Noruega propone 30 millones de coronas para digitalizar permisos de redes con IA
El proyecto presupuestario de 2027 añadiría 30 millones de coronas a la digitalización de NVE, incluidos posibles controles con IA para comprobar que las solicitudes estén completas.
El Ministerio de Energía noruego propuso 30 millones de coronas en el presupuesto de 2027 para reforzar la digitalización de la Dirección Noruega de Recursos Hídricos y Energía (NVE) y agilizar la tramitación de permisos eléctricos y de redes. El ministerio indicó que la inteligencia artificial podría utilizarse para tareas como comprobar que las solicitudes estén completas. También propuso más personal para NVE y una coordinación digital más amplia en el sector eléctrico.
NVE recibió unos 730 avisos y solicitudes de licencia para nuevos proyectos de energía y redes en 2025, 50 más que en 2024 y casi 200 más que en 2022. Gran parte del aumento correspondió a líneas eléctricas. La financiación y el personal propuestos aún dependen de la aprobación presupuestaria; el anuncio no especifica cuándo se aplicarían ni garantiza una reducción cuantificada de los plazos. Describe el papel de la IA de forma acotada, como comprobación de integridad de las solicitudes.
Investigadores vinculados a la Universidad Laval evaluaron una red neuronal que estima flujos de potencia con menos unidades de medición fasorial en la red de prueba IEEE de 30 nodos. Los resultados indican que la ubicación de los sensores puede importar más que usar el mismo número de dispositivos.
Fuente: arXiv, Learning-Based Power Flow Estimation with Sparse PMU Deployment in Power Systems (arXiv:2610.13683)
La versión preliminar de Scientific Reports del 13 de octubre compara SVM y una red neuronal con Random Forest como referencia para detectar fallos de aerogeneradores. La evaluación se basa en simulaciones.
Fuente: Scientific Reports, Data-driven fault detection in wind turbine systems using support vector machines and artificial neural networks
Investigadores de las universidades de Oslo y Xi’an presentaron una red neuronal de grafos para estimar flujos probabilísticos cuando cambia la topología de la red tras cortes de líneas. El modelo redujo el error de ángulo de fase frente a métodos de referencia en dos redes de prueba.
Fuente: arXiv, Hierarchical Graph Neural Network for Probabilistic Power Flow with Grid Topology Contingencies (arXiv:2610.13495)
HABER PAPER
Cinco ediciones. Una mirada más amplia.
Una perspectiva multilingüe de la economía mundial.
Si lo permite, Google Analytics puede medir las visitas y la actividad del sitio mediante cookies. Puede cambiar su elección más adelante.
Detalles de medición y privacidad
Google Analytics solo inicia las mediciones si usted lo permite. Tras el consentimiento, la medición automática puede incluir desplazamientos, clics en enlaces externos, descargas, interacción con vídeos, búsquedas en el sitio e interacciones básicas con formularios; los términos de búsqueda pueden detectarse en los parámetros de URL. El código de este sitio no envía los valores de los campos; la ocultación de correos electrónicos en la medición automática es un esfuerzo razonable, no una garantía. Nuestro evento manual de vista de página usa una URL depurada. Puede cambiar su elección más adelante. Las visitas que empiezan con consentimiento también pueden enviar mediciones numéricas LCP, INP y CLS tras cargar Analytics. Un primer consentimiento o uno posterior activa estas mediciones en la siguiente carga de página; retirarlo detiene estos informes para la página actual. La cookie de preferencias dura seis meses; la medición publicitaria y la personalización permanecen desactivadas.
Su navegador envía una señal Global Privacy Control. La analítica está desactivada de forma predeterminada; puede cambiar esta elección explícitamente aquí.
