Analizar el impacto de las variables climáticas en los procesos de planificación operativa es esencial para la implementación robusta de un sistema energético sostenible. Este documento trata sobre la modelización de la producción de energía hidroeléctrica de pasada basada en variables climáticas a escala europea. Una mejor comprensión de los patrones futuros de generación de energía de pasada tiene importantes implicaciones para los sistemas energéticos con cuotas crecientes de energía solar y eólica. Las plantas de pasada son menos intermitentes que la solar o la eólica, pero también menos gestionables que las presas con capacidad de almacenamiento. Sin embargo, traducir series temporales de datos climáticos (precipitación y temperatura del aire) en series temporales de generación de energía hidroeléctrica basada en el flujo de río no es una tarea fácil, ya que es necesario capturar la compleja relación entre la disponibilidad de agua y la generación de electricidad. Esta tarea también es más compleja cuando se realiza para una gran área interconectada. En este trabajo, se construye un modelo para varios países europeos utilizando técnicas de aprendizaje automático. En particular, comparamos la precisión de los modelos basados en el algoritmo Random Forest y mostramos que se obtiene un modelo más preciso cuando se introduce una resolución espacial más fina de los datos climáticos. Luego discutimos la aplicabilidad práctica de un modelo de aprendizaje automático para las previsiones a medio plazo y mostramos que algunos eventos muy específicos del contexto pero influyentes son difíciles de capturar.