En la actualidad la energía solar posee una amplia utilización a nivel mundial, debido a su amplia disponibilidad y a sus notables ventajas. No obstante, esta fuente de energía presenta un comportamiento dinámico que depende de las condiciones meteorológicas y que en ocasiones resulta difícil de prever. Debido a esto ha sido necesario desarrollar diferentes métodos para la predicción de la energía que se genera en las plantas fotovoltaicas. El presente trabajo está enfocado en analizar los métodos de predicción de generación fotovoltaica que utilizan técnicas de inteligencia artificial con aprendizaje profundo, específicamente redes neuronales recurrentes del tipo LSTM (siglas en inglés de Long Short-Term Memory). Para realizar el estudio se utiliza una base de datos obtenida de la planta fotovoltaica de la UCLV. Inicialmente se analiza la correlación entre las diferentes variables con respecto a la potencia activa generada, posteriormente se implementa el modelo LSTM para realizar la predicción. Los resultados obtenidos muestran que las predicciones realizadas para horizontes de tiempo de corto plazo y para días con distinto comportamiento son adecuadas, lo que demuestra la efectividad de este método de predicción.