Según el informe World Energy Investment 2018, la inversión anual global en energías renovables superó los USD 200 mil millones durante ocho años consecutivos hasta 2017. En este documento, se propone un método de predicción de series temporales basado en aprendizaje profundo, a saber, un método de predicción basado en unidades recurrentes con compuertas (GRU), para predecir la generación de energía en Taiwán. Los datos sobre la generación de energía térmica (carbón, petróleo y gas), energía renovable (hidroeléctrica convencional, energía solar y energía eólica), energía hidroeléctrica bombeada y energía nuclear para el período de 1991 a 2020 fueron obtenidos de la Oficina de Energía, Ministerio de Asuntos Económicos, Taiwán, y de la Compañía Eléctrica de Taiwán. El método propuesto basado en GRU se comparó con seis métodos comunes de pronóstico: media móvil autorregresiva integrada, suavización exponencial (ETS), Holt-Winters ETS, regresión de vectores de soporte (SVR), SVR basada en algoritmo de optimización de ballenas y memoria a corto plazo de largo plazo. Entre los métodos comparados, el método propuesto tuvo el menor error porcentual absoluto medio y el error cuadrático medio más bajo y, por lo tanto, la mayor precisión. Las agencias gubernamentales y las empresas eléctricas en Taiwán pueden utilizar las predicciones de modelos precisos de pronóstico de energía como referencia para formular políticas energéticas y diseñar planes para el desarrollo de fuentes de energía alternativas.