● Proponer métodos o algoritmia de aprendizaje automático para generar y validar escenarios de medio/largo plazo para la planificación de las necesidades de la red basadas en las demandas previstas con diferentes niveles de granularidad, previendo que los datos de la operación real de red permitan, a su vez, alimentar el sistema de información para utilizar modelos predictivos.
● Aplicación de estos algoritmos frente a simulaciones actuales, partiendo de datos históricos, y a simulaciones con modelos predictivos, incluyendo la parametrización en base a factores existentes y públicos de tipo económico, industrial, sostenibilidad, administrativo, entre otros.
● Analizar la capacidad necesaria adicional georreferenciada de la red con diferentes niveles de granularidad, así como el mejor aprovechamiento de la capacidad existente con la flexibilidad disponible.
● Identificar otros datos relevantes que no se estén capturando, adicionales al estado actual de digitalización de la red, que incluye desde contadores inteligentes al control de las subestaciones primarias y secundarias (centros de transformación a BT).