Energía que piensa

¿Y si en vez de hablar de “transición energética” empezamos a construirla desde abajo, con datos, código y decisiones inteligentes?

Eso es justo lo que hice en mis dos trabajos de fin de estudios. No eran papers para decorar una estantería. Eran excusas para resolver problemas reales. Primero, desde fuera de casa —con coches eléctricos y redes inteligentes. Luego, desde dentro —con viviendas que aprenden a consumir mejor.

Aquí te cuento lo que descubrí. Sin adornos. Con ejemplos. Y con la certeza de que el futuro no se diseña en Excel, sino conectando lo técnico con lo humano.

🚗 Trabajo de Fin de Grado: convertir los coches eléctricos en aliados del sistema.

💥 El problema:
Imagina miles de personas llegando a casa a las 20:00 y enchufando su coche eléctrico. La red no da abasto. O duplicamos la infraestructura (carísimo) o buscamos una forma de suavizar el pico.

🔧 La solución:
Diseñé un modelo de gestión para redes eléctricas que no ve a los vehículos eléctricos como cargas, sino como baterías móviles. Gracias a la tecnología Vehicle-to-Grid (V2G), estos coches pueden devolver energía a la red cuando hace falta.

📈 ¿Y qué conseguí?
Una reducción de hasta el 54 % en el coste operativo diario del sistema, comparado con un modelo tradicional. ¿La clave? Coordinar bien a los coches, usar algoritmos estocásticos, y pensar el sistema como un todo.

🧠 Reflexión rápida:
No basta con meter renovables y esperar que todo funcione. Necesitamos que los nuevos actores —como los coches— sean parte activa de la solución. Y para eso, hace falta pensar como ingeniero, pero también como estratega.

🏠 Trabajo de Fin de Máster: una vivienda que sabe cuándo cargar, vender o consumir.

⚠️ El problema:
Muchas casas tienen placas solares y baterías, pero no tienen inteligencia. Deciden mal. Gastan más de lo que ahorran. Y al final, la tecnología queda desaprovechada.

📊 Lo que hice:
Desarrollé un sistema de control energético para viviendas que optimiza automáticamente el uso de energía, en función de:

• Los precios horarios de la luz ⚡

• La demanda del hogar 🏡

• La previsión solar diaria ☀️

Todo esto usando herramientas como PVSyst, HomerPRO y Matlab.

💡 ¿Y qué aprendí?

• Que más batería no siempre significa más ahorro. Hay un punto óptimo.

• Que los métodos tradicionales de control (como “load following”) son muy ineficientes frente a un sistema bien diseñado.

• Que tomar buenas decisiones automáticas en el hogar es más rentable que instalar el doble de tecnología.

🔎 Dos proyectos, una misma idea: optimizar antes que multiplicar

Tanto el TFG como el TFM parten de una base común: la eficiencia no está en tener más recursos, sino en usarlos mejor.

Podemos seguir instalando placas, comprando baterías y subvencionando coches… o podemos pensar cómo coordinarlos, cómo automatizar decisiones y cómo anticiparnos a los problemas.

Yo elegí la segunda opción. Porque el futuro energético no necesita héroes ni promesas verdes. Necesita sistemas bien diseñados y cerebros que no repitan lo que “todo el mundo dice”.

🧠 ¿Y ahora qué?

Mi objetivo no es quedarme en la teoría. Por eso he lanzado HogarTech360, una web donde comparto soluciones reales para hogares inteligentes y eficientes. Sin postureo. Sin humo. Solo cosas que aplicaría en mi propia casa.

Te animo a que te preguntes lo mismo que yo me pregunté antes de empezar estos proyectos:

¿Estamos construyendo el futuro eléctrico con cabeza… o simplemente vamos metiendo cables y esperanzas sin orden ni concierto?

Si te ha hecho pensar, ya ha valido la pena. Y si no, al menos ya sabes que hay coches que pueden salvar la red y casas que pueden pensar por sí solas 😉.