Tras revisar documentación de Red Eléctrica, CNMC, BOE, MITECO, ENTSO-E, CORDIS y fuentes corporativas, encontramos una evidencia muy desigual. El sistema eléctrico publica magnitudes y errores regulados que sí pueden comprobarse; muchas empresas, en cambio, explican la escala de sus herramientas pero no el error, el contrafactual ni el beneficio neto atribuible al modelo.

Última revisión documental: 29 de julio de 2026.

Qué está demostrado y qué no

Sí está demostrado que el operador del sistema publica previsiones de demanda, eólica y solar; que el CECRE recibe telemedida y puede enviar consignas; que existen mecanismos automáticos de protección y flexibilidad; y que compañías españolas operan herramientas que incorporan aprendizaje automático para previsión, inspección o diagnóstico.

No está demostrado que todo ese ecosistema sea una IA única, que cada automatismo aprenda de los datos o que la diferencia entre dos años pueda atribuirse al algoritmo. Generación renovable, estabilidad, coste y emisiones dependen además de meteorología, parque instalado, red, mercado, interconexiones, almacenamiento, demanda, regulación, disponibilidad de las plantas y decisiones humanas.

La fotografía eléctrica de 2025 y los objetivos de 2030

El informe de renovables de Red Eléctrica registra para 2025 una producción renovable nacional de 150.988 GWh, el 55,5 % de la generación. Al incorporar la estimación de autoconsumo, la cuota asciende al 56,6 %. Son datos provisionales elaborados en enero de 2026 y los indicadores principales no observan directamente todo el autoconsumo.

La actualización del PNIEC 2023–2030 fija para 2030 un 81 % de generación eléctrica renovable, 160 GW de potencia renovable, 22,5 GW de almacenamiento y 19 GW de autoconsumo. Son objetivos de planificación, no una previsión garantizada. La versión antigua de este artículo mantenía el objetivo anterior del 74 % y convertía el horizonte político en un sistema «100 % renovable gestionado por IA».

Quién decide qué en el sistema español

Una parte de la confusión nace de llamar «Red Eléctrica» a cualquier actividad de red, mercado o comercialización. Red Eléctrica desempeña dos funciones reguladas: transportista de la red de alta tensión y operador del sistema. La CNMC supervisa su separación funcional. OMIE gestiona el mercado diario e intradiario; las distribuidoras operan sus redes; los productores ofertan y operan plantas; las comercializadoras contratan con clientes.

Esta asignación importa porque un modelo de una eléctrica no «equilibra España» y una previsión del operador no decide por sí sola el precio. Para entender la coordinación doméstica y la flexibilidad, la guía de smart grids e IA desarrolla esa otra intención.

De la medida a la consigna: la cadena real

1. Medir y validar

La telemedida describe producción, demanda, estado de equipos y variables eléctricas. Antes de alimentar un modelo debe conocerse su sello temporal, unidad, calidad, sustitución de ausencias y posible revisión posterior. «Tiempo real» no significa necesariamente dato definitivo.

2. Prever y programar

Las previsiones transforman meteorología, calendario, históricos y señales recientes en una distribución o valor esperado. Productores y operador programan energía y reservas con distintos horizontes. Una predicción sigue siendo una estimación: no ordena un interruptor.

3. Comprobar la seguridad física

El programa económicamente casado debe respetar límites de red, estabilidad, reserva, tensión y contingencias. Para ello se utilizan modelos eléctricos y procedimientos de operación. Que un cálculo sea complejo o automático no lo convierte automáticamente en aprendizaje automático.

4. Enviar una consigna y observar la respuesta

La consigna puede pedir modificar potencia activa, reactiva o disponibilidad. Deben registrarse orden, acuse, respuesta, retraso, saturación y excepción. El control humano, las protecciones locales y el modo seguro siguen siendo esenciales.

5. Medir el resultado

La evaluación posterior separa error de pronóstico, desvío, restricción, indisponibilidad y actuación. Sin este último paso, una demostración tecnológica no prueba que aumentara la energía renovable utilizable.

Cómo se evalúan las previsiones oficiales

El procedimiento de operación publicado en el BOE exige previsiones de demanda y de producción eólica y solar en horizontes diarios e intradiarios. ESIOS publica previsiones del operador, programas y datos de mercado; no es un «motor de IA» que fija el precio.

