Cómo una tormenta solar puede poner en riesgo una red eléctrica

Una tormenta solar no tiene que golpear físicamente la Tierra para afectar una red eléctrica. Alcanza con que altere con rapidez el campo magnético del planeta. Esos cambios pueden generar corrientes eléctricas en líneas de transmisión, transformadores, tuberías y otras estructuras metálicas extensas.

Un sistema desarrollado por Microsoft Research intenta anticipar ese riesgo con entre 30 y 60 minutos de anticipación. Su objetivo no es predecir directamente qué transformador se va a quemar, sino estimar en qué subestaciones es más probable que se produzcan las variaciones magnéticas capaces de generar corrientes peligrosas.

La diferencia es importante: el sistema convierte una advertencia general sobre una tormenta geomagnética en un mapa de riesgo localizado para decenas de miles de instalaciones eléctricas.

El mecanismo que conecta al Sol con un transformador

El Sol libera continuamente un flujo de partículas y campos magnéticos llamado viento solar. En ocasiones, también expulsa grandes nubes de plasma conocidas como eyecciones de masa coronal. Cuando una de esas nubes llega a la Tierra, puede comprimir y agitar la magnetosfera, la región dominada por el campo magnético terrestre.

Las perturbaciones más intensas producen una tormenta geomagnética. Durante el evento, el campo magnético cambia de manera rápida y desigual sobre grandes regiones del planeta. Por el principio de inducción electromagnética, un campo magnético que cambia genera un campo eléctrico.

Ese campo eléctrico puede hacer circular corrientes de baja frecuencia por estructuras conductoras muy largas. En una red de transmisión, las líneas de alta tensión y los transformadores conectados a tierra forman circuitos de gran tamaño. Las corrientes resultantes se llaman corrientes geomagnéticamente inducidas, o GIC.

Los transformadores son especialmente sensibles. Una GIC puede introducir una componente casi continua en la corriente que atraviesa el transformador y desplazarlo de su funcionamiento normal. El núcleo puede entrar parcialmente en saturación: durante una parte del ciclo eléctrico, deja de responder de manera lineal. Eso puede provocar calentamiento, generar armónicos y hacer que los sistemas de protección funcionen de manera incorrecta.

El riesgo no es idéntico en todas partes. La intensidad de las corrientes depende de varios factores:

• la rapidez con que cambia el campo magnético;
• la latitud y la posición de la instalación;
• la longitud y orientación de las líneas;
• la configuración de la red;
• la conexión a tierra de los equipos;
• y la conductividad eléctrica de las capas geológicas.

La geología es particularmente importante. Un suelo o subsuelo más resistivo puede favorecer campos eléctricos superficiales más intensos frente a una misma perturbación magnética. Por eso una tormenta puede afectar mucho más a una región que a otra, incluso dentro del mismo país.

Los modelos de clima espacial suelen representar esa intensidad local mediante la variable dB/dt: la tasa de cambio del campo magnético terrestre. Cuanto más rápidamente cambia el campo, mayor puede ser el campo eléctrico inducido y, por lo tanto, mayor el riesgo de GIC. Pero dB/dt no es lo mismo que medir la corriente dentro de un transformador. Es un indicador intermedio que debe combinarse con información sobre el terreno y la red.

Por qué el punto L1 da menos de una hora

El sistema de Microsoft parte de mediciones tomadas en el punto de Lagrange L1, ubicado aproximadamente a 1,5 millones de kilómetros de la Tierra, en dirección al Sol. Allí hay satélites que detectan el viento solar y el campo magnético interplanetario antes de que la perturbación llegue a nuestro planeta.

Ese punto funciona como un puesto de observación adelantado. El tiempo disponible depende de la velocidad del viento solar y de la estructura de la perturbación, pero suele estar en el orden de minutos a aproximadamente una hora. Por eso el sistema no ofrece días de anticipación para el riesgo en la red: su ventaja está en permitir una respuesta rápida cuando la tormenta ya se acerca.

