En este documento, hemos propuesto una metodología para la predicción del consumo de energía en edificios residenciales. El método propuesto consta de cuatro capas diferentes, a saber, adquisición de datos, preprocesamiento, predicción y evaluación del rendimiento. Para el análisis experimental, hemos recopilado datos reales de cuatro edificios residenciales de varios pisos. Los datos recopilados se proporcionan como entrada para la capa de adquisición. En la capa de preprocesamiento, se implementaron varios esquemas de limpieza de datos y preprocesamiento para eliminar anomalías de los datos. En la capa de predicción, hemos utilizado la máquina de aprendizaje extrema profunda (DELM) para la predicción del consumo de energía. Además, también hemos utilizado el sistema de inferencia neurodifuso adaptativo (ANFIS) y la red neuronal artificial (ANN) en la capa de predicción. En el DELM se han utilizado diferentes números de capas ocultas, diferentes neuronas ocultas y varios tipos de funciones de activación para lograr la estructura óptima del DELM para la predicción del consumo de energía. De manera similar, en la ANN, hemos empleado una combinación diferente de neuronas ocultas con diferentes tipos de funciones de activación para obtener la estructura óptima de la ANN. Para obtener la estructura óptima de ANFIS, hemos empleado diferentes números y tipos de funciones de membresía. En la capa de evaluación del rendimiento para el análisis comparativo de tres algoritmos de predicción, hemos utilizado el error absoluto medio (MAE), el error cuadrático medio (RMSE) y el error porcentual absoluto medio (MAPE). Los resultados indican que el rendimiento de DELM es mucho mejor que el de ANN y ANFIS para la predicción horaria de energía de una semana y un mes en los datos proporcionados.