En la etapa actual de la integración de fuentes de energía renovable en los sistemas eléctricos de muchos países, se están aplicando requisitos de cumplimiento con las características técnicas establecidas para la generación de energía. Uno de estos requisitos es el factor de utilización de la capacidad instalada, que es extremadamente importante para colocar de manera óptima las instalaciones de energía basadas en fuentes renovables y para el desarrollo exitoso de la energía renovable. Una colocación eficiente maximiza el factor de utilización de la capacidad instalada de una instalación de energía, aumentando la eficiencia energética y el período de recuperación. El factor de utilización de la capacidad instalada depende de los factores meteorológicos asumidos relacionados con la ubicación geográfica y las características técnicas de la generación de energía. Sin embargo, no se puede predecir con precisión el factor de utilización de la capacidad instalada, ya que es necesario conocer el volumen de electricidad producido por la instalación de energía. En este artículo se propuso un enfoque novedoso para la optimización de la colocación de plantas de energía renovable y la predicción de su factor de capacidad. Este enfoque combina un algoritmo de pronóstico de aprendizaje automático (regresor de bosque aleatorio) con un algoritmo de optimización metaheurística (optimizador de lobo gris). Aunque el enfoque propuesto asume el uso solo de datos de código abierto, las simulaciones muestran mejores resultados que los algoritmos comúnmente utilizados, como la búsqueda aleatoria, el optimizador de enjambre de partículas y el algoritmo de luciérnaga.