La predicción de rayos representa un desafío significativo para la seguridad de las redes eléctricas, ya que el rayo es una de las principales causas de interrupciones en las líneas de transmisión. La naturaleza errática y compleja de este fenómeno meteorológico ha dificultado históricamente la elaboración de pronósticos precisos. Sin embargo, un reciente avance en la investigación podría transformar este panorama.
Un avance revolucionario en la predicción de rayos
Investigadores del Laboratorio Nacional de Energía de China, especializado en la detección de desastres por rayos, así como del Laboratorio de Monitoreo y Protección de Rayos de la Corporación Estatal de la Red de China, han desarrollado un nuevo modelo de predicción basado en técnicas de aprendizaje profundo. Este modelo, publicado en la revista Atmospheric and Oceanic Science Letters, permite prever con eficacia la ubicación y las tendencias de frecuencia de tormentas organizadas, ofreciendo un soporte robusto para anticipar los riesgos de rayos que amenazan las infraestructuras eléctricas.
El equipo de investigación ha utilizado datos de monitoreo de rayos de amplia cobertura y de imágenes satelitales geostacionarias, combinando estos recursos con redes de Unidades Recurrentes Gated Convolucionales (Conv-GRU) y módulos de atención. El resultado es un modelo de previsión que ha demostrado su eficacia en la predicción de tormentas invernales en el centro de China y tormentas tornádicas en el sur del país.
Según Dr. Fengquan Li, primer autor del estudio, «nuestro modelo no solo predice con precisión dónde ocurrirán los rayos, sino que también pronostica su frecuencia». Esta innovación representa un paso adelante crucial en la gestión de riesgos asociados a fenómenos meteorológicos extremos, que pueden tener consecuencias devastadoras en la red eléctrica.
El Dr. Jian Li, líder académico del laboratorio, ha señalado que «en el futuro, planeamos mejorar la precisión de nuestro modelo de predicción de rayos integrando más fuentes de datos relacionadas con la formación de rayos y optimizando aún más la estructura del modelo». Este compromiso de mejora continua tiene como objetivo fortalecer la capacidad de predicción y protección frente a desastres provocados por rayos en las redes eléctricas.
Más información: Fengquan Li et al, Nowcasting of cloud-to-ground lightning location and frequency based on a deep learning technique, Atmospheric and Oceanic Science Letters (2025). DOI: 10.1016/j.aosl.2025.100607
Proporcionado por la Academia China de Ciencias
