Este estudio presenta un modelo para predecir la generación de energía fotovoltaica basado en variables meteorológicas, temporales y geográficas, sin utilizar valores de irradiación, que tradicionalmente han planteado desafíos y dificultades para predicciones precisas. Métodos de validación y métricas de evaluación se utilizan para analizar cuatro enfoques diferentes que varían en la distribución de la base de datos de entrenamiento y prueba, y si se realiza o no un modelado independiente de la ubicación. El coeficiente de determinación, , se utiliza para medir la proporción de variación en la generación de energía fotovoltaica que puede ser explicada por las variables del modelo, mientras representa la cantidad de emisiones de CO equivalentes a cada unidad de generación de energía. Ambos se utilizan para comparar el rendimiento del modelo y el impacto ambiental. Los resultados muestran diferencias significativas entre las ubicaciones, con mejoras sustanciales en algunos casos, mientras que en otros las mejoras son limitadas. Se enfatiza la importancia de personalizar el modelo predictivo para cada ubicación específica. Además, se concluye que los estudios de impacto ambiental en la producción del modelo son un paso adicional hacia la creación de modelos más sostenibles y eficientes. Asimismo, esta investigación considera tanto la precisión de las predicciones de energía solar como el impacto ambiental de los recursos computacionales utilizados en el proceso, promoviendo así el progreso responsable y sostenible de la ciencia de datos.