La energía generada por una estación de energía fotovoltaica se ve afectada por factores ambientales, y la predicción de la energía generada sería útil para la programación de la red eléctrica. Recientemente, se han propuesto muchos modelos de predicción de generación de energía (PGPM) basados en aprendizaje automático, pero pocos métodos existentes utilizan el mecanismo de atención para mejorar la precisión de la predicción de la energía generada. En el documento, se propuso un PGPM basado en el modelo Bi-LSTM y el mecanismo de atención. En primer lugar, los factores ambientales con respecto a la energía generada fueron seleccionados a través del coeficiente de Pearson, y luego se detallaron el principio y la implementación del PGPM propuesto. Finalmente, el rendimiento del PGPM propuesto fue evaluado a través de un conjunto de datos reales recopilados de una estación de energía fotovoltaica en Suzhou, China. Los resultados experimentales mostraron que el error de predicción del PGPM propuesto fue solo de 8.6 kWh, y la precisión de ajuste fue superior a 0.99, lo cual es mejor que los métodos existentes.