La Circular 4/2019 de la CNMC vincula parte de la retribución del operador a la calidad de previsión. El resultado definitivo de 2024 es especialmente útil porque muestra métricas reguladas, no un porcentaje comercial de «precisión».

Los valores proceden de la resolución definitiva de incentivos de 2024. La fuente no identifica todo el modelo operativo como una red neuronal ni permite atribuir el error a una única herramienta. Esa cautela es más informativa que afirmar una precisión superior al 90 % sin definir métrica.

Qué hace realmente el CECRE

Red Eléctrica creó en 2006 el Centro de Control de Energías Renovables, integrado en el Centro de Control Eléctrico. En junio de 2026 declaró más de 4.500 instalaciones eólicas y solares supervisadas en tiempo real. Recibe telemedida de instalaciones o agrupaciones superiores a 1 MW a través de centros de control de generación y puede enviar consignas.

Observabilidad no es inteligencia artificial

Ver potencia, tensión o estado permite calcular si el programa sigue siendo seguro. Pero telemedir, aplicar un umbral o ejecutar una consigna predefinida son capacidades digitales y automáticas que no necesariamente aprenden. Las páginas operativas actuales del CECRE hablan de previsión, modelos, telemedida, control y personal 24×7; no presentan el centro entero como un sistema de IA.

Dos cifras válidas con un denominador delicado

En su balance de veinte años, Red Eléctrica afirma que el CECRE ha integrado más de 1.346 TWh de eólica y solar desde 2006. Es un acumulado de dos décadas, no ahorro anual ni efecto aislado de IA.

Para 2025 comunicó que se integró el 96,6 % de la producción renovable programada en los mercados. «Programada» excluye energía que no llegó a casar por razones económicas; por eso el dato no equivale al porcentaje de todo el potencial físico disponible. Tampoco permite comparar un algoritmo contra una operación sin él.

SRAP: automatismo de seguridad, no prueba de aprendizaje

El sistema de reducción automática de potencia dispone de más de 65 GW habilitados y Red Eléctrica estima que ha permitido integrar más de 6,5 TWh adicionales desde su lanzamiento. Solo envía una orden si ocurre la contingencia para la que fue preparado. Es una herramienta valiosa y automática, pero la fuente no acredita que su lógica sea aprendizaje automático ni que los 6,5 TWh sean un ahorro anual auditado.

Restricciones, vertidos y el denominador correcto

Una restricción técnica es una condición que afecta a la seguridad, calidad o fiabilidad y obliga a modificar el programa de generación, demanda o almacenamiento al menor coste posible. Puede implicar aumentar o reducir distintas unidades. Por tanto, «energía programada por restricciones» no significa automáticamente «renovable desperdiciada».

Recorte técnico

Se produce cuando la red o la seguridad no permiten inyectar toda la energía prevista. Para evaluarlo hay que identificar tecnología, nodo, periodo, causa y fase del mercado. La etiqueta genérica curtailment oculta esas diferencias.

No casación económica

Una oferta puede no casar por precio o por otras condiciones de mercado. Red Eléctrica ha indicado que no dispone de una estimación completa de este recorte económico. No se debe sumar a una cifra técnica ni atribuirlo al operador como si fuera una consigna.

La IA puede ayudar, pero no elimina la física

Un mejor pronóstico puede reducir ciertos desvíos y mejorar la programación. No crea capacidad de red, potencia reactiva, interconexión ni almacenamiento. Incluso una previsión perfecta puede coincidir con una congestión estructural. El resultado debe medirse en energía utilizable y coste de operación, no solo en MAE.

Almacenamiento: potencia, carga y energía entregada

Red Eléctrica contabilizó 3.427 MW de almacenamiento nacional en 2025 y una contribución de 9.213 GWh a la integración. La cifra corresponde a actividad de almacenamiento en el sistema y no prueba que toda la energía cargada fuera renovable, que se devolviera sin pérdidas ni que una IA controlara todos los activos.

La distinción mínima es:

• MW: potencia máxima de carga o descarga en determinadas condiciones.
• MWh o GWh cargados: energía absorbida durante un periodo.
• MWh o GWh entregados: energía devuelta a la red.
• Estado de carga: energía disponible en un instante.
• Rendimiento del ciclo: relación entre energía entregada y cargada, con perímetro definido.
• Servicio prestado: arbitraje, balance, reserva, congestión, tensión u otro.

