El objetivo de este proyecto es cambiar de un modelo reactivo/preventivo a otro predictivo en el ámbito de la seguridad y salud laboral. Aprovechamos la trazabilidad y la huella digital de los datos y la información de las aplicaciones y herramientas de gestión del Grupo Red Eléctrica para realizar un análisis a través de modelos descriptivos (qué ha pasado), predictivos (qué podrá pasar) y prescriptivos (qué podemos hacer para que no ocurra). El primer objetivo del proyecto pasa por generar, a través de métodos de Inteligencia Artificial, un indicador de probabilidad de riesgo de accidentes e incidentes asociado a cualquier trabajo de mantenimiento y construcción.

Permite presupuestar y planificar proyectos de inversión en la Red de Transporte utilizando toda la información disponible y particularizando para cada proyecto. Se trata de modelos de realimentación y aprendizaje automático a aplicar durante el ciclo de vida de los proyectos.

Objetivo: mejorar la gestión de la actividad de inversión de la empresa y la toma de decisiones en la DC y DGT a partir del aprovechamiento de la información generada en la actividad de los proyectos

Red Eléctrica está implantando un nuevo modelo de gestión de la vegetación de sus líneas eléctricas. Hasta ahora, la identificación de las especies de vegetación se realizaba mediante técnicas de fotointerpretación manuales.

Mediante este proyecto, junto a nuestro partner Overstory, hemos creado una serie de algoritmos que automatizan la fotointerpretación de especies de arbolado y matorral a partir de imágenes satelitales e imágenes del Plan Nacional de Ortofotografía Aérea (PNOA).

El proyecto CONPP tiene por objetivo desarrollar una metodología para construir intervalos de probabilidad de la predicción, combinando los intervalos de los predictores individuales de los proveedores con mejor precisión, que proporcionan las curvas de las previsiones horarias de demanda y producción a nivel de cada sistema. El objetivo principal de este trabajo es el desarrollo de un procedimiento para la construcción de intervalos de predicción asociados a las previsiones obtenidas como combinaciones de predictores de proveedores y modelos independientes.

Casandra es una innovadora respuesta a las necesidades cambiantes de la planificación eléctrica que ofrece herramientas adaptables para la realización de estudios eléctricos con los que poder abordar de una manera ágil y eficiente los desafíos presentes y futuros del sector. Este proyecto surge para aglutinar estas y otras iniciativas y dar una respuesta común a las necesidades del proceso de Planificación Eléctrica, ofreciendo una respuesta ambiciosa y solución integral que abarca tres áreas cruciales en el proceso de planificación eléctrica.

La importancia de este proyecto es vital de cara al futuro de las inspecciones visuales, ya que supone un avance significativo que facilitará a los técnicos detectar las anomalías en una red de más de 45.000 km de líneas de alta tensión. El proyecto de imágenes sintéticas, en el marco de DALIA, avanza hacia el entrenamiento de modelos de inteligencia artificial con imágenes sintéticas para mejorar la eficiencia y escalabilidad del software.

Las predicciones de producción y demanda afectan significativamente a actividades de alto impacto de la compañía, como garantizar el suministro de electricidad a los clientes, asegurar una planificación adecuada de la red de transporte o explicar estudios sobre la cobertura eléctrica a grupos de interés. El objetivo principal de este proyecto es homogeneizar los modelos y metodologías de previsión de los distintos procesos e investigar mejoras en los diversos modelos predictores y su implementación para adaptarse mejor a los desafíos actuales y futuros del sector energético.

En el proyecto se trabajó en la creación automática de perfiles de los grupos de interés del equipo de planificación del transporte de Red Eléctrica y la identificación de su percepción sobre la compañía a partir del análisis de comunicaciones en formato texto, aprovechando la herramienta de Argilla, Biome.

Red Eléctrica tiene en servicio actualmente 1.200 kilómetros de cables submarinos que posibilitan el transporte de electricidad bajo del mar u océano, pero su mantenimiento y sus potenciales reparaciones conllevan una gran complejidad por su difícil acceso. Con el objetivo de desarrollar una solución que facilite la labor del equipo de técnicos e ingenieros, Elewit, a través de su cuarto programa de Venture Client puso en marcha un proyecto de la mano de la startup Akselos, compañía que cuenta con uno de los software de simulación de ingeniería más avanzados del mundo.

El análisis de documentación conlleva una carga de trabajo elevada dado el extenso volumen de información. Como consecuencia, Elewit, en colaboración con el Departamento de Acceso a la Red, ha impulsado este proyecto donde está explorando cómo los LLM (Large Language Models) utilizados en la IA generativa pueden ayudar a agilizar procesos que requieren de un análisis y en el resumen de documentación extensa y heterogénea. En concreto, se ha desarrollado una prueba de concepto para evaluar y validar las ventajas que ofrece esta tecnología frente a otras y se ha demostrado que la IA generativa cuenta con potencial para agilizar y simplificar este tipo de procesos.

El proyecto de mejora de GridCal y Newton para la planificación eléctrica, desarrollado por Elewit y los equipos de Planificación Eléctrica y Modelos para la Operación del Sistema de Red Eléctrica, ha supuesto un avance significativo en las capacidades de simulación de redes eléctricas al permitir usar el software open-source GridCal como interfaz de diseño y simulación de redes eléctricas, complementando otras herramientas en la planificación nacional.