Biogas energy is considered a renewable energy source. The efficient usageof biogas resources can help reduce greenhouse gas emission, especiallymethane, generate electricity to power farms’ loads, and decrease load demandon grids. We first present the data acquisition scheme of self-developed biogasgeneration systems, complete with a description of the farm architecture andload estimation. Then, with the necessary data collected, five machine learningtechniques are then explored and adopted to process the data and forecastenergy production at several livestock farms in practice. Comparisons are madeamong these techniques, which includes RNN, MLP, polynomial regression,decision trees and random forest regression, to evaluate the accuracy of thepredictions. It was concluded from the comparisons that Polynomial Regressionperformed the best in predicting the energy production at the hog farm, whilerandom-tree-based methods performed the worst.Khí sinh học biogas có thể được coi là một nguồn năng lượng tái tạo. Việc sửdụng các nguồn khí sinh học một cách hiệu quả có thể giúp giảm lượng khí thải nhàkính, đặc biệt là methane, phát điện để đáp ứng một phần nhu cầu năng lượng ởcác trang trại, và giảm chi phí sử dụng điện lên lưới điện. Bài báo này trình bày mộthệ thống thu thập dữ liệu của hệ thống phát điện khí sinh học đã được xây dựng,bao gồm kiến trúc của hệ thống và ước lượng tải của trang trại. Chúng tôi cũng tiếnhành thử nghiệm năm thuật toán học máy khác nhau là RNN, MLP, hồi quy đa thức,và hai thuật toán dẫn xuất của cây quyết định để xử lí thông tin thu thập được và dựbáo sản lượng điện ở các trang trại trong thực tế. Kết quả áp dụng các thuật toánnày được so sánh với nhau để đánh giá tính chính xác của dự báo. Qua kết quả thuđược, có thể thấy rằng phương pháp hồi quy đa thức có độ chính xác cao nhất, vàcác mô hình dẫn xuất của cây quyết định có độ chính xác kém nhất.