El incremento de parques fotovoltaicos requiere un perfeccionamiento de los métodos de pronósticos energéticos que se empleen por el significado que la calidad de estos métodos tiene para mantener una adecuada estabilidad en el sistema eléctrico nacional. Con esta finalidad actualmente se incorporan nuevos métodos basados en Inteligencia Artificial. Lo anterior implica tener un adecuado sistema de evaluación de estos nuevos métodos de pronóstico energético. El objetivo de este trabajo consiste en el desarrollo de métodos de evaluación de programas computacionales para la predicción automática de la generación de energía eléctrica a corto plazo para parques solares fotovoltaicos. Estos pronósticos se realizan aplicando técnicas de inteligencia artificial tales como redes neuronales de aprendizaje profundo (redes recurrentes del tipo LSTM y CNN). Como principales datos de entrada estos programan consideran la irradiación solar y la temperatura ambiente, realizando un modelado no lineal entre estas entradas y la potencia generada. Dada la irregularidad presente en los datos reales procesados se determinó la necesidad de aplicar diversas técnicas de preprocesamiento. Como parte de la evaluación de los programas se desarrolla un método de posprocesamiento con los datos directos de la pronósticos. Se comprueba la correspondencia de las predicciones con los datos reales obtenidos posteriormente, siendo mejor esta correspondencia en las horas centrales del día. En el trabajo se presenta los resultados de la evaluación de los pronósticos para un grupo de parques fotovoltaicos, demostrándose la factibilidad de realizar este tipo de pronóstico para todas los parques que dispongan de las mediciones históricas necesarias.