El jueves 29 de enero de 2026, la Cátedra UAM-IIC de Ciencia de Datos y Aprendizaje Automático organizó un seminario centrado en el papel de la inteligencia artificial (IA) en la generación eléctrica sostenible, con especial foco en el sector eólico. La sesión tuvo lugar en la Sala de Grados de la Escuela Politécnica Superior de la Universidad Autónoma de Madrid y fue impartida por Luis Prieto Godino, responsable de Predicción y Rendimiento en Iberdrola Renovables Energía.

La IA está presente en muchos sectores y  también en el sector energético, donde puede ayudar en un componente esencial del ciclo de vida de las instalaciones renovables, desde la planificación y el diseño, hasta la operación, el mantenimiento y la toma de decisiones estratégicas.

El reto de la generación renovable: complejidad y variabilidad

Uno de los puntos de partida del seminario fue destacar que, aunque todas las energías renovables presentan desafíos, la energía eólica es especialmente compleja debido a:

• Su alta dependencia de las condiciones meteorológicas
• La variabilidad temporal y espacial del viento
• La interacción entre aerogeneradores dentro de un mismo parque
• La necesidad de integrar la producción en sistemas eléctricos estables

En este contexto, la inteligencia artificial se presenta como una herramienta clave para extraer valor de grandes volúmenes de datos y mejorar la precisión de los modelos tradicionales.

IA para la predicción de la producción eléctrica

Uno de los usos más consolidados de la IA en el sector es la predicción de generación eléctrica, fundamental para:

• La operación de los parques
• La planificación de la red
• Los mercados de energía

En el seminario se expuso cómo los modelos de machine learning y deep learning permiten combinar datos históricos de producción con predicciones meteorológicas para obtener estimaciones más fiables a corto, medio y largo plazo. Estos modelos superan enfoques puramente físicos al capturar relaciones no lineales complejas presentes en los datos reales.

Mantenimiento predictivo de aerogeneradores

El mantenimiento predictivo es una de las partes donde la IA tiene mayor protagonismo y donde genera mayor impacto operativo, sobre todo cuando hablamos de los aerogeneradores.

Gracias al uso de sensores y sistemas SCADA, los aerogeneradores generan enormes cantidades de datos sobre:

• Vibraciones
• Temperaturas
• Potencias
• Velocidades de giro
• Estados operativos

Los modelos de IA permiten analizar todos estos datos de los grande rotores, incluso incorporar nuevas variables para:

• Detectar anomalías antes de que se produzcan fallos graves
• Predecir averías en componentes clave (rodamientos, multiplicadoras, generadores)
• Optimizar los planes de mantenimiento
• Reducir paradas no planificadas y costes asociados

La aplicación de la IA en el mantenimiento predictivo no solo mejora la operatividad de los aerogeneradores, sino que también alarga su vida útil y contribuye a una operación más sostenible.

Optimización de la ubicación de nuevos parques eólicos

Otro ámbito clave abordado fue el uso de la IA en la fase de planificación y diseño, especialmente en la selección de ubicaciones para nuevas plantas eólicas.

La decisión de dónde instalar un parque eólico depende de múltiples factores:

• Recursos eólicos disponibles
• Orografía del terreno
• Impacto ambiental
• Restricciones normativas
• Accesibilidad y costes de infraestructura
• Interacción entre aerogeneradores (efecto estela)

Mediante técnicas de optimización y aprendizaje automático, la IA permite evaluar un gran número de escenarios posibles y encontrar configuraciones que maximizan la producción energética minimizando impactos y costes. Esto convierte a la IA en una herramienta estratégica incluso antes de que el parque exista físicamente.

Inteligencia artificial generativa y modelos del lenguaje

Otro aspecto del que se habló en el seminario fue el uso de modelos de lenguaje (LLMs) en el sector energético.

Luis Prieto explicó cómo estos modelos pueden emplearse para:

• Analizar grandes volúmenes de documentación técnica, como manuales de aerogeneradores, informes de mantenimiento o normativas
• Extraer conocimiento estructurado a partir de texto no estructurado
• Crear chatbots especializados que ayuden a técnicos e ingenieros a consultar información de forma rápida y contextual

Este tipo de aplicaciones abre la puerta a una nueva forma de interacción con todo el conocimiento técnico existente, mejorando la eficiencia en logar recapitular toda esa información, reduciendo la dependencia de búsquedas manuales en documentación extensa y compleja.

Casos reales de aplicación de IA en energía

A lo largo de la charla, todos estos conceptos se ilustraron con casos reales de Iberdrola Renovables Energía, mostrando cómo estas técnicas ya forman parte del día a día de una gran compañía del sector. Este enfoque práctico permitió conectar la teoría de la ciencia de datos con su aplicación real en un entorno industrial exigente, donde la robustez, la interpretabilidad y la fiabilidad de los modelos son aspectos críticos.

Desafíos actuales y líneas de futuro

El seminario también puso de relieve algunos desafíos pendientes:

• Calidad y gobernanza del dato
• Generalización de modelos entre parques diferentes
• Integración de modelos físicos y modelos de datos
• Necesidad de perfiles híbridos entre energía, datos e IA

Superar estos retos será clave para seguir avanzando hacia sistemas energéticos más inteligentes y sostenibles.

Conclusiones sobre la IA en la generación eléctrica sostenible

El seminario de la Cátedra UAM-IIC dejó claro que la inteligencia artificial ya es un pilar fundamental de la generación eléctrica sostenible. Su aplicación abarca todo el ciclo de vida de las instalaciones renovables: desde la planificación y el diseño de nuevos parques, pasando por la predicción y el mantenimiento, hasta la explotación del conocimiento técnico mediante modelos del lenguaje.

La experiencia compartida por Luis Prieto Godino puso de manifiesto la importancia de la colaboración entre centros de innovación como el Instituto de Ingeniería del Conocimiento y la industria para trasladar los avances en ciencia de datos y aprendizaje automático a soluciones reales que aceleren la transición energética.

Puedes ver el seminario completo impartido por Luis Prieto, Responsable de Predicción y Rendimiento en Iberdrola Renovables Energía.

«Inteligencia artificial en la generación eléctrica sostenible»