Investigadores de la Universidad de Granada y de e-Distribución exponen un modelo matemático basado en teoría de grafos para priorizar de forma dinámica la reparación de dispositivos de telecontrol
La Cátedra en Inteligencia Artificial Aplicada a las Redes de Distribución Eléctrica (Cátedra ENDESA-UGR) ha tenido una participación destacada en la undécima edición de la Conferencia Internacional sobre la Interacción entre Computación Natural y Artificial (IWINAC 2026), celebrada en Fuerteventura. En este foro científico de carácter interdisciplinar, la delegación granadina ha expuesto parte de sus últimos avances, dentro de la sesión técnica especializada SHIFT (Social and Civil Engineering through Human AI Translations), un espacio dedicado a la transferencia de metodologías de computación avanzada hacia la resolución de retos en la ingeniería civil y social.
La Cátedra ENDESA-UGR participa en este bloque con una investigación que modela la red de media tensión de la provincia de Granada mediante grafos matemáticos. El trabajo, desarrollado por los investigadores Álvaro Zorrilla, Fermín Segovia, Javier Ramírez y Juan Manuel Górriz —director de la Cátedra y miembro del Departamento de Teoría de la Señal, Telemática y Comunicaciones de la Universidad de Granada— en colaboración los ingenieros de e-Distribución Redes Digitales Isidro J. Aguilera, Antonio M. Vargas y José Bello, propone un gemelo digital para priorizar de forma dinámica la reparación de dispositivos de telecontrol.
Utilizando métricas de Inteligencia Artificial Explicable (XAI) basadas en una aproximación numérica de los Shapley (SHAP), el algoritmo determina la criticidad de cada nodo en función de la potencia que queda desatendida tras un fallo múltiple, superando los enfoques convencionales de proximidad geográfica.
Más allá de esta aportación en el sector energético, la sesión SHIFT despliega un catálogo de investigaciones que abordan la complejidad de la ingeniería civil y social desde diversas arquitecturas de aprendizaje profundo. En el ámbito de la transición energética y la economía circular, se expone un marco de aprendizaje supervisado y semisupervisado en ensamble (ensemble-based) diseñado para la detección de anomalías en baterías de segunda vida de vehículos eléctricos.
La percepción multimedia y los entornos industriales también ocupan un lugar central en la agenda de la sesión. Por un lado, se examina un modelo bioinspirado de atención cruzada modal (cross-modal attention) para mejorar la percepción multimodal en entornos de alta volatilidad sensorial. Por otro, se presentan soluciones de visión artificial aplicadas al sector productivo, como la implementación de la arquitectura YOLOv8n para la identificación automatizada de especies de peces morfológicamente similares en entornos operativos de procesamiento industrial, un avance firmado por investigadores vinculados a equipos internacionales.
La seguridad digital y la prevención del fraude se analizan a través de las estructuras de datos interconectadas. En esta línea, la sesión acoge una revisión exhaustiva sobre la detección de actividades fraudulentas mediante Redes Neuronales de Grafos (GNN), donde se evalúa la capacidad de estos modelos para identificar patrones de comportamiento anómalos en redes complejas de transacciones. Asimismo, la simulación de entornos autónomos está representada por el estudio de políticas de aprendizaje por refuerzo (Q-Learning) para la evitación segura de obstáculos en vehículos aéreos no tripulados (UAV) dentro del entorno de simulación ROS2-Gazebo.
Finalmente, el sector financiero y la analítica predictiva cierran el espectro de la sesión con la presentación de una arquitectura híbrida CNN-LSTM diseñada para la predicción de tendencias en mercados financieros de alta volatilidad. Este modelo integra el procesamiento de lenguaje natural (NLP) para el análisis de sentimiento social con modelos de derivados financieros tradicionales.
Con su presentación en el congreso IWINAC 2026, la Cátedra ENDESA-UGR consolida una trayectoria de investigación conjunta de más de ocho años entre ambas entidades, canalizada previamente a través del grupo de investigación SiPBA y el Instituto Andaluz Interuniversitario en Data Science and Computational Intelligence (DaCSI). La validación de estas herramientas metodológicas en un entorno internacional reafirma el liderazgo de la Universidad de Granada en la creación de soluciones tecnológicas aplicadas que elevan la seguridad y la sostenibilidad de las infraestructuras críticas.