Se trata ElecPreTx, sistema diseñado para detectar fallas en redes eléctricas mediante modelo predictivo. Facilita la asignación eficiente de recursos en el mantenimiento y gestión de la red, mejorando la capacidad de respuesta ante posibles fallas.
Un grupo de estudiantes de Ingeniería en Informática de la Universidad Técnica Federico Santa María, Sede Viña del Mar, desarrollaron ElecPreTx, una innovadora aplicación que utiliza un modelo predictivo para identificar y prevenir fallas en las redes eléctricas, particularmente aquellas causadas por fenómenos meteorológicos. Este sistema busca optimizar la asignación de recursos para el mantenimiento y la gestión de la red eléctrica, mejorando así la capacidad de respuesta ante posibles cortes de suministro.
La solución fue presentada en respuesta a un desafío planteado por la empresa de energía eléctrica, Chilquinta, que enfrenta eventualmente interrupciones en su servicio cuando llueve, hay viento fuerte u otro evento climático. A través de ElecPreTx, los estudiantes proponen un modelo que no solo predice posibles fallas, sino que también permite a los operadores tomar decisiones más informadas y proactivas, reduciendo tiempos de respuesta y mejorando la resiliencia de las redes.
El sistema desarrollado por los estudiantes se enfoca en las líneas de alta tensión, aquellas que se encuentran fuera de la ciudad y que son fundamentales para el suministro eléctrico. A través de una interfaz interactiva, la aplicación presenta dashboards visuales que facilitan el monitoreo y la gestión de los datos históricos de fallas y factores meteorológicos, ayudando a los operadores a estar mejor preparados ante cualquier eventualidad.
«Nos pidieron crear un modelo predictivo que no solo detectara fallas, sino que también ofreciera una forma clara de mostrar la predicción. Ahí decidimos agregar la interfaz interactiva, que permite a los operadores visualizar los datos y tomar decisiones rápidamente», explicaron.
La relación entre los estudiantes y Chilquinta ha sido positiva, con una comunicación fluida que ha permitido obtener los datos necesarios para entrenar el modelo predictivo. En tanto, los datos históricos sobre fallas las han obtenido de fuentes públicas como el Coordinador Eléctrico Nacional, no obstante, la colaboración con la empresa ha sido esencial para la integración de datos más específicos.
El equipo ha trabajado con diversas tecnologías para llevar a cabo el proyecto. Para la extracción de datos de los informes de fallas en formato PDF, utilizan Python, mientras que otros lenguajes son empleados para la parte de interfaz y para integrar los datos climáticos que alimentan el modelo predictivo.
Los futuros ingenieros informáticos han destacado que este proyecto ha sido un valioso acercamiento al entorno laboral, al enfrentar un problema real que afecta a muchas personas. «Verlo como un problema que impacta directamente a la vida de las personas, como es el caso de los electrodependientes, nos ha cambiado la perspectiva sobre cómo abordamos un trabajo universitario».
El proyecto de ElecPreTx está en proceso de desarrollo, y el equipo espera tener la aplicación de escritorio lista para su presentación en la Feria Software, aunque el modelo predictivo aún requiere más tiempo y datos para alcanzar su máximo potencial.
El equipo de trabajo está formado por los estudiantes Diego Mendoza, Joan Manuel Acosta, Jorge Huentutripay y Kristhobal Riquelme, quienes siguen avanzando en la creación de esta innovadora herramienta que podría transformar la forma en que las empresas eléctricas gestionan y mantienen sus redes frente a los desafíos climáticos.
La Feria Software se realizará el 15 de noviembre en todos los campus y sedes de la USM y promete ofrecer un amplio abanico de proyectos informáticos desarrollados por los propios estudiantes, buscando una solución a problemas concretos de la vida real.
