In questo studio, viene proposto un modello generativo profondo per prevedere la probabilità futura dell'energia solare nei siti degli Stati Uniti. proponiamo uno scalabile algoritmo/framework in grado di catturare la distribuzione di ciascuna potenza numero nei dati storici. viene ideato il modello probabilistico di generazione dei dati basato sulla funzione di estrazione delle caratteristiche in cui si trova l'apprendimento della metrica del kernel usato, deep learning e autoencoder variazionale condizionale. Applichiamo il modello al problema, la previsione probabilistica dell'energia solare. Utilizziamo i set di dati Solar Power contenuti in Oklahoma e negli stati orientali situati nel Stati Uniti. Utilizzando il nostro modello proposto, la distribuzione della futura energia solare date le osservazioni di potenza storiche è stimato per ogni località.