Do các vấn đề môi trường toàn cầu ngày càng nóng lên và nhu cầu năng lượng ngày càng tăng, các công nghệ năng lượng gió đã được nghiên cứu và phát triển rộng rãi. Dự báo ngắn hạn công suất phát của tuabin gió chính xác và nhanh chóng là rất quan trọng để tích hợp quy mô lớn sản xuất điện gió vào lưới điện. Tuy nhiên, đặc điểm ngẫu nhiên của tốc độ gió khiến việc dự báo trở thành một nhiệm vụ đầy thách thức. Mô hình dự báo thực hiện bằng mô hình ANN (mạng nơron nhân tạo) được đề xuất trong bài viết Bên cạnh đó nghiên cứu so sánh, đánh giá các mô hình huấn luyện máy học nhằm nâng cao độ chính xác của kết quả dự báo. Mô hình được đề xuất đã được huấn luyện và thử nghiệm trên dữ liệu thu thập được từ một tuabin gió được lắp đặt tại trang trại gió Hacom Hòa Bình - Bạc Liêu với hai khoảng thời gian dự báo: chu kỳ ba mươi phút trong 12 giờ liên tục và chu kỳ một giờ trong 24 giờ liên tục. Kết quả thử nghiệm chỉ ra rằng mô hình được đề xuất vượt trội so với các mô hình khác với sai số thấp và tiết kiệm thời gian., Tóm tắt tiếng anh, Due to current environmental problems and increasing energy demand, wind energy technologies have been extensively researched and developed. Accurate and fast short-term forecasting of wind turbine generating capacity is crucial for large-scale integration of wind power generation into the grid. However, the random nature of wind speeds makes forecasting a challenging task. This article proposes a predictive model using ANN (artificial neural network) model. Furthermore, the article compares and evaluates machine learning training models to improve the accuracy of prediction results. The proposed model has been trained and tested on data collected from a wind turbine installed at Hacom Hoa Binh - Bac Lieu wind farm with two forecast periods: a period of thirty minutes in 12 continuous hours and one-hour cycles for 24 consecutive hours. Experimental results show that the proposed model outperforms other models with low error and time-saving.