本公开提供一种短期风电功率预测方法及装置，所述方法包括：获取风电场的风机运行数据；将所述运行数据中的风电功率异常值进行剔除；选取影响风电功率的特征变量；基于所述特征变量，采用深度神经网络建立风电功率预测模型；对所述风电功率预测模型的预测结果进行评价。通过采用改进的模糊C均值聚类算法进行了异常数据的筛选与剔除，为风功率的预测建模提供了可靠的数据基础。通过ReliefF算法选取影响风功率的特征变量作为特征输入。采用Bi‑LSTM神经网络算法进行风功率的建模预测，并对比了传统BP神经网络、RNN及LSTM等算法，表明了该方法具有较高的预测精度，实现了短期风功率的精准预测。