Método híbrido metaheurístico y de impedancia difusa para localización rápida de fallas en líneas del sistema eléctrico

Por qué es importante encontrar fallas en líneas eléctricas más rápido

Cuando ocurre una falla en una línea de alta tensión—por tormentas, fallo de equipo o error humano—la electricidad puede dejar de llegar a miles de hogares e industrias en un instante. Las redes actuales dependen de cuadrillas y de software en centros de control para localizar el punto exacto de la avería antes de que puedan comenzar las reparaciones, un proceso que puede ser lento, incierto y costoso. Este artículo presenta una nueva forma de identificar problemas a lo largo de líneas de larga distancia de manera rápida y con notable precisión, usando mediciones inteligentes en un solo extremo de la línea y un método de búsqueda inteligente inspirado en aves cazadoras.

Cómo suelen revelar sus problemas las líneas eléctricas

Cuando algo falla en una línea de transmisión, la “sensación” eléctrica de la línea cambia. Los ingenieros describen esto en términos de impedancia, una magnitud relacionada con la resistencia de la línea al flujo de corriente. Las herramientas tradicionales de localización de fallas estiman dónde se encuentra el problema comparando voltajes y corrientes medidos en ambos extremos de la línea y luego resolviendo ecuaciones basadas en un modelo detallado del equipo. Estos métodos pueden funcionar bien, pero requieren un conocimiento preciso de los parámetros de la línea, una sincronización temporal muy exacta entre estaciones distantes y, a veces, presentan dificultades con fallas sutiles o de alta resistencia. A medida que las redes eléctricas se vuelven más complejas e incorporan fuentes renovables, el ruido y la incertidumbre en estas mediciones dificultan aún más una localización de fallas rápida y limpia.

Leer la red desde un extremo

Los autores proponen una estrategia diferente que se basa en una unidad de medición fasorial (PMU) colocada en un solo extremo de la línea. Este dispositivo muestrea voltajes y corrientes a alta tasa y los convierte en fasores—representaciones compactas del estado eléctrico de la red. Cuando aparece una falla, las corrientes y los voltajes en cada fase cambian abruptamente y, con ellos, la impedancia aparente vista desde la PMU. Al observar únicamente cómo varían estas magnitudes en el terminal local a lo largo del tiempo, el sistema puede primero decidir si ha ocurrido una falla y de qué tipo se trata (monofásica, bifásica o trifásica, con o sin participación a tierra), y luego usar esa información para inferir a qué distancia a lo largo de la línea debe estar la falla.

Búsqueda inspirada en aves para localizar la falla

Convertir estos cambios en una distancia precisa no es sencillo, porque la relación entre impedancia y ubicación es fuertemente no lineal y varía según el tipo de falla. Para abordar esto, los investigadores construyen dos modelos complementarios que aprenden esa relación a partir de ejemplos simulados de fallas a lo largo de una línea de 200 km y 220 kV. Un modelo ajusta una curva flexible de quinto orden a los datos; el otro utiliza un sistema de lógica difusa que combina muchas reglas simples, cada una describiendo cómo ciertos intervalos de valores de impedancia corresponden a distancias en la línea. Ambos modelos se entrenan usando el Fire Hawk Optimizer, un algoritmo metaheurístico modelado en aves que propagan pequeños incendios para forzar a salir a sus presas y luego convergen hacia las mejores zonas de caza. Aquí, la “presa” es la combinación de parámetros del modelo que minimiza el error entre las ubicaciones de falla predichas y las reales.

Velocidad, precisión y robustez en condiciones reales

Una vez entrenado, el método híbrido puede localizar fallas de distintos tipos y en diferentes posiciones a lo largo de la línea con un error muy bajo—en promedio, alrededor de 0,16% de la longitud de la línea para el modelo difuso y por debajo del 1% para el modelo polinómico. En términos prácticos, esto significa errores de solo unas pocas centenas de metros en una línea de 200 km. El enfoque también demuestra ser resistente frente a las complicaciones que comúnmente afectan a las redes reales. Las pruebas muestran que mantiene su precisión incluso cuando se añade ruido de medida, cuando se alteran las propiedades eléctricas de la línea, cuando cambian las cargas de la red y cuando la propia falla tiene una resistencia alta que debilitaría las pistas diagnósticas habituales. Igualmente importante, el cálculo completo termina en menos de aproximadamente 0,16 segundos en hardware estándar, lo suficientemente rápido para sistemas de protección en tiempo real.

Qué significa esto para las redes eléctricas del futuro

Para el público general, la conclusión clave es que los autores han desarrollado una forma para que un único sensor inteligente en un extremo de una línea de alta tensión actúe como un localizador experto, detectando no solo que existe un problema sino exactamente dónde está, casi al instante y con muy poco conocimiento previo sobre la línea. Al combinar una señal de sentido físico (impedancia), un modelo flexible basado en reglas (lógica difusa) y una estrategia de búsqueda eficiente inspirada en la naturaleza (el Fire Hawk Optimizer), el método promete reparaciones más rápidas, cortes de servicio menos frecuentes y más breves y menores costos para las compañías eléctricas. A medida que las redes eléctricas se vuelvan más complejas y más críticas, herramientas inteligentes y rápidas de localización de fallas como esta podrían convertirse en una parte esencial para mantener las luces encendidas.

Cita: Najafzadeh, M., Pouladi, J., Daghigh, A. et al. Hybrid meta heuristic and fuzzy impedance method for fast fault location in power system lines. Sci Rep 16, 8019 (2026). https://doi.org/10.1038/s41598-025-33182-5

Palabras clave: fallas en transmisión de energía, unidades de medición fasorial, lógica difusa, optimización metaheurística, fiabilidad de la red