En diciembre de 2025 el almacenamiento peninsular seguía dominado por el bombeo: 3.331 MW frente a 32 MW de baterías. En mayo de 2026 las baterías alcanzaban 216 MW, mientras el bombeo se mantenía en 3.331 MW. Estas fotos mensuales muestran por qué «baterías gestionadas por IA» no describe todavía todo el almacenamiento español.

Control de tensión y cambios de 2026

Frecuencia y tensión son problemas relacionados, pero diferentes. La frecuencia refleja principalmente el equilibrio de potencia activa. La tensión depende de la potencia reactiva, la red, los equipos y la respuesta local. Un algoritmo preciso de viento no sustituye el control dinámico de tensión.

El 10 de julio de 2026 la CNMC modificó los procedimientos P.O. 7.4 y P.O. 14.4 para incentivar que instalaciones renovables participen de forma más dinámica en este servicio. También pidió información periódica sobre necesidades zonales y un demostrador para infraestructuras compartidas de evacuación.

La regulación abre capacidad técnica y reglas de mercado. No convierte toda consigna en IA. Para afirmar que un modelo mejora el control de tensión habría que comparar violaciones, reserva reactiva, respuesta, oscilaciones, coste y seguridad frente a una referencia.

Qué enseña el apagón del 28 de abril de 2025

La versión anterior enlazaba un artículo que sugería que la IA podría haber evitado el apagón peninsular. El informe final del panel experto de ENTSO-E, publicado el 20 de marzo de 2026, no respalda esa conclusión.

El panel identificó una combinación de oscilaciones, carencias en control de tensión y potencia reactiva, diferencias en prácticas de regulación, reducciones rápidas de producción, desconexiones de generadores y capacidades desiguales de estabilización. Sus recomendaciones abarcan operación, monitorización, coordinación, intercambio de datos y adaptación regulatoria.

El aprendizaje correcto no es «faltaba más IA» ni «sobraban renovables». Es que un sistema crítico necesita observabilidad, modelos físicos, cumplimiento técnico, controles probados, coordinación y defensas capaces de gestionar interacciones poco frecuentes. La IA puede apoyar alguna capa; no sustituye las obligaciones de planta ni la ingeniería de seguridad.

Casos de IA de Red Eléctrica y las eléctricas

La tabla conserva solo casos con una fuente primaria identificable y separa operación, piloto e I+D. Una fuente corporativa acredita lo que la empresa declara; no equivale por sí sola a una evaluación independiente.

Estos ejemplos no sustituyen la guía general de IA en parques renovables, que explica predicción, mantenimiento, visión y métricas a nivel de planta. Aquí el objetivo es comprobar casos españoles y su relación con la operación del sistema.

Tres cifras que suelen interpretarse mal

«La IA aumenta un 20 % la generación eólica»

No es lo que mostró el caso de DeepMind de 2019. El ensayo corporativo de Google utilizó 700 MW eólicos en Estados Unidos y declaró un aumento aproximado del 20 % en el valor económico frente a no asumir compromisos horarios. No produjo un 20 % más de electricidad y no fue un resultado español.

«CECRE integra el 96,6 %, por tanto su IA tiene esa eficiencia»

El 96,6 % se refiere a renovable programada en mercados integrada en 2025. No es precisión de modelo, eficiencia técnica ni proporción de todo el recurso disponible. Además, la fuente no presenta CECRE como una única IA.

«9.213 GWh fueron almacenados sin pérdidas gracias a algoritmos»

Es la contribución anual comunicada del almacenamiento a la integración en 2025. Cargar, entregar y perder energía son magnitudes diferentes; tampoco se identifica una IA común a todos los activos.

Datos necesarios para una aplicación seria

Pronóstico renovable

• Producción validada y disponibilidad real por intervalo.
• Predicciones meteorológicas con versión, hora de emisión y horizonte.
• Limitaciones, consignas, mantenimiento, suciedad o recorte que expliquen producción inferior.
• Metadatos de potencia, repotenciación, orientación, curva y cambios de configuración.
• Predicción operativa anterior para construir un comparador honesto.