La cadena de Microsoft tiene tres partes. Primero, utiliza los datos del viento solar para pronosticar dos índices geomagnéticos:

• AE, que refleja la actividad de las corrientes eléctricas aurorales y ayuda a describir perturbaciones intensas, especialmente en altas latitudes.
• Dst, que representa la intensidad global de una tormenta geomagnética y se relaciona con la corriente de anillo que rodea la Tierra.

Estos índices no describen por sí solos el estado de una subestación. Son señales resumidas de la actividad geomagnética. El modelo agrega después la latitud, la geología, la conductividad del suelo y los datos de infraestructura de cada ubicación.

En la segunda etapa, un modelo de aprendizaje automático de tipo gradient boosting usa esas variables para estimar dB/dt en cada subestación. En la tercera, convierte las estimaciones en un mapa de riesgo continental.

La arquitectura combina aprendizaje automático con información física. No es un modelo que reciba datos y produzca una respuesta sin restricciones relacionadas con el fenómeno: incorpora índices geomagnéticos, propiedades del terreno y características de la infraestructura.

Qué predijo el modelo

Microsoft evaluó el sistema con datos del período 2020-2026 y separó la evaluación en dos niveles: el pronóstico de los índices AE y Dst, y la predicción final de riesgo asociado a dB/dt.

Para AE, la empresa informa un error cuadrático medio de 410,2 nanoteslas y afirma que el modelo superó varios métodos empíricos y enfoques basados únicamente en el viento solar. Para Dst, informa un error de 7,2 nanoteslas y señala que el modelo superó a la clásica ecuación de Burton durante el 62,2% de las horas de mayor actividad geomagnética.

En la etapa de riesgo para la red, el sistema detectó:

• el 76,5% de los eventos con dB/dt de al menos 10 nanoteslas por minuto;
• el 81,2% de los eventos con dB/dt de al menos 20 nanoteslas por minuto;
• y el 64,1% de los eventos con dB/dt de al menos 50 nanoteslas por minuto.

Microsoft describe el primer resultado como una detección de “casi el 80%” de los eventos importantes. Pero ese porcentaje no significa que el modelo detecte el 80% de todas las tormentas solares ni que evite el 80% de los apagones. Corresponde a un umbral concreto de variación del campo magnético.

Además, las categorías “mayor”, “severo” y “extremo” utilizadas en esa evaluación no son equivalentes automáticamente a las categorías G1 a G5 de NOAA. Las escalas de NOAA caracterizan las tormentas geomagnéticas con otros indicadores, principalmente el índice Kp. En el trabajo de Microsoft, los umbrales se refieren a una variación local de dB/dt.

El rendimiento tampoco fue uniforme. La detección fue mejor en estaciones del norte, donde la actividad geomagnética suele ser más fuerte. La empresa también informa que los falsos positivos aumentan cuando se intenta detectar eventos más severos. Es el intercambio habitual de estos sistemas: reducir la cantidad de eventos peligrosos que se escapan suele implicar emitir más alertas que luego no se concretan.

El cálculo completo para las 66.935 subestaciones tomó aproximadamente 333 milisegundos en la prueba reportada. Esa cifra mide la velocidad de inferencia, no el tiempo de anticipación. La anticipación proviene de las mediciones de L1 y del pronóstico de los índices geomagnéticos, y es de entre 30 y 60 minutos.

De una alerta nacional a una lista de instalaciones expuestas

Antes de este tipo de sistema, una advertencia podía indicar que una tormenta geomagnética estaba llegando o que se esperaba una determinada intensidad general. Esa información es útil, pero no responde necesariamente qué parte de la red requiere atención inmediata.

El cambio que propone Microsoft es producir una estimación para cada subestación. En lugar de un único aviso para todo Estados Unidos, el sistema puede señalar regiones donde la combinación de tormenta, latitud y geología vuelve más probable una perturbación intensa del campo magnético.

