Проведено поглиблене дослідження сучасних підходів до прогнозування генерування електроенергії сонячними фотоелектричними станціями (ФЕС), що є важливим елементом розвитку відновлюваної енергетики в умовах децентралізованого енергопостачання та зростання частки «зеленої» енергії в енергобалансі. Особливу увагу приділено моделі Sensitivity-Enhanced Recurrent Neural Network (SERNN), яка поєднує переваги рекурентних нейронних мереж з адаптивною чутливістю до змін вхідних метеорологічних параметрів. Запропонований підхід базується на врахуванні ключових кліматичних факторів, що безпосередньо впливають на обсяги вироблення сонячної енергії, зокрема глобальної сонячної радіації, температури довкілля, ступеня хмарності, а також сезонних коливань.