Las redes inteligentes generan un inmenso volumen de datos de carga. Cuando se analizan utilizando tecnologías inteligentes, estos datos pueden mejorar significativamente la gestión de la carga de energía, optimizar la distribución de energía y apoyar objetivos de conservación de energía verde y reducción de emisiones. Sin embargo, en el proceso de utilización de datos, surge un problema pertinente con respecto a posibles fugas de privacidad relacionadas con los datos de carga de energía de los usuarios, tanto regionales como individuales. Este documento aborda el escenario de externalización de tareas computacionales para la predicción de carga de energía regional en redes inteligentes, proponiendo una solución de pronóstico de carga a nivel regional basada en la externalización segura de la computación. Inicialmente, el esquema diseña un protocolo de entrenamiento de externalización segura para llevar a cabo tareas de entrenamiento de modelos garantizando la seguridad de los datos. Este protocolo garantiza que la información sensible, incluidos, entre otros, los datos de consumo de energía individuales, permanezca protegida de manera integral durante todo el proceso de entrenamiento, mitigando efectivamente cualquier riesgo potencial de infracciones de privacidad. Posteriormente, se diseña un protocolo de predicción en línea de externalización segura, que permite la ejecución eficiente de tareas de predicción protegiendo la privacidad de los datos. Este protocolo garantiza que las predicciones se puedan realizar sin comprometer la privacidad de los datos de carga de energía individuales o regionales. En última instancia, el análisis experimental demuestra que el esquema propuesto cumple con los requisitos de privacidad, precisión y puntualidad para la externalización de tareas computacionales de pronóstico de carga en redes inteligentes.