La idea no es completamente nueva. Desde hace años, los modelos de clima espacial incorporan la conductividad del suelo y las características de las redes. También existen modelos que usan aprendizaje automático para predecir perturbaciones magnéticas globales o regionales. NASA, por ejemplo, presentó el modelo DAGGER, capaz de pronosticar perturbaciones geomagnéticas globales con aproximadamente 30 minutos de anticipación.

Lo que cambia en este proyecto es la integración de esas piezas en una cadena orientada a la infraestructura eléctrica: desde el viento solar hasta un mapa con decenas de miles de subestaciones.

Ese paso importa porque las empresas eléctricas no necesitan solamente saber que existe una tormenta. Necesitan decidir dónde concentrar recursos y qué medidas tomar. Un pronóstico localizado podría ayudar a priorizar inspecciones, revisar reservas de potencia reactiva o estudiar una reconfiguración temporal de la red.

Pero esas decisiones todavía no forman parte del sistema probado. Microsoft menciona esas posibilidades como usos futuros y aclara que haría falta validarlo con empresas eléctricas y datos operativos antes de emplearlo en la gestión de redes reales.

La predicción no equivale a predecir daños

El principal límite de la propuesta está en la distancia entre lo que calcula y lo que una empresa quiere evitar.

El modelo estima dB/dt, una variable relacionada con la generación de campos eléctricos y con el riesgo de GIC. No predice directamente cuántos amperes circularán por cada transformador, si un equipo entrará en saturación, si una protección se disparará o si habrá un apagón.

Para responder esas preguntas hacen falta modelos eléctricos detallados de cada red, información sobre los equipos y mediciones reales de corrientes geomagnéticamente inducidas. Esos datos son escasos. Un estudio de la red de monitoreo SUNBURST de EPRI, por ejemplo, analizó mediciones de 17 transformadores durante 52 tormentas geomagnéticas entre 2010 y 2021. Ese tipo de información es valiosa para validar modelos, pero no ofrece observaciones directas para las decenas de miles de subestaciones del sistema de Microsoft.

También hay un problema con los eventos extremos. Un material técnico del Laboratorio Nacional de Los Álamos sobre tormentas de escala Carrington señala que los modelos pueden ser evaluados con tormentas históricas bien observadas, pero que resulta imposible validar directamente una tormenta extrema que todavía no ocurrió. En esos casos pueden aparecer mecanismos, intensidades o estructuras espaciales que los datos históricos no representan bien.

Las perturbaciones más peligrosas tampoco siempre son uniformes. Subtormentas, chorros aurorales, bandas en forma de omega y otros fenómenos pueden producir variaciones intensas y localizadas de dB/dt. Esos eventos pueden ser más difíciles de pronosticar que una tormenta geomagnética global descrita por un único índice.

Lo establecido y lo que sigue abierto

Está establecido que las tormentas geomagnéticas pueden generar corrientes inducidas en redes eléctricas y que el riesgo depende tanto de la perturbación magnética como de la geología y de la configuración de la infraestructura. También está establecido que los datos de L1 ofrecen un margen de anticipación limitado, pero útil, y que el aprendizaje automático puede producir rápidamente pronósticos de perturbaciones geomagnéticas.

Lo que todavía está abierto es si este sistema concreto puede transformar sus estimaciones de dB/dt en mejores decisiones operativas y menor riesgo para equipos reales. La publicación de Microsoft presenta una evaluación retrospectiva, no una demostración en una red eléctrica en funcionamiento. Falta validar las predicciones con mediciones directas de GIC, probarlas durante tormentas reales y llevarlas desde el nivel de subestación hasta el de transformadores y otros activos específicos.

Por ahora, la innovación no consiste en predecir exactamente qué equipo fallará. Consiste en acercar el pronóstico del clima espacial al lugar donde una empresa eléctrica debe actuar: una región, una subestación y, en el futuro, posiblemente un transformador concreto.