Un modelo anticipa el riesgo para 66.935 subestaciones hasta una hora antes de una tormenta solar

Microsoft Research ha construido un pipeline de machine learning que convierte datos del viento solar en estimaciones locales de riesgo para 66.935 subestaciones de Estados Unidos continental. Para los operadores de red, el producto útil es un aviso con entre 30 y 60 minutos de antelación ligado a lugares concretos, no la mera presencia de AI.

El viento solar se convierte en un mapa de subestaciones en 333 milisegundos

El sistema utiliza primero mediciones del viento solar en el punto de Lagrange L1 para predecir los índices AE y Dst. Después, un modelo de gradient boosting combina esas previsiones con la latitud, la geología, la conductividad del terreno y los datos de la red de transporte. Así estima la velocidad de cambio del campo magnético asociada al riesgo de corrientes inducidas geomagnéticamente.

El pipeline emplea solo datos públicos y genera estimaciones para las 66.935 subestaciones en unos 333 milisegundos. Durante el desarrollo, el equipo también utilizó 50 agentes de AI para explorar variables, estrategias de validación y configuraciones del modelo. Esos agentes no forman parte de la ruta operativa de predicción.

La geología local aporta más que un único aviso nacional

Una tormenta geomagnética no afecta por igual a todos los lugares. Un lecho rocoso resistivo puede amplificar las corrientes en el terreno, mientras que la latitud y la orientación de las líneas alteran la exposición de cada activo. Una estimación local podría indicar al operador dónde revisar las reservas de potencia reactiva o reconfigurar temporalmente una parte de la red.

Es una capa de producto más útil que un solo aviso para todo un continente. El modelo acorta el camino entre saber que se acerca una tormenta y decidir qué subestaciones requieren atención durante la hora siguiente.

La detección baja en los extremos mientras aumentan las falsas alarmas

En la evaluación de 2020 a 2026, el sistema detectó el 76,5% de los eventos importantes con un umbral mínimo de 10 nT/min, el 81,2% de los eventos graves desde 20 nT/min y el 64,1% de los extremos desde 50 nT/min. La tasa de falsas alarmas también aumentó con la gravedad de la tormenta. El rendimiento fue mejor en las estaciones del norte, donde la actividad geomagnética es más intensa.

No existe un sistema operativo comparable y ampliamente implantado para el cálculo final del riesgo, por lo que los autores usaron una regresión lineal sencilla como baseline. Microsoft afirma expresamente que harán falta más validaciones con empresas eléctricas y datos operativos antes de utilizar el sistema en la gestión de la red.

Un turno real con operadores decidirá su valor

Los siguientes pasos propuestos incluyen ampliar el horizonte de predicción, extender el sistema fuera de Estados Unidos, integrarlo en decisiones operativas y pasar del riesgo por subestación al riesgo por transformador. Cada avance exige datos que no contienen los conjuntos públicos actuales.

La señal más importante será un piloto junto a operadores en activo. Tendrá que demostrar si entre 30 y 60 minutos bastan para actuar con seguridad y si las falsas alarmas son lo bastante escasas para que el personal no ignore justo el aviso que importa.

El veredicto de Lilith

Una tormenta solar no lee notas de prensa. Un operador necesita media hora, un mapa de subestaciones concretas y una alarma que no grite cada vez que el cielo se mueve.