La energía es un denominador importante para evaluar el desarrollo de cualquier país. El consumo de energía, la producción de energía y los pasos hacia la obtención de energía verde son factores importantes para el desarrollo sostenible. Con la llegada de tecnologías de pronóstico, estos factores pueden ser accesibles con antelación, y se puede trazar el camino de planificación para el desarrollo sostenible. Las tecnologías de pronóstico relacionadas con sistemas grises están en el punto de mira debido al hecho de que no requieren muchos puntos de datos. En este trabajo, se empleó un modelo optimizado con arquitectura de aprendizaje automático gris de una realización polinómica para predecir la generación de energía, el consumo de energía y las emisiones de CO. Se tomó un núcleo no lineal y se optimizó con un algoritmo recientemente publicado, el algoritmo de búsqueda de cornejas aumentado (ACSA), para la predicción. Se encontró que en comparación con los modelos grises convencionales, el marco propuesto arroja mejores resultados en términos de precisión.