Enerji kaynaklarının düzensiz ve bilinçsiz kullanımı çevresel tahribatlara sebep olurken, artan nüfus yoğunluğu, sanayi ve teknolojinin gelişmesi de her geçen gün elektrik enerjisi talebini artırmaktadır. Bu amaçla enerji sektörü yatırımları hem çevre dostu hem de arz-talep dengesini sağlamak adına rüzgâr enerjisi gibi yenilenebilir enerji kaynaklarına yönelmektedir. Rüzgâr enerjisinden elde edilen enerji miktarı rüzgârın yönü ve hızı gibi bölgesel farklılıklara bağlı olarak değişkenlik göstermektedir. Bu enerjinin doğrusal ve durağan olmayan yapısı, mevsimsel ve bölgesel üretim değişimlerinden dolayı kısa dönemde yük tahmini yapmayı oldukça zorlaştırmaktadır. Bu çalışmada, rüzgâr enerjisinden elektrik üretimi tahmini için derin öğrenme metotlarından CNN ve BLSTM mimarilerinin hibrit bir şekilde modellendiği bir yöntem önerilmiştir. Tahmin modelinde, saatlik frekansta ölçülmüş 26280 adet gerçek zamanlı veri kullanılmıştır. Ayrıca tahmin başarısını artırmak adına modelde kullanılan hiperparametre değerleri Grid Search arama algoritması kullanılarak optimize edilmiştir. Önerilen hibrit modelin başarısı BLSTM modeli ile kıyaslanmıştır. Sonuç olarak önerilen CNN-BLSTM modelinin başarım oranını gösteren R2 değeri 0,984 olarak hesaplanmıştır.