Для прогнозирования окупаемости солнечной электростанции могут использоваться следующие модели машинного обучения:

• Линейная регрессия. Фундаментальный статистический метод, используемый в прогнозировании для установления взаимосвязи между двумя переменными.
• CatBoost и XGBoost. Алгоритмы, использующие деревья решений. Они эффективно используют сложность данных, что приводит к высокой точности прогнозирования выходной мощности переменного тока.
• Искусственные нейронные сети. Разработаны для обработки последовательных данных. Продемонстрировали высокую точность в прогнозировании солнечной энергии.
• Адаптивная нейро-нечёткая система вывода данных (ANFIS). Применяется для прогнозирования производительности сложных систем возобновляемой энергетики.

Для разработки и использования моделей машинного обучения требуются измерения количественных параметров состояния атмосферы вблизи солнечной электростанции и информация об объёмах генерации при данных параметрах атмосферы.