Recientemente, las plantas de energía eólica que generan energía eólica con electricidad están atrayendo mucha atención gracias a su menor área de instalación y menores costos de generación de energía. En la generación de energía eólica, es importante predecir la cantidad de electricidad generada porque el sistema de energía sería inestable debido a la incertidumbre en el suministro. Sin embargo, es difícil predecir con precisión la cantidad de generación de energía eólica porque la potencia varía debido a varias causas, como la velocidad del viento, la dirección del viento, la temperatura, etc. En este estudio, nos ocupamos de un problema de pronóstico de energía eólica a medio plazo (un día por delante) con un enfoque basado en datos. En particular, se pretende resolver el problema de un generador de energía eólica recién completado que hace que sea muy difícil predecir la cantidad de electricidad generada debido a la falta de datos sobre la generación de energía pasada. Con este fin, se propuso un modelo de aprendizaje profundo basado en transferencia de aprendizaje y se comparó con otros modelos, como un modelo de aprendizaje profundo sin transferencia de aprendizaje y la Máquina de Refuerzo de Gradiente Ligero (LGBM). Según los resultados experimentales, cuando se aplicó el modelo de transferencia de aprendizaje propuesto a un complejo eólico similar en la misma región, se confirmó que el bajo rendimiento predictivo del generador recién construido podría ser complementado.