本发明提出一种基于双向注意力和二次优化的短期风功率预测方法，首先将风电功率子序列、风速子序列、风向正弦时间序列及风向余弦时间序列拼接处理形成输入张量，输入张量表征多种特征，建立双向注意力‑残差网络‑门控循环单元深度学习预测模型，并动态选择单个输入张量作为模型的训练样本进行训练，一方面确保训练样本更具有代表性，另一方面基于双向注意力‑残差网络‑门控循环单元深度学习预测模型能实现特征选择时的自适应学习，利用双向注意力机制从输入张量的时间维度和特征维度两方面考虑，提高了模型对重要信息的敏感性，最后，二次优化进一步提升了模型的泛化性能，更能提升短期风电功率预测精度。