La tendencia hacia el uso de vehículos aéreos no tripulados eléctricos de batería necesita nuevas estrategias en la planificación de misiones y en el diseño de los propios sistemas. Para crear un plan de misión óptimo y tomar decisiones adecuadas durante la misión, un modelo de energía fiable, preciso y adaptativo es de suma importancia. Sin embargo, la mayoría de los enfoques existentes utilizan modelos muy genéricos o modelos que están especialmente adaptados a un UAV específico. Presentamos un modelo de energía genérico que se basa en descomponer un sistema robótico en múltiples componentes observables. El modelo genérico se aplica a un enjambre de cuadricópteros y se evalúa en múltiples vuelos con diferentes maniobras. Además, utilizamos los datos de experimentos prácticos para aprender y generar un modelo de energía independiente de la misión que puede coincidir con el comportamiento típico de nuestros cuadricópteros, como flotar; movimiento en las direcciones x, y y z; aterrizaje; comunicación; e iluminación. El modelo de energía aprendido concuerda con el consumo total de energía con una precisión superior al 95% en comparación con los vuelos de entrenamiento para el caso de uso en interiores. Un modelo extendido reduce el error a menos del 1.4%. En consecuencia, el modelo propuesto permite estimar la energía utilizada en vuelo y en tierra, lo que puede incorporarse fácilmente en sistemas autónomos y mejorar la toma de decisiones con información fiable. El mecanismo de aprendizaje utilizado permite desplegar el enfoque con un esfuerzo mínimo en nuevas plataformas, necesitando solo algunas misiones de prueba representativas, lo que se demostró utilizando vuelos de validación adicionales al aire libre con un cuadricóptero diferente de la misma construcción y los modelos originalmente entrenados. Esta configuración aumentó el error de predicción de nuestro modelo al 4.46%.