Proporcionar energía sostenible a las comunidades rurales se considera en el Objetivo de Desarrollo Sostenible 7. Los sistemas de energía renovable fuera de la red surgen como una solución asequible debido a su portabilidad y la disponibilidad de fuentes renovables para las comunidades rurales. En este trabajo, para abordar las incertidumbres de los recursos solares, empleamos dos modelos de aprendizaje profundo (redes neuronales de avance y recurrentes) para predecir fuentes renovables en un horizonte a largo plazo. Para este fin, el enfoque presentado tiene en cuenta la necesidad de una resolución suficientemente alta en la salida de las predicciones. Como estudio de caso, utilizamos datos de código abierto para una ubicación en Michoacán, México, así como marcos de programación de código abierto para garantizar la replicabilidad de los experimentos numéricos. Los resultados muestran que nuestro modelo de predicción tiene un rendimiento excelente con respecto a los métodos de referencia (ARIMA, suavizado exponencial y naive estacional) en términos de las métricas de evaluación MASE (reducción del 18.5% con respecto al naive estacional), RMSE (24.7%), WAPE (13.1%), MAE (12.9%) y APB (8.9%).