本发明公开了一种基于深度学习的短期风功率预测方法，包括步骤：1)通过计算机输入历史风功率数据以及风速风向等相关天气特征因素，并对获取的数据进行预处理；2)采用卷积神经网络(CNN)对预处理后的数据进行特征提取和挖掘，并形成特征图谱；3)采用深度门控循环单元(GRU)神经网络对特征图谱进行训练建模，通过不断优化调参后建立特征图谱与风电场功率之间的非线性关系，形成短期风功率预测模型；4)利用训练建立的模型，对所需预测的风电场进行一段时间的风功率预测，并产生该风电场的风功率预测结果；5)通过计算机输出风功率预测结果。本发明在预测准确度和预测效率上均有显著提高，为电网合理调度提供依据，具有工业应用价值。