Diagnóstico y mantenimiento

• Alarmas, órdenes de trabajo, inspección confirmatoria y componente sustituido.
• Tiempo desde alerta hasta confirmación y desde confirmación hasta intervención.
• Falsas alarmas, fallos no detectados y coste de inspección.
• Estado operativo, régimen, temperatura y contexto ambiental.
• Historial de sensores, calibraciones y cambios de firmware.

Operación de red

• Topología y contingencia aplicables a cada instante.
• Programas, telemedidas, restricciones y servicios activados.
• Variables de frecuencia, tensión, potencia activa y reactiva.
• Consigna, respuesta, latencia, saturación y excepción.
• Versiones del modelo, reglas, parámetros y decisión humana.

Un conjunto de datos sin procedencia ni sincronización puede crear una mejora aparente. Por ejemplo, entrenar con producción ya recortada como si fuera recurso disponible enseña al modelo una limitación operativa, no la meteorología.

Métricas que separan un modelo útil de una demo

La métrica debe calcularse por estación, tecnología, horizonte y condición difícil. Un promedio anual puede ocultar un sesgo al amanecer, una rampa eólica o una ola de calor: precisamente los momentos en los que más importa la decisión.

Cómo validar un piloto sin poner en riesgo la operación

Defina una decisión y una referencia

No empiece por «aplicar IA». Elija una decisión: corregir la previsión de una planta, priorizar una inspección o proponer una consigna. Compare contra el modelo vigente, una regla sencilla o el procedimiento humano.

Congele el protocolo antes de ver el resultado

Especifique periodos, exclusiones, métrica principal, métricas de protección y criterio de salida. Reserve meses o parques que el equipo no pueda usar para ajustar el modelo.

Ejecute primero en sombra

El modelo produce recomendaciones sin actuar. Se comparan error, latencia y estabilidad mientras la operación habitual continúa. Esta fase descubre dependencias de datos y alarmas excesivas sin trasladar el riesgo al sistema.

Limite la autoridad

Si supera la prueba en sombra, permita una recomendación revisada o un rango de actuación estrecho. Toda acción debe respetar enclavamientos, protecciones, procedimientos y autoridad operativa.

Pruebe el fallo

Simule ausencia de telemetría, dato corrupto, deriva meteorológica, cambio de topología, pérdida de red y salida del proveedor. El piloto no está terminado hasta demostrar recuperación, reversión y trazabilidad.

Qué exigir al proveedor y en la aceptación

Una presentación no debe sustituir el pliego. La aceptación debe poder repetirse con datos representativos y sin depender de una demostración preparada por el vendedor.

• Inventario de fuentes, propietario, frecuencia, calidad y retención.
• Definición matemática de las métricas y segmentos de evaluación.
• Comparador vigente y prueba fuera de muestra.
• Resultado mínimo, peor caso admisible y criterio de rechazo.
• Latencia extremo a extremo, disponibilidad y capacidad de recuperación.
• Registro de versión, entrada, salida, usuario, anulación y motivo.
• Exportación de datos, modelos cuando corresponda y documentación de interfaces.
• Coste total: integración, comunicaciones, nube, licencias, etiquetado, soporte y salida.
• Responsabilidad por actualización, vulnerabilidad, deriva y cambio de activo.
• Derecho a auditar y a repetir la prueba tras una versión importante.

Reglamento de IA y responsabilidad

El Reglamento (UE) 2024/1689 puede considerar de alto riesgo ciertos sistemas destinados a ser componentes de seguridad en la gestión y funcionamiento del suministro eléctrico como infraestructura crítica. La clasificación depende de finalidad, función y condiciones del artículo 6 y el anexo III.

No toda previsión meteorológica, inspección de pala o recomendación comercial es automáticamente de alto riesgo. Tampoco basta llamarla «apoyo» si en la práctica determina una acción de seguridad. El análisis debe documentar:

• finalidad prevista y uso real;
• si influye sustancialmente en una decisión crítica;
• quién es proveedor, responsable del despliegue y operador;
• supervisión humana, registro y gestión de cambios;
• normas sectoriales que siguen aplicándose;
• información necesaria para actuar y para impugnar una recomendación.

Este apartado es una guía editorial y técnica, no asesoramiento jurídico. La clasificación debe revisarse para cada sistema y contrato.

Ciberseguridad y modo degradado

La digitalización renovable amplía la superficie de ataque de redes IT y entornos industriales. El ES-ISAC Energía de INCIBE-CERT señala riesgos crecientes asociados a renovables distribuidas, IoT, nube e IA.

