Este estudio presenta un enfoque novedoso para mejorar la seguridad y precisión de las predicciones de generación de energía fotovoltaica (PV) a través de técnicas de agregación segura. El estudio se centra en etapas clave del ciclo de vida de los datos de PV, incluyendo la recopilación, transmisión, almacenamiento y análisis de datos. Para protegerse contra posibles ataques y prevenir la fuga de datos en estos procesos críticos, se emplean métodos de cifrado homomórfico de Paillier y Brakerski-Gentry-Vaikuntanathan (BGV). Al integrar el protocolo de seguridad de la capa de transporte (TLS) con la computación en el borde durante la transmisión de datos, este estudio no solo refuerza la seguridad de los datos, sino que también minimiza la latencia y mitiga las amenazas. Se implementan estrategias sólidas para la gestión de claves, control de acceso y auditoría para garantizar un acceso monitoreado y restringido, mejorando aún más la seguridad del sistema. En la fase de análisis, se utilizan modelos avanzados como redes de memoria a corto y largo plazo (LSTM) y Descomposición Modal Empírica de Conjunto Completo con Ruido Adaptativo (CEEMDAN) para predicciones precisas de series temporales de la producción de energía PV. Los hallazgos demuestran la efectividad de estos métodos en la gestión de conjuntos de datos de PV a gran escala, manteniendo una alta precisión en las predicciones y sólidas medidas de seguridad.