Este artículo propone Grid-Agent, un sistema autónomo basado en IA, para abordar las complejidades de la planificación, operación y gestión de la red eléctrica debido a la proliferación de recursos energéticos distribuidos (DER), vehículos eléctricos (VE) y fenómenos meteorológicos extremos. Grid-Agent combina modelos de lenguaje a gran escala (LLM) y aprendizaje por refuerzo multiagente para detectar y corregir infracciones de la red en tiempo real. El agente de planificación genera secuencias de acción coordinadas mediante un solucionador numérico de flujo de potencia, mientras que el agente de verificación emplea una arquitectura modular para evaluar la estabilidad del sistema y la eficacia de las acciones mediante la ejecución en un entorno aislado con capacidades de reversión segura. Además, la escalabilidad se logra mediante una representación de red adaptativa multiescala que selecciona dinámicamente los esquemas de codificación óptimos en función del tamaño y la complejidad de la red. La resolución de infracciones se coordina optimizando las configuraciones de los conmutadores, la ubicación de las baterías y las estrategias de reducción de carga. Los resultados experimentales en sistemas estándar como IEEE 69-bus, CIGRE MV e IEEE 30-bus demuestran un excelente rendimiento en la mitigación de infracciones. Las capacidades integradas de recopilación y aprendizaje de datos permiten el aprendizaje continuo y la adaptación a diversas topologías de red. Su naturaleza autónoma lo hace especialmente adecuado para aplicaciones de redes inteligentes modernas que requieren una respuesta rápida a condiciones operativas dinámicas.
