Debido a la alta variabilidad del recurso solar la incorporación de la generación fotovoltaica (PV) a la matriz de generación eléctrica es un desafío tecnológico. El movimiento y formación de nubes genera rápidas fluctuaciones en la irradiancia solar, que se traducen en rápidas variaciones de la generación PV. Estas variaciones complejizan el proceso de despacho de la energía y es uno de los principales obstáculos para aumentar la contribución solar en las redes eléctricas. La capacidad de pronóstico a corto plazo es esencial para garantizar la estabilidad de la red eléctrica. La elección del mecanismo óptimo para este pronóstico depende fuertemente de la escala espacio-temporal bajo consideración. En este proyecto planteamos desarrollar técnicas de pronóstico del recurso solar con especial foco en el corto plazo a partir del análisis de series temporales de irradiancia solar. Estos métodos han experimentado grandes avances en los últimos años y su utilidad aún no ha sido explorada en Uruguay. La irradiancia solar puede ser separada en una componente regular asociada al movimiento de la Tierra y una componente estocástica asociada a la nubosidad. Las técnicas basadas en series temporales buscan modelar esta componente estocástica y predecir la disponibilidad del recurso solar en base al comportamiento pasado. En este proyecto se evaluará el desempeño ante la variabilidad climática local de técnicas de pronóstico del recurso solar basadas en inteligencia artificial y en el modelado de procesos estocásticos. Estás técnicas utilizan como insumo la propia serie de irradiación y variables exógenas, como la nubosidad por satélite y otras variables meteorológicas. El análisis de series temporales tiene la característica especial de poder aportar a todas las escalas temporales y, dada su estrecha relación con el área de procesamiento de señales, es un paso previo para integrar las distintas técnicas de pronóstico en un único sistema.