Entre las palancas llevadas a cabo en la era de la Industria 4.0, se encuentra la de utilizar modelos de Inteligencia Artificial para servir a los intereses energéticos de las empresas industriales. El objetivo de este documento es estimar la potencia eléctrica activa generada por las unidades industriales que autoproducen electricidad. Para ello, realizamos un estudio de caso de los datos históricos de las variables que influyen en este parámetro para apoyar la construcción de tres modelos analíticos basados en algoritmos de Aprendizaje Profundo, que son Long Short-Term Memory (LSTM), Convolutional Neural Network (CNN), así como el algoritmo híbrido CNN acoplado con LSTM (CNN-LSTM). Posteriormente, y gracias a la evaluación de los modelos creados a través de tres métricas matemáticas que son Error Cuadrático Medio (RMSE), Error Cuadrático Medio (MSE) y el puntaje de varianza (R-cuadrado), pudimos realizar un estudio comparativo entre estos modelos. Según los resultados de esta comparación, comprobamos que el modelo híbrido es el que ofrece los mejores resultados de predicción, con los siguientes hallazgos: el puntaje de varianza fue de aproximadamente 98.29%, el valor de RMSE fue exactamente de 0.1199 MW, y para MSE el error fue igual a 0.0143 MW. Los resultados obtenidos confirman la fiabilidad del modelo híbrido, que puede ayudar a los gerentes industriales a ahorrar energía actuando aguas arriba de los parámetros del proceso que influyen en la variable objetivo y evitando facturas energéticas sustanciales.