ClaraRed

Luis Miguel Delgado

Xora Intelligence

Quién está detrás

Metodología y limitaciones

De dónde salen los datos de ClaraRed, qué predice el modelo ClaraRed-P v0.3, cómo se calibró, cuánto se equivoca y qué no sabe todavía.

Estimación de IA predictiva propia (ClaraRed-P v0.3). Las probabilidades de ClaraRed las calcula nuestro modelo a partir de datos públicos. No son oficiales ni un aviso de servicio, y no tienen por qué ser 100 % fiables.

¿Qué predice exactamente?

¿De dónde salen los datos?

¿Cómo se calcula?

Por provincia

Partimos de cuántos cortes imprevistos sufre al año un suministro típico de la provincia según MITECO: la media de 2019 a 2021, con un ajuste del 10 % hacia la media de todas las provincias (las pequeñas, como Ceuta o Melilla, oscilan mucho de un año a otro). Va de 0,45 cortes al año en Cantabria a 2,56 en Melilla. Dividida entre 365 da la tasa diaria λ, y la probabilidad de al menos un corte en 24 horas es:

P = 1 − e−λ · m · w

En España

Partimos de los ceros de tensión peninsulares registrados: 1 en ~40 años de operación del sistema por Red Eléctrica (el del 28 de abril de 2025). Con un estimador bayesiano (Jeffreys), eso equivale a una probabilidad base de 1 entre 9734 cada día. Se multiplica por la exigencia del sistema, más sensible aquí que en las provincias: de ×0,5 a ×3.

Índice de exigencia del sistema

Es un índice propio de 0 a 100, heurístico y sin calibrar, que combina tres señales públicas de Red Eléctrica. No es una probabilidad por sí mismo.

Ajuste meteorológico

Partimos de la hipótesis de que el viento, las tormentas, la nieve y la lluvia intensa aumentan las averías en la red de distribución (los datos de MITECO no desglosan los cortes por fenómeno meteorológico). Estos multiplicadores son esa hipótesis de partida: no están calibrados.

Multiplicador por tipo y nivel de aviso de AEMET (no calibrado)
AvisoAmarilloNaranjaRojo
Viento×1,6×3,5×7
Tormentas×1,8×3,5×7
Nieve y hielo×1,6×3,5×7
Lluvia×1,3×2,2×4
Fenómenos costeros×1,1×1,4×2
Temperaturas máximas×1,1×1,3×1,6
Temperaturas mínimas×1,05×1,2×1,4

Niebla y otros avisos: sin ajuste (×1).

¿Cómo se calibró y cuánto se equivoca?

Comparamos varios métodos con los cortes reales de 2016 a 2021 (cada año predicho solo con los anteriores, desde 2013). Ganó el método que se usa ahora: media de las interrupciones imprevistas (NIEPI) de 2019 a 2021, encogida un 10 % hacia la media de las 52 provincias. Se equivoca menos que el método de la v0.2, que usaba solo el último año: de media, su tasa se aleja 0,315 cortes al año de lo que pasó de verdad en cada provincia, frente a 0,338 (un 7 % menos de error medio).

Contraste de métodos con los cortes reales (cuanto más bajo, mejor)
MétodoError absoluto medioDesviación de Poisson
Solo el último año (modelo v0.2)0,3380,211
Media de 3 años0,3170,168
Media de 5 años0,340,176
Media de 3 años, 10 % hacia la media de las 52 provincias (elegido)0,3150,165

Error absoluto medio: diferencia media, en cortes al año de un suministro típico, entre lo predicho y lo que pasó en cada provincia y año. Desviación de Poisson: medida del error propia de los recuentos. En las dos, cuanto más baja, mejor. Fuente de los cortes reales: MITECO.

¿Qué no sabe todavía?

Historial de versiones

Registro público

Cada día guardamos lo que predice el modelo, antes de que pase nada, en el registro de predicciones, para poder evaluarlo después. La estimación de hoy para las 52 provincias está en Provincias.

Los datos oficiales, explicados

Los cortes reales con los que se calibró el modelo se explican con más detalle, provincia a provincia y causa a causa, en el blog:

Actualizado el 14 de noviembre de 2026. Las horas se muestran en hora peninsular (Europe/Madrid).