con una espera mediana de cinco años para la operación comercial. El cuello de botella son las horas de ingeniería humana, no la política. La Orden 2023 de la FERC obliga a realizar estudios de clúster, pero las ISO carecen de personal para procesar los clústeres dentro de los plazos de 150 días.
La IA aborda esto en tres puntos. Primero, el cribado de solicitudes basado en PLN extrae parámetros clave (MW, ubicación, tipo de tecnología, respaldo financiero del desarrollador) de las solicitudes de interconexión y asigna una puntuación de probabilidad de finalización basada en patrones históricos. En ERCOT, donde el 77 % de la cola de 233 GW es carga de centros de datos, esto separa la demanda creíble de las solicitudes fantasma especulativas. Segundo, la agrupación topológica basada en GNN agrupa los proyectos por proximidad eléctrica y zona de impacto en la red en lugar de por orden de llegada, produciendo clústeres de estudio que coinciden con cómo se comporta realmente la red. Tercero, el precribado automatizado de flujo de potencia ejecuta miles de escenarios de inyección contra el modelo de red existente para identificar qué proyectos pueden proceder sin mejoras importantes.
El resultado es un cambio de "primero en llegar, primero en ser atendido" a "primero listo, primero en ser atendido". Para contextualizar, GridLab descubrió que si tan solo el 10 % de las renovables en cola en PJM se hubieran conectado a tiempo para la subasta 2026/2027, los consumidores habrían ahorrado 3.500 millones de dólares en una sola subasta de capacidad.
El apagón ibérico del 28 de abril de 2025 fue el resultado de una cadena de fallos específica documentada en el informe final de marzo de 2026 de ENTSO-E. Con una penetración renovable del 78 % esa mañana, aparecieron oscilaciones subsíncronas a 0,21 Hz y 0,63 Hz. Los TSO respondieron mallando circuitos paralelos de 400 kV, lo que elevó las tensiones de transmisión. La brecha crítica: las lecturas de 400 kV parecían nominales, pero las subestaciones de captación a 220 kV experimentaban sobretensión porque los cambiadores de tomas de los transformadores no podían ajustarse con suficiente rapidez. Una importante instalación de generación inyectó potencia reactiva durante la sobretensión en lugar de absorberla, creando un bucle de retroalimentación positiva. En 5 segundos, se desconectaron 15 GW y 60 millones de personas se quedaron sin electricidad.
La causa raíz fue una brecha de observabilidad: los TSO monitoreaban la transmisión pero no las condiciones a nivel de captación. El monitoreo a nivel de captación basado en IA detecta las excursiones de tensión en el nivel de 220 kV en tiempo real, las correlaciona con el estado a nivel de transmisión y señala la divergencia antes de que los relés de protección actúen en cascada. Esto no es control autónomo. Es detección de anomalías de alta velocidad integrada en los sistemas SCADA existentes, que proporciona a los operadores de segundos a minutos de advertencia que las arquitecturas de monitoreo actuales pasan por alto por completo.
La Clasificación Dinámica de Líneas (DLR) reemplaza las clasificaciones estáticas conservadoras (basadas en supuestos meteorológicos del peor caso) por cálculos de capacidad térmica en tiempo real que utilizan la temperatura real del conductor, la velocidad del viento, la radiación solar y las condiciones ambientales. Los despliegues probados muestran resultados consistentes: National Grid en Syracuse logró un aumento de capacidad medio del 20-30 % en cuatro líneas de 115 kV. AES en Indiana/Ohio observó un aumento de capacidad del 61 % en líneas de 345 kV y del 25 % en líneas de 69 kV. Duquesne Light reportó aumentos de hasta el 25 %.
La economía es convincente: el DLR cuesta el 5-7 % de las mejoras de transmisión tradicionales y se despliega en semanas en lugar de años. El estudio de caso de AES mostró 0,39 M$ para DLR frente a 1,63 M$ para el reconductorado, una reducción de costes del 76 %. La Orden 1920 de la FERC exige ahora que los planificadores de transmisión evalúen las GET, incluido el DLR, antes de aprobar la construcción tradicional.
