Generación de redes sintéticas mediante inteligencia artificial

Abstract

Este trabajo explora el uso de redes generativas antagónicas (GANs) para generar redes eléctricas de distribución sintéticas. Se desarrollan dos enfoques, uno que emplea ruido aleatorio como entrada y otro que utiliza imágenes como entrada para que el modelo genere imágenes en base a estos datos. El primer enfoque es útil para generar redes sintéticas generalistas, y el segundo enfoque va un paso más allá y permite proponer diseños para una red de distribución en una zona dada. Los resultados muestran que ambos modelos generan redes realistas, destacando especialmente la utilidad del modelo con imágenes de entrada ya que ofrece una mayor relación con el mundo real.

This work explores the use of Generative Adversarial Networks (GANs) for generating synthetic electric distribution networks. Two approaches are developed, one with random noise as input, and another using images as input, allowing the model to generate outputs based on this structured data. The first approach is useful for general-purpose synthetic networks, whereas the second approach goes a step further, enabling the generation of proposed designs for distribution networks adjusted to specific geographical areas. This work’s results show that both models produce realistic network structures, especially in the case of the image-based model due to its higher correlation with real-world conditions.