INTRODUCCIÓN. El aprendizaje profundo es uno de los métodos más preferibles en la actualidad para resolver tareas complejas desde la clasificación o segmentación de imágenes, predicción en series de tiempo, hasta amenazas y ataques comunes a la ciberseguridad y mucho más. En este trabajo se realizará el estudio, análisis y comprobación de los modelos híbridos de aprendizaje profundo para la integración inteligente de energías renovables. El OBJETIVO. Es estructurar un modelo híbrido de aprendizaje profundo que permita la gestión óptima de energías renovables en la integración al sistema eléctrico empleando nuevos paradigmas computacionales combinados, como los relacionados con el aprendizaje automático. Es así como la selección adecuada de una red y los modelos de aprendizaje profundo en función de las características del problema a resolver se convierten en una maravilla tecnológica. Para intentar aportar con el objetivo descrito el MÉTODO. Será una revisión bibliográfica del estado del arte de los modelos híbridos de aprendizaje profundo, para obtener el fundamento científico que nos permita realizar una revisión, análisis, comprobación y evaluación de modelos híbridos de aprendizaje profundo más adecuados para la integración inteligente de energías renovables en el sistema eléctrico. RESULTADOS. El presente proyecto de investigación busca estructurar el modelo híbrido de aprendizaje profundo más adecuado para la integración inteligente de energía solar fotovoltaica en el sistema eléctrico.