В данной статье рассмотрено решение задачи определения плана выработки электроэнергии для объекта генерации, который представляет собой ветроэлектростанцию. Ветроэнергетика, как один из перспективных альтернативных способов получения энергии, сталкивается с высокой неопределенностью генерации из-за изменчивости метеорологических условий. Для решения задачи оптимизации плана выработки электроэнергии на ветроэлектростанции в данной работе применены методы машинного обучения, которые позволят анализировать большие объемы данных, получаемых от различных сенсоров и метеорологических станций. Использование моделей машинного обучения способствует точному прогнозированию выработки энергии, что в свою очередь позволяет оптимизировать работу ветроэлектростанции, в том числе за счет корректировки режимов для максимизации коэффициента использования установленной мощности. В работе рассматривалось несколько математических моделей – модель k-ближайших соседей, модель дерева принятия решений, модель случайного леса и градиентный бустинг. Данные модели были подобраны по критерию алгоритмической простоты – их обучение проходит относительно быстро, а также из-за независимости от типа данных. В ходе анализа полученных данных каждой модели была выбрана модель градиентного бустинга – за наименьшее время обработки данных получен наибольший коэффициент детерминации на валидационных данных. Также создан виртуальный интерфейс для более удобного ввода данных и визуализации результатов