Datos y tecnología
Telemetría ciudadana y modelos predictivos: cuando la comunidad se convierte en sensor
Cómo miles de reportes anónimos de "con luz" y "sin luz" se transforman en una señal confiable, y cómo un modelo predictivo combina esa señal con una matriz referencial para estimar el próximo corte.
Por Equipo editorial de PAC Barinas · · 5 min de lectura
En una red eléctrica moderna, los operadores conocen el estado de cada circuito gracias a sistemas de supervisión que reportan en tiempo real si un interruptor está abierto o cerrado. Esa información, sin embargo, no siempre está disponible para el público. ¿Qué pasa cuando los ciudadanos necesitan saber si su sector tiene servicio, o cuándo será la próxima interrupción, y no cuentan con un cronograma estable? La respuesta que exploramos en este artículo es la telemetría ciudadana: convertir a la comunidad en una red distribuida de sensores.
El problema: horarios que cambian
Un cronograma de administración de carga es útil solo si se cumple y si se conoce con anticipación. En la práctica, los horarios pueden modificarse por fallas, mantenimiento o variaciones en la generación, y esas modificaciones no siempre se comunican a tiempo. El resultado es incertidumbre: familias que no saben si cocinar ahora o más tarde, comercios que no pueden planificar su producción y personas que dependen de equipos médicos domiciliarios.
La telemetría ciudadana no pretende reemplazar la información de la empresa operadora, que es la única fuente autorizada sobre el estado del sistema. Su objetivo es complementar: ofrecer una lectura colectiva de lo que efectivamente está ocurriendo en la calle.
¿Qué es la telemetría ciudadana?
La palabra telemetría significa "medición a distancia". En un sistema industrial, los sensores envían datos a un centro de control. En un sistema ciudadano, el sensor es una persona con un teléfono que informa un dato sencillo: "tengo luz", "no tengo luz" o "el servicio está irregular". Cada reporte incluye solo la información mínima necesaria:
- El estado observado del servicio.
- El sector o circuito al que pertenece el usuario.
- La fecha y hora del reporte.
Para proteger la privacidad, un diseño responsable no necesita nombres, correos ni coordenadas GPS exactas. La unidad de análisis es el sector, no la persona. Así funciona nuestra plataforma, como detallamos en la página de Transparencia.
De reportes individuales a una señal confiable
Un reporte aislado puede ser un error: alguien que se equivocó de sector, un breaker disparado dentro de una casa o un problema en un transformador que afecta solo a una cuadra. Por eso el valor está en la agregación. Las técnicas más comunes son:
- Agrupación por sector y ventana de tiempo: los reportes se cuentan dentro de intervalos cortos, por ejemplo de 15 o 30 minutos, para cada sector.
- Umbral mínimo de coincidencia: un sector se marca como afectado solo cuando varios reportes independientes coinciden.
- Decaimiento temporal: un reporte de hace dos horas pesa menos que uno de hace cinco minutos. La información envejece rápido.
- Detección de valores atípicos: si un solo dispositivo envía reportes contradictorios en poco tiempo, su peso se reduce.
Con suficiente participación, estas reglas sencillas producen un mapa sorprendentemente preciso del estado del servicio, comparable a un mapa de calor en el que las zonas con más reportes de interrupción resaltan con claridad.
El modelo predictivo: base referencial más evidencia
Saber qué ocurre ahora es útil; anticipar lo que ocurrirá es aún mejor. Un modelo predictivo práctico para este problema combina dos fuentes:
- Una base referencial: la matriz de bloques y franjas horarias que describe el patrón de rotación esperado. Explicamos su estructura en Anatomía de un Plan de Administración de Cargas.
- La evidencia histórica: los reportes ciudadanos acumulados, que indican si el patrón se está cumpliendo, si las interrupciones se están adelantando o si su duración está siendo mayor que la prevista.
El modelo recorre la matriz para encontrar la próxima franja asignada al bloque del usuario y luego ajusta su nivel de confianza según el historial. Si los reportes de las últimas semanas coinciden consistentemente con la matriz, la estimación se presenta con una confianza alta. Si hay pocas observaciones o las desviaciones son frecuentes, la confianza baja y el usuario lo sabe. Expresar la incertidumbre de forma explícita es una cuestión de honestidad técnica: un pronóstico sin margen de error es engañoso.
Limitaciones y ética
La telemetría ciudadana tiene límites que conviene reconocer:
- Densidad de participación: en sectores con pocos usuarios activos la señal es débil y las estimaciones son menos fiables.
- Sesgos: las personas tienden a reportar más cuando pierden el servicio que cuando lo recuperan.
- Reportes malintencionados: aunque son raros, deben mitigarse con reglas de consenso.
- Carácter no oficial: los datos reflejan la experiencia de la comunidad y no constituyen información oficial del sistema eléctrico.
Cómo contribuir con buenos datos
La calidad del sistema depende de la calidad de los reportes. Algunas recomendaciones: verifica que tu sector esté bien configurado, confirma que el problema no sea interno (un breaker disparado en tu tablero) antes de reportar, informa también cuando el servicio regrese y evita reportar por terceros si no estás en el lugar.
Cuando cientos de vecinos aportan un dato pequeño y honesto, el resultado es una herramienta colectiva que ayuda a todos a planificar mejor su día. Esa es la esencia de la ciencia ciudadana aplicada a un servicio tan cotidiano como la electricidad.