http://hdl.handle.net/11531/818 Thu, 16 Apr 2026 17:17:26 GMT 2026-04-16T17:17:26Z http://hdl.handle.net/11531/99717 Development of an Interactive Web-Based Platform for Energy Network Trace Analysis and Visualization Lastra Aragoneses, Álvaro Esta tesis presenta el desarrollo de NAVI Trace Toolkit, una plataforma web diseñada para modernizar los flujos de trabajo de análisis de traces en redes de distribución de energía. El análisis de traces es una técnica muy útil para visualizar y diagnosticar la estructura y el comportamiento de las redes eléctricas. Sin embargo, la ausencia de un entorno especializado para el desarrollo de traces ha limitado su adopción en Scottish Power Energy Networks (SPEN). Actualmente, los flujos de trabajo dependen de la ejecución manual de scripts en Python, lo que supone una falta de retroalimentación en tiempo real, flexibilidad y accesibilidad para los desarrolladores. NAVI Trace Toolkit combina el análisis de redes eléctricas con el desarrollo moderno de software web y un enfoque de diseño centrado en el usuario para superar estas limitaciones. Construida con Python, Flask, HTML5, CSS3 y JavaScript, la plataforma ofrece una interfaz interactiva que permite ejecutar traces en tiempo real, aplicar estilos dinámicos y trabajar con una arquitectura modular. Los desarrolladores pueden cargar múltiples subredes, personalizar la visualización de las redes y crear la lógica de traces mediante funciones integradas, todo ello en un entorno ágil e intuitivo. La base teórica de la herramienta se apoya en el marco teórico de traces de Hoel et al., adaptado a redes eléctricas. Este trabajo amplía dicho marco con una nueva función que identifica caminos críticos a través de una función de ponderación personalizada. La plataforma utiliza GeoJSON para la codificación de datos geoespaciales e integra MapLibre GL JS para una renderización cartográfica de alto rendimiento. El caso de uso Camino de Instalación Crítico (CIC) muestra dos enfoques: uno basado en DFS y otro escalable basado en Dijkstra, logrando un equilibrio entre profundidad analítica y viabilidad computacional. Este caso de uso real valida las capacidades de la plataforma y ejemplifica la utilidad práctica de la función de camino crítico. Asimismo, se han considerado las limitaciones propias del entorno industrial para garantizar su compatibilidad con la infraestructura corporativa de SPEN. La aplicación se ejecuta localmente, no requiere privilegios administrativos y reduce el tiempo de instalación a menos de cinco minutos. La evaluación de la experiencia de usuario mostró una eficiencia de 1,64 tareas por minuto y una efectividad del 100% en la finalización de tareas, con encuestas que reflejaron un alto nivel de satisfacción por parte de los usuarios.; This thesis presents the development of the NAVI Trace Toolkit, a web-based platform designed to modernise trace analysis workflows within energy distribution networks. Trace analysis is a powerful technique to visualise and diagnose the structure and behaviour of electrical grids. However, the lack of a dedicated trace development environment has limited its implementation at Scottish Power Energy Networks (SPEN). Existing trace development workflows rely on executing manual Python scripts, which lack real-time feedback, flexibility, and accessibility for trace developers. The NAVI Trace Toolkit integrates energy network analysis with modern web software development and a user-centred design approach to address these limitations. Built using Python, Flask, HTML5, CSS3, and JavaScript, the platform provides an interactive interface that supports real-time trace execution, dynamic styling, and modular architecture. It allows the developers to load multiple subnetworks, customise visual outputs, and develop trace logic using built-in functions within a responsive and intuitive environment. The theoretical foundation of the toolkit is based on Hoel et al.’s trace framework, adapted to energy networks with rich attribute metadata. This project contributes to the trace framework by integrating a new function for identifying critical paths using a custom weight function. The platform leverages GeoJSON for geospatial data encoding and integrates MapLibre GL JS for high-performance map rendering. The Critical Installation Path (CIP) use case demonstrates a DFS-based and a scalable Dijkstra-based approach, balancing analytical depth with computational feasibility. This realistic use case validates the platform’s capabilities and illustrates a practical application of the critical path function. Industrial constraints were considered to ensure compatibility with SPEN’s corporate environment. The application runs locally, requires no administrative privileges, and reduces setup time to under five minutes. A user experience evaluation assessed the platform’s efficiency, achieving 1.64 tasks per minute, and effectiveness, reaching 100% task completion. User survey feedback from participants reflected high customer satisfaction. Máster Universitario en Ingeniería de Telecomunicación Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/11531/99717 