Trong nghiên cứu của Zhang và cộng sự công bố năm 2020 [70], các tác giả sử dụng bộ dữ liệu của một nhà máy ĐMT 6,41 kW đặt tại California, Hoa Kỳ có độ dài từ 1/7/2015-31/12/2016. Kết quả thu được mô hình LSTM cho sai số tốt nhất với MAPE là 4,56% và nRMSE 8,39% (tính cho cả ngày 24 giờ). Sau khi chuẩn hóa tương đối để so sánh cho khung có nắng từ 5-18h (13 giờ), giá trị chuẩn hóa MAPE là 8,418%, nRMSE là 15,489%. Trong nghiên cứu của Park và cộng sự năm 2021 [71], nhóm tác giả đã phát triển mô hình dự báo công suất dựa trên mô hình LSTM với 1 lớp ẩn và 3 lớp ẩn cho bộ dữ liệu của một hệ thống điện mặt trời với quy mô khoảng hơn 500 kWp trong thời gian 7 tháng đầu năm 2019. Kết quả thu được cho thấy mô hình 3 lớp ẩn có sai số nRMSE tốt nhất là 13,2%. Trong nghiên cứu của Li và cộng sự năm 2021 [72], các tác giả đã nghiên cứu bộ dữ liệu của một hệ thống ĐMT với công suất cực đại khoảng 40 kW (theo hình vẽ trong bài báo nghiên cứu) từ 1/2018-12/2018 với các dữ liệu công suất và khí tượng như nhiệt độ, độ ẩm, tốc độ gió. Với các mô hình thử nghiệm khác nhau, mô hình cho kết quả tốt nhất là mô hình LSTM có RMSE là 2,560 kW ứng với nRMSE (quy đổi theo phương pháp của luận án) là 6,4% trong các giờ ban ngày. Trong nghiên cứu của Zhou H và cộng sự công bố năm 2021 [73], các tác giả đã thực hiện nghiên cứu cho hệ thống ĐMT 20 kW tại thành phố Shaoxing, miền đông Trung Quốc. Bộ dữ liệu trong vòng 4 năm từ 2014 đến 2018 gồm công suất và các thông số khí tượng với độ phân giải 7,5 phút. Mô hình LSTM mà nhóm tác giả đề xuất được cải tiến nâng cấp so mới mô hình đã công bố tại nghiên cứu [66] có sai số dự báo tốt nhất trong các mô hình so sánh với giá trị chuẩn hóa MAPE đạt được là 3,5% và nRMSE là 6,5% cho dự báo 1 bước tới, MAPE 4,25% và nRMSE 7,0% cho dự báo 2 bước tới, MAPE 6,9% và nRMSE 10,2% cho dự báo 4 bước tới.