Overhead Transmission Line Fragility, Climate-Induced Risks and Geospatial Artificial Intelligence: A Systematic Bibliometric Review

Imagina una vasta e invisible red de líneas eléctricas que se extiende a través de los continentes, transportando la electricidad que ilumina nuestros hogares y alimenta nuestras ciudades. Durante décadas, los ingenieros han diseñado estas líneas para resistir el clima que conocían: las tormentas típicas, el calor habitual y los vientos estándar. Pero el mundo está cambiando. El clima se está desplazando, trayendo extremos más frecuentes y severos —olas de calor intensas, tormentas feroces y voraces incendios forestales— que estos viejos diseños nunca fueron construidos para soportar. Cuando estas líneas fallan, el resultado no es solo un parpadeo de luz; son apagones generalizados, pérdidas económicas y una amenaza para la seguridad de las comunidades. Para proteger esta infraestructura crítica, los científicos están recurriendo a una nueva y poderosa herramienta: la inteligencia artificial. Esta tecnología puede aprender de cantidades masivas de datos para predecir dónde y cuándo podría romperse una línea, pero necesita comprender la compleja historia del entorno que la rodea para funcionar con eficacia.

Un equipo de investigadores de la Universidad de Pretoria en Sudáfrica se propuso examinar qué tan bien está conectando el mundo científico estos dos mundos: el estudio de alta tecnología de la inteligencia artificial y la realidad física del cambio climático. Realizaron una revisión sistemática, una búsqueda metódica a través de miles de artículos científicos publicados entre 2004 y 2026. Su objetivo era ver si los investigadores estaban combinando con éxito los modelos computacionales que predicen las fallas de las líneas con los datos reales del clima y la geografía. Observaron las tendencias globales, quién realizaba la investigación y qué temas se discutían con mayor frecuencia. Querían saber si las herramientas que se están construyendo están realmente listas para ayudar a las empresas eléctricas a sobrevivir al cambio climático.

Los investigadores encontraron un panorama que crece rápido pero permanece fragmentado. El número de estudios sobre este tema ha explotado en años recientes, particularmente desde 2022, impulsado por un aumento en el interés de usar el aprendizaje automático para detectar fallas. Sin embargo, la revisión reveló una brecha significativa. Si bien existe un fuerte predominio de la investigación en IA, diagnóstico de fallas e ingeniería de sistemas de potencia, hay una integración limitada de las perspectivas climáticas, ambientales y geocientíficas. La mayoría de los estudios se centran en solo un aspecto. Algunos se enfocan puramente en el lado de la ingeniería eléctrica, usando computadoras para detectar un cable roto, mientras que otros se enfocan en el lado del clima, estudiando cómo el viento o el calor estresan una torre. Muy pocos estudios logran fusionar estas perspectivas en una imagen única y completa que dé cuenta de cómo el clima y el entorno trabajan juntos para causar fallas.

Este desencuentro no es solo una cuestión de interés académico; tiene consecuencias en el mundo real. El análisis mostró que la investigación está fuertemente concentrada en unas pocas regiones específicas, con China, los Estados Unidos y el Reino Unido a la cabeza. En contraste, el continente africano, donde la necesidad de sistemas eléctricos resilientes es urgente y donde el clima está cambiando rápidamente, está subrepresentado en el mapa de investigación global. Los autores señalaron que, si bien la empresa eléctrica de Sudáfrica, Eskom, gestiona miles de kilómetros de líneas que son cada vez más vulnerables al clima extremo, existe muy poca investigación publicada que aborde los desafíos específicos de esta región. Esto deja un punto ciego peligroso, ya que la literatura permanece fragmentada y carece de marcos integrales de inteligencia artificial geoespacial (Geo-AI) que aborden adecuadamente los impactos de múltiples riesgos acumulativos de las variables climáticas y ambientales sobre la confiabilidad de las líneas de transmisión aéreas.

El estudio también destacó que los métodos actuales para predecir fallas son a menudo demasiado simples. Muchos modelos existentes analizan un solo evento, como una tormenta o una ola de calor, en lugar de comprender el daño acumulativo causado por años de condiciones cambiantes. Tienden a tratar el entorno como un factor de fondo en lugar de un actor central en la historia de por qué falla una línea. Los investigadores encontraron que, si bien existen herramientas avanzadas como el aprendizaje profundo y los gemelos digitales —modelos virtuales que imitan sistemas del mundo real—, estos aún no se están utilizando de una manera que integre plenamente los datos complejos y desordenados del mundo natural. El resultado es una colección de estudios fragmentados que ofrecen piezas del rompecabezas, pero no la imagen completa.

En última instancia, el artículo concluye que el campo se encuentra en una coyuntura crítica. La tecnología para construir redes eléctricas más inteligentes y resilientes existe, pero la comunidad científica aún no ha construido los puentes necesarios para conectar los datos de la ciencia climática con los algoritmos de la inteligencia artificial. Los autores argumentan que, para que los sistemas de potencia sobrevivan al futuro, necesitamos un nuevo enfoque que trate al medio ambiente y a la tecnología como un sistema interconectado. Esto significa desarrollar marcos que puedan rastrear cómo una combinación de calor, viento y vegetación a lo largo del tiempo debilita una línea, y luego usar ese conocimiento para guiar el mantenimiento antes de que ocurra una falla. Hasta que esta integración suceda, el esfuerzo global para asegurar nuestras redes eléctricas contra un clima cambiante seguirá incompleto, dejando a muchas comunidades vulnerables ante la próxima gran tormenta.