Como las plantas de energía fotovoltaica (PV) son un componente esencial de las redes inteligentes modernas, la predicción de generación de PV de dichas plantas ha estado ganando interés recientemente. Los resultados de predicción de energía PV a menudo sufren de grandes errores debido a condiciones climáticas inusuales. En un modelo de predicción basado en el aprendizaje, la precisión de la predicción puede mejorarse utilizando datos cuidadosamente seleccionados para el entrenamiento en lugar de todos los datos sin ningún tipo de filtrado. Es decir, utilizar un conjunto de entrenamiento que solo contenga información obtenida de días similares puede ayudar a mejorar la precisión de la predicción de PV basada en el aprendizaje. Este artículo propone un método de predicción para la generación de PV a pequeña escala. Este método se basa en memoria a largo plazo; además, detecta días similares considerando los diferentes impactos de las variables meteorológicas en la energía PV según el día. Este método puede abordar problemas causados por el aprendizaje innecesario de días históricos no similares. Los resultados de la simulación demuestran que el método propuesto muestra un mejor rendimiento que los métodos existentes de detección de días similares.