El desafío no es la tecnología de los sensores (LineVision, Ampacimon y otros tienen hardware maduro). El desafío es la capa de analítica: identificar qué corredores liberan la mayor capacidad para la generación en cola, predecir las ventanas de clasificación estacionales para los estudios de planificación, gestionar las juntas donde las empresas de servicios públicos adyacentes clasifican el mismo corredor de forma diferente, e integrar los datos de DLR en los flujos de trabajo de planificación de transmisión existentes que fueron diseñados en torno a clasificaciones estáticas.
Todavía no para el control de grado de producción, y cualquiera que afirme lo contrario está exagerando la tecnología. Las PINN integran leyes físicas (ecuaciones de oscilación, leyes de Kirchhoff) en el entrenamiento de la red neuronal, lo que produce modelos que respetan la física de la red en lugar de limitarse a aprender patrones estadísticos a partir de los datos. Los puntos de referencia académicos muestran que los solucionadores basados en PINN funcionan 80-90x más rápido que los métodos numéricos convencionales en sistemas de prueba pequeños (IEEE de 9 barras, de 39 barras).
El problema es el escalado. PJM tiene más de 90.000 barras. El problema de equilibrio de la función de pérdida (fidelidad de datos vs. residuo físico vs. condiciones de contorno) sigue siendo un desafío de investigación activo sin solución comercial a abril de 2026. Las publicaciones crecieron de menos de 10 en 2019 a 820 en 2025, pero los despliegues comerciales son cero.
Donde las PINN aportan valor hoy es en la simulación de asesoramiento en fase de planificación, no en el control en tiempo real. Ejecutar 10.000 escenarios de contingencia N-1/N-2 en horas en lugar de meses da a los ingenieros de planificación una cobertura sustancialmente mejor del espacio de fallos. Los modelos señalan qué contingencias merecen un análisis detallado con PSS/E en lugar de reemplazar PSS/E por completo. Construimos herramientas de asesoramiento basadas en PINN que aceleran los estudios de planificación y el cribado de contingencias. No construimos controladores de red autónomos, y somos escépticos respecto a cualquiera que afirme que lo hace.
La Ley de IA de la UE clasifica como de alto riesgo los sistemas de IA utilizados como componentes de seguridad en la gestión de infraestructuras críticas, incluido el suministro de electricidad. La fecha límite de cumplimiento es el 2 de agosto de 2026. Las sanciones alcanzan los 15 millones de EUR o el 3 % de la facturación anual global.
Para los operadores de red, esto cubre la IA utilizada en la previsión de carga y el despacho, la detección y el aislamiento automatizados de fallos, la gestión de la red y la optimización en tiempo real, y cualquier sistema cuyo fallo pueda causar daños físicos a la infraestructura. La clasificación de alto riesgo desencadena requisitos específicos: evaluación de conformidad antes del despliegue, sistema de gestión de riesgos que cubra todo el ciclo de vida de la IA, requisitos de gobernanza de datos para los conjuntos de datos de entrenamiento y validación, documentación técnica suficiente para una auditoría de terceros, mecanismos de supervisión humana que garanticen que los operadores puedan intervenir, y monitoreo poscomercialización para la degradación del rendimiento.
En la práctica, los operadores de red que ya ejecutan herramientas de IA para la previsión de demanda o la gestión de DER deben auditar si esos sistemas se califican como componentes de seguridad. La definición depende de si el fallo o mal funcionamiento podría resultar en daños físicos. Una previsión de demanda que alimenta las decisiones de despacho probablemente califique. Un chatbot de atención al cliente no. La mayoría de los operadores de red no han comenzado un trabajo de cumplimiento estructurado. El desafío es que los sistemas de IA de red a menudo evolucionaron a partir de proyectos de investigación o complementos de proveedores sin el rigor de documentación que exige la evaluación de conformidad.
