U ovom radu je istraženo je li moguće dobiti točnu estimaciju izlazne snage fotonaponske elektrane pomoću algoritama strojnog učenja. Na odabranom setu podataka mjerenih u periodu od 34 dana u fotonaponskoj elekrani u Indiji napravljena je detaljna statistička analiza, odabrane su ulazne i izlazne veličine i podaci su raspodijeljeni na podatke za treniranje i na podatke za validaciju. Metrike koje su se koristile za validaciju su: koeficijent determinancije (R2), srednja apsolutna pogreška (MAE), kvadratni korjen srednje kvadratne pogreške (RMSE) i Kling-Gupta efficiency (KGE). Inicijalno istraživanje je rađeno na 7 modela strojnog učenja pomoću nasumičnog odabira hiperparametara. Trenirani modeli su: Autoregresivni diferencijalno regresor (ARDR), Multi-Layer perceptron (MLP), BayesianRidge regresor, linearna regresija, Huber regresor, ElasticNET i Lasso. Nakon inicijalnog istraživanja sljedeći korak je bio treniranje modela pomoću nasumičnog odabira hiperparametara i unakrsnom validacijom. Rezultati iz dva prethodna koraka su pokazali kako Huber regresor ima loše performanse i neće se koristiti za daljnje istraživanje. U sljedećem koraku trenirani su stacking ansambl modeli s različitim finalnim estimatorima. Stacking modeli su sačinjeni od prethodno treniranih modela ne uključujući Huber regresor. Na kraju trenirani stacking ansambl modeli su se koristili za treniranje krajnjeg ansambl modela koji je imao zadovoljavajuću točnost estimacije izlazne snage fotonaponske elektrane. Stacking ansambl 2 model je imao koeficijent determinancije iznosa 0.99, srednju apsolutnu pogrešku iznosa 16.54 i kvadratni korjen srednje kvadratne pogreške 45.57.