En los últimos años, el aprendizaje automático (ML) ha recibido una creciente atención y se ha utilizado en una amplia gama de aplicaciones. Sin embargo, la aplicación de ML en sistemas de energías renovables como las celdas de combustible sigue siendo limitada. En este documento, se diseña un marco de pronóstico basado en redes neuronales artificiales (ANN) para predecir el rendimiento del sistema de celda de combustible de membrana de intercambio de protones (PEM), con el objetivo de investigar el efecto de la temperatura y la humedad en las características del conjunto y en las mejoras del control de seguimiento. Una gran parte de la base de datos experimental para diversas condiciones de funcionamiento se ha utilizado en la operación de entrenamiento para lograr un modelo preciso. Se realizan extensas pruebas con varios parámetros de ANN, como el número de neuronas, el número de capas ocultas, la selección del conjunto de datos de entrenamiento, etc., para obtener el mejor ajuste en términos de precisión de predicción. Se investiga el efecto de la temperatura y la humedad basado en el modelo predicho y se compara con los obtenidos de experimentos en tiempo real. El diseño de control basado en el modelo predicho se realiza para mantener el punto de operación del conjunto en una etapa de potencia adecuada con un seguimiento de alto rendimiento. Los resultados experimentales han demostrado la efectividad del modelo propuesto para mejorar el rendimiento del sistema de celda de combustible PEM.