Los operadores de red tienen décadas de inversión en GE Vernova GridOS, Siemens Spectrum Power o sistemas SCADA/EMS de ABB. Reemplazarlos no es realista, y no es necesario. Construimos capas de analítica de IA que se sitúan junto al SCADA/EMS existente, consumiendo los mismos flujos de datos a través de protocolos estándar (IEC 61850 para la automatización de subestaciones, ICCP/TASE.2 para la comunicación entre centros de control, CIM IEC 61970/61968 para el modelado de datos).
La arquitectura de integración es de solo lectura en la Fase 1: nuestros sistemas consumen la telemetría del SCADA y las salidas del estimador de estado sin escribir de vuelta en el sistema de control. Esto elimina la carga de certificación de un sistema que emite comandos de control. La analítica se ejecuta en una infraestructura de cómputo separada (en la nube o en las instalaciones, según la postura NERC CIP de la empresa de servicios públicos) y presenta los resultados a través de paneles de operador que se integran en los flujos de trabajo de la sala de control existentes.
El proceso de gestión de riesgos de la cadena de suministro NERC CIP-013 añade de 6 a 12 meses a la cualificación de proveedores. Tenemos esto en cuenta en los cronogramas del proyecto y proporcionamos el paquete de documentación que los equipos de seguridad de la empresa de servicios públicos necesitan para la evaluación.
Los costes dependen del alcance y de la madurez de los datos de la empresa de servicios públicos. Un proyecto de optimización de analítica DLR para una empresa de servicios públicos con despliegues de sensores existentes suele costar entre 200.000 $ y 500.000 $ durante 3-6 meses, abarcando la priorización de corredores, el análisis de clasificación estacional y la integración con los flujos de trabajo de planificación. Una construcción de inteligencia de cola de interconexión para una ISO/RTO es mayor: entre 500.000 $ y 1,5 M$ durante 6-12 meses, incluyendo modelos de cribado mediante PLN, agrupación topológica y herramientas de precribado automatizado calibradas frente a los datos históricos de la cola de la ISO.
Los sistemas de observabilidad a nivel de captación para la resiliencia post-apagón oscilan entre 300.000 $ y 800.000 $ según el número de subestaciones monitoreadas y la complejidad de la integración con el SCADA existente. Una evaluación completa de cumplimiento de IA de red (Ley de IA de la UE, NERC CIP) para despliegues de IA existentes cuesta entre 150.000 $ y 400.000 $ durante 2-4 meses.
Son construcciones a medida, no tarifas de licencia. Cada proyecto produce un sistema que la empresa de servicios públicos posee y opera. A modo de comparación: una sola subasta de capacidad de PJM cuesta a los contribuyentes 16.400 millones de dólares. Un despliegue de DLR que aplaza un proyecto de transmisión importante ahorra entre 50 M$ y 500 M$. La inteligencia de cola que acelera la entrada al mercado de incluso un pequeño porcentaje de proyectos viables ahorra miles de millones en costes de adquisición de capacidad.
La investigación detrás de esta página de solución. Estos whitepapers interactivos proporcionan toda la profundidad técnica sobre la IA de red basada en la física, el análisis de colas de interconexión y la ingeniería de resiliencia post-apagón.
Redes neuronales basadas en la física, análisis de topología con GNN y optimización de DLR para la crisis de capacidad de EE. UU. Cubre el déficit de 6,6 GW de PJM, la cola de 233 GW de ERCOT y el mandato de estudios de clúster de la Orden 2023 de la FERC.
Análisis post-apagón de la cascada del 28 de abril de 2025, las brechas de observabilidad a nivel de captación, la aplicación de potencia reactiva y los argumentos a favor de la IA restringida por la física en las operaciones de redes europeas.
Inteligencia de cola, optimización de DLR y analítica de resiliencia que se amortizan en el primer ciclo de planificación.
Ya sea usted una ISO que procesa una cola de más de 200 GW, una empresa de servicios públicos que evalúa el DLR para el cumplimiento de la Orden 1920 de la FERC, o un operador europeo que construye resiliencia post-apagón, construimos los sistemas de IA que su software de red no proporciona.