2025-01-01T00:00:00Z http://hdl.handle.net/11531/99391 Graph-Based Connectivity and Information Model for Optimizing Distribution Network Management in SPEN Pérez Gutiérrez, Tomás Este trabajo presenta un grafo de conocimiento multinivel para redes de distribución eléctrica, que integra en un único modelo la estructura de los activos, su contexto geoespacial y los indicadores socioeconómicos de las zonas que abastecen. Un proceso ETL reproducible (extracción, transformación y carga) integra datos de múltiples fuentes heterogéneas, estandariza formatos y vincula los registros a una ontología. El resultado es un grafo conectado que permite realizar análisis y visualizaciones avanzadas entre dominios. El sistema se despliega en dos configuraciones: una instancia de Neo4j en Docker para desarrollo y una implementación de Amazon Neptune en la nube privada segura de Scottish Power Energy Networks (SPEN). Varios análisis y un caso de estudio demuestran la capacidad del modelo para relacionar datos técnicos de la red con su contexto social y geográfico. Entre los ejemplos se incluyen la identificación de hogares rurales con demanda muy baja en áreas de alta privación, la evaluación de la accesibilidad a cargadores de vehículos eléctricos a partir de los tiempos de viaje en la red viaria y la generación de puntuaciones compuestas de criticidad de activos que equilibran la fiabilidad técnica con la vulnerabilidad social. El grafo constituye una base sólida, extensible y reproducible para la planificación de la red con criterios de equidad. Sus limitaciones incluyen la ausencia de ciertos parámetros eléctricos y la dependencia de conjuntos de datos abiertos con distintos niveles de detalle y completitud. El trabajo futuro incorporará datos operativos en tiempo real, mejorará la resolución espacial de los indicadores socioeconómicos y validará el enfoque en redes de mayor tamaño y con topologías malladas, avanzando progresivamente hacia el desarrollo de gemelos digitales precisos de sistemas de distribución eléctrica.; This thesis presents a multi-layer knowledge graph for electricity distribution networks, integrating asset structure, geospatial context, and socio-economic indicators into a unified analytical model. A reproducible ETL (extract, transform, load) pipeline ingests data from multiple heterogeneous sources, standardises formats, and maps records to an ontology, producing a connected graph suitable for advanced cross-domain analysis and visualisation. The system is deployed in two configurations: a Dockerised Neo4j instance for development and an Amazon Neptune deployment within Scottish Power Energy Network’s (SPEN) secure private cloud. Several analyses and a case study demonstrate the model’s ability to link technical network data with social and spatial context. Examples include identifying rural households with very low demand in high-deprivation areas, assessing electric-vehicle charger accessibility using road-network travel times, and generating composite asset criticality scores that balance technical reliability and social vulnerability considerations. The graph offers a robust, extensible, and reproducible foundation for equity-focused network planning and decision-making. Limitations include the absence of certain electrical parameters and reliance on open datasets with differing levels of detail and completeness. Future work will incorporate real-time operational data, improve the spatial resolution of socio-economic indicators, and validate the approach on larger, meshed networks, moving progressively towards the development of accurate digital twins for electricity distribution systems. Máster Universitario en Ingeniería de Telecomunicación Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/11531/99391 2025-01-01T00:00:00Z http://hdl.handle.net/11531/99282 Herramienta de Threat Intelligence para Sistemas de Control Industrial (SCI) Blanco García, Claudia En las últimas décadas, los sistemas de control industrial (SCI) se han convertido en objetivos de ciberataques debido a su papel crítico en sectores estratégicos como el energético. A medida que estos ataques se vuelven más sofisticados y con mayor carga geopolítica, se hace imprescindible contar con herramientas capaces de contextualizar, priorizar y anticipar amenazas en tiempo real. Este proyecto nace con la intención de desarrollar una solución de ciberinteligencia adaptada a las particularidades de los entornos OT, donde los activos industriales requieren una protección especializada frente a amenazas de ciberseguridad complejas. El objetivo principal de este trabajo es diseñar y construir una herramienta llamada O.C.A.S. (OT Cyberrisk Assessment System) que permita evaluar el riesgo de ciberataques en entornos industriales del sector energético. El sistema combina datos técnicos sobre amenazas en tiempo real (como IoCs, CVEs, actores implicados) con información contextual (como el estado geopolítico o las técnicas utilizadas por los atacantes). Para ello, se ha planteado un flujo dual que extrae información tanto de noticias generales como de