Separar observación y actuación

La primera implantación debería leer datos sin capacidad de mando. El paso a actuación necesita autenticación fuerte, segmentación, listas permitidas, firma de versiones, doble control y límites físicos independientes del modelo.

Proteger la integridad del dato

Una manipulación de meteorología, telemetría o topología puede producir una recomendación plausible y peligrosa. Deben verificarse procedencia, sello temporal, rango, coherencia cruzada y cambio inesperado de distribución.

Diseñar el modo degradado

Ante pérdida de datos, latencia, deriva o incidente, el sistema vuelve a un procedimiento conocido. El proveedor no puede ser el único capaz de reconstruir una decisión ni restaurar el servicio.

Vigilar la cadena de suministro

Modelos, librerías, imágenes, firmware y servicios en nube requieren inventario, parches, evaluación de vulnerabilidades y continuidad. La Directiva NIS2 y las obligaciones sectoriales de energía deben evaluarse junto al Reglamento de IA, no como alternativas.

Ruta de adopción por tipo de organización

Propietario de uno o pocos parques

1. Corrija disponibilidad, metadatos y etiquetas de mantenimiento.
2. Compare la previsión vigente con una alternativa en sombra.
3. Empiece por una decisión frecuente y reversible.
4. Exija ahorro de desvíos o disponibilidad neta, no solo menor error medio.

Empresa con cartera y centro de control

1. Unifique definiciones y zonas horarias sin borrar peculiaridades locales.
2. Evalúe por tecnología, región, horizonte y evento extremo.
3. Priorice la cartera con coste de oportunidad y riesgo.
4. Separe recomendación, autorización y ejecución.

Operador de red o infraestructura crítica

1. Clasifique la función de seguridad antes de contratar.
2. Valide con simulación, reproducción histórica y prueba en sombra.
3. Mantenga modelos físicos, procedimientos y protecciones independientes.
4. Pruebe contingencias, comunicaciones, ciberataque y retorno a operación manual.

Comunidad energética o autoconsumo colectivo

1. Mida por separado generación, consumo, batería y red.
2. Defina reparto, prioridad social, reserva y coste de degradación.
3. Compare el control inteligente con una programación horaria sencilla.
4. Informe a los participantes de datos, reglas y posibilidad de anulación.

Errores editoriales y técnicos frecuentes

• Llamar IA a todo: SCADA, telemedida, umbral, optimizador y red neuronal no son sinónimos.
• Convertir un objetivo en resultado: «permitirá» o «busca» no significa «ha logrado».
• Confundir potencia y energía: MW, MWh y porcentaje del mix responden a preguntas distintas.
• Invertir un error: un error del 8,704 % no se vuelve automáticamente una precisión del 91,296 %.
• Omitir el denominador: programada, disponible, generada y potencial no son la misma energía.
• Usar automatización como causa: una cartera más grande o más incidencias remotas no demuestra el efecto de IA.
• Extrapolar un piloto: un parque, una campaña o una prueba en otro país no representa España.
• Atribuir el mix a un algoritmo: meteorología, inversión, red, mercado y regulación también cambian.
• Ignorar seguridad: mejorar MAE no autoriza control directo.
• Publicar solo el mejor promedio: faltan extremos, sesgo, falsas alarmas y coste total.

Preguntas frecuentes

¿Red Eléctrica usa inteligencia artificial?

Sí existen casos explícitos, como SAGA para gestión de activos, el mapa de vegetación con aprendizaje automático y proyectos de anomalías o gemelos digitales. Pero no hay base pública para describir toda la operación de CECRE o Cecoel como una única IA.

¿CECRE controla todas las instalaciones renovables?

Supervisa instalaciones o agrupaciones eólicas y solares de más de 1 MW adscritas mediante centros de control. No observa individualmente cada tejado de autoconsumo ni reemplaza el control local de las plantas.

¿El 96,6 % de integración es una precisión del modelo?

No. Es la proporción de producción renovable programada en mercados que Red Eléctrica afirma haber integrado en 2025. No mide la precisión de una IA ni todo el recurso físico disponible.

¿ESIOS usa IA para decidir el precio?

