En los últimos años ha habido avances significativos en la creación de modelos a gran escala de redes eléctricas de distribución sintéticas utilizando métodos heurísticos simulando el proceso de planificar una red de distribución. Dada la confidencialidad de las redes reales, estos modelos son muy útiles para poder testear y optimizar algoritmos. En otro ámbito, el de la inteligencia artificial, nuevos algoritmos han aparecido que permiten automatizar tareas. En particular, las redes GAN (Generative Adversarial Networks) están basadas en una arquitectura específica de redes neuronales, que permite utilizarlas para tareas como generar caras sintéticas o aplicar un estilo determinado a una imagen. En esta tesis, queremos aplicar esta técnica para la generación de redes de distribución sintéticas. Para ello, el alumno tendrá a su disposición conjuntos de datos muy extensos, con los que poder entrenar las redes neuronales.