vulnerabilidades concretas, procesando los datos mediante scraping, normalización con modelos LLM, enriquecimiento técnico y contextual, y finalmente evaluación del riesgo con un modelo de machine learning entrenado sobre un histórico de más de 14.000 ciberataques. Esto se combina con la extracción de inteligencia de ciberseguridad OT a partir de fuentes OSINT. La herramienta se compone de varios módulos interconectados. El modelo de ML se entrena con un conjunto de datos procedentes de distintas fuentes (ciberataques históricos, contexto geopolítico e información de adversario), con el impacto potencial o “riesgo pasado” como variable objetivo. Otro módulo se encarga de la ingesta en tiempo real de noticias de ciberataques generales y de otros asociados a vulnerabilidades o CVEs. Estas se procesan mediante web scraping y se normalizan mediante un LLM. La información se enriquece con contexto geopolítico, con información de técnicas y adversarios basada en MITRE, y con indicadores de compromiso (IoCs) usando diferentes fuentes como GreyNoise o Shodan. Toda esta información se pasa al modelo de regresión entrenado (con un R² de 0.9111) que predice el riesgo del ataque. Los resultados se publican en una API que se puede consultar fácilmente, y se almacenan en una base de datos de Elastic para su visualización mediante un dashboard de Kibana.; In recent decades, industrial control systems (ICS) have become frequent targets of cyberattacks due to their critical role in strategic sectors such as energy. As these attacks grow more sophisticated and geopolitically charged, the need for tools capable of contextualizing, prioritizing, and anticipating threats in real time becomes increasingly urgent. This project aims to develop a cyber intelligence solution tailored to the unique characteristics of OT environments, where industrial assets require specialized protection against complex cybersecurity threats. The main objective of this work is to design and build a tool called O.C.A.S. (OT Cyberrisk Assessment System) that can assess the risk of cyberattacks in industrial environments within the energy sector. The system combines technical data on real-time threats (such as IoCs, CVEs, and threat actors) with contextual information (such as geopolitical conditions or attacker techniques). A dual pipeline has been designed to extract information from both general news and specific vulnerabilities, processing the data through scraping, normalization using LLMs, technical and contextual enrichment, and finally risk evaluation using a machine learning model trained on a historical dataset of over 14,000 cyberattacks. This is complemented by OSINT-based OT cyber threat intelligence extraction. The tool is composed of several interconnected modules. The ML model is trained on a dataset from various sources (historical cyberattacks, geopolitical context, adversary information), with the potential impact or “past risk” as the target variable. Another module handles real-time ingestion of general cyberattack news and events linked to vulnerabilities or CVEs. These are processed through web scraping and normalized via an LLM. The data is enriched with geopolitical context, MITRE-based technique and adversary information, and IoCs from sources like GreyNoise and Shodan. All this information is passed to a trained regression model (with an R² of 0.9111) that predicts the attack risk. The results are published through an easily accessible API and stored in an Elastic database for visualization via a Kibana dashboard. Máster Universitario en Ingeniería de Telecomunicación Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/11531/99282 2025-01-01T00:00:00Z http://hdl.handle.net/11531/98347 Desarrollo y simulación de un sistema de comunicación vehicular para la detección de vehículos de emergencia Corsini Santolaria, Nicolás Juan Este proyecto presenta el diseño y la simulación de un sistema de comunicación vehicular capaz de alertar a los conductores sobre la presencia de una ambulancia que se aproxima en tiempo real. Mediante el uso de comunicaciones dedicadas de corto alcance (DSRC) y de los mensajes de seguridad básicos (BSM), el sistema supera las limitaciones de las sirenas y luces tradicionales, garantizando una detección más temprana y fiable. Los resultados de simulación demuestran su eficacia en condiciones urbanas realistas, incluso en presencia de propagación multitrayecto, efectos Doppler y ruido.; This project presents the design and simulation of a vehicular communication system capable of alerting drivers to the presence of an approaching ambulance in real time. By leveraging Dedicated Short-Range Communications (DSRC) and Basic Safety Messages (BSMs), the system overcomes the limitations of traditional sirens and lights, ensuring earlier and more reliable detection. Simulation results demonstrate its effectiveness under realistic urban conditions, even in the presence of multipath propagation, Doppler shifts, and noise. Máster Universitario en Ingeniería de Telecomunicación Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/11531/98347 2025-01-01T00:00:00Z