ESIOS es el sistema de información del operador y publica previsiones, programas, mercados, restricciones y otros indicadores. El mercado y la operación siguen reglas y actores distintos; el portal no es un algoritmo autónomo de precio.

¿Una previsión mejor evita todos los vertidos?

No. Puede reducir algunos desvíos y mejorar la programación, pero no elimina congestión, limitaciones de tensión, indisponibilidad, baja demanda o no casación económica.

¿La IA podría haber evitado el apagón de abril de 2025?

Los informes oficiales no permiten afirmarlo. ENTSO-E identificó causas múltiples y recomendaciones técnicas, operativas y regulatorias. Una herramienta concreta solo podría evaluarse contra una función y un contrafactual definidos.

¿El apagón demostró que las renovables son incompatibles con la red?

No. El informe final describe interacciones de oscilaciones, tensión, potencia reactiva, respuesta de generadores y coordinación. No concluye que la causa fuera simplemente una alta cuota renovable.

¿Toda IA del sector eléctrico es de alto riesgo?

No. El Reglamento europeo atiende a la finalidad. Un componente de seguridad en el suministro eléctrico puede ser de alto riesgo; una herramienta preparatoria o de mantenimiento no queda clasificada automáticamente igual.

¿Las baterías españolas están optimizadas por IA?

Puede haber activos y productos que usen optimización avanzada, pero no existe evidencia oficial de una IA común que controle todo el almacenamiento. El bombeo seguía concentrando la gran mayoría de potencia peninsular al cierre de 2025.

¿Automatización y aprendizaje automático son lo mismo?

No. Una regla fija puede automatizar una orden. El aprendizaje automático ajusta un modelo a datos. Ambos pueden coexistir y ambos necesitan validación, pero sus riesgos y pruebas son diferentes.

¿Qué dato falta con más frecuencia en los casos corporativos?

Un error o resultado comparable contra la herramienta anterior, durante un periodo definido y con costes completos. Muchas fuentes publican número de plantas, señales o activos, pero no el beneficio incremental atribuible.

¿Qué debe pedir un comprador antes de pagar?

Datos y métricas definidos, prueba fuera de muestra, operación en sombra, aceptación independiente, modo degradado, registro de decisiones, ciberseguridad, coste total y derecho de salida.

Fuentes y conclusión

La revisión prioriza información del operador, el regulador, el BOE, organismos europeos y documentación primaria de proyectos. Las notas empresariales se citan como declaraciones corporativas y no se convierten en auditorías independientes.

• Red Eléctrica — informe de energías renovables 2025.
• Red Eléctrica — generación eléctrica total en 2025.
• MITECO — PNIEC 2023–2030 actualizado.
• Red Eléctrica — CECRE.
• Red Eléctrica — balance de veinte años del CECRE.
• ESIOS — previsiones del operador del sistema.
• ESIOS — documentación.
• BOE — procedimientos de previsión y programación cuarto-horaria.
• BOE — Circular 4/2019 de retribución del operador.
• BOE — incentivos definitivos del operador para 2024.
• Red Eléctrica — servicios de ajuste y restricciones técnicas.
• Red Eléctrica — datos y definiciones de almacenamiento.
• Red Eléctrica — sistema eléctrico español en 2025.
• CNMC — control de tensión y renovables, julio de 2026.
• CNMC — separación funcional de Red Eléctrica.
• ENTSO-E — informe final del apagón ibérico de 2025.
• Elewit — SAGA para gestión de activos.
• Redeia — mapa de vegetación con aprendizaje automático.
• Elewit — validación de imágenes sintéticas para anomalías.
• CORDIS — proyecto TwinEU.
• Iberdrola — MeteoFlow.
• Endesa — análisis de vibraciones en aerogeneradores.
• Endesa — centros de control y automatización.
• ACCIONA Energía — resumen de actividad 2024 y CECOER.
• Google DeepMind — ensayo sobre valor económico de la eólica.
• EUR-Lex — Reglamento europeo de Inteligencia Artificial.
• EUR-Lex — Directiva NIS2.
• INCIBE-CERT — ES-ISAC Energía.

Para profundizar sin duplicar esta entrada, la guía de IA en parques solares y eólicos aborda modelos y pilotos a nivel de instalación; la de smart grids explica la coordinación de red y hogares; y la guía para medir el ahorro eléctrico doméstico trata tarifas, cargas y autoconsumo.