本发明公开了一种基于TCN‑GRU联合模型的风电功率短期预测方法，所述方法包括：选取风电场及单风机两种场景的风速及风电功率时序，构造风速‑风电功率平行数据集，按照风速分布分为三段，利用孤立森林聚类方法筛查各段相应时序数据异常值；对预处理后的正常时序数据，采用TCN提取风电功率时间序列的顺序特征以及单维单向空间特征，利用GRU二次提取风电功率序列的顺序特征，二模型与预测器联合训练。本发明可以有效提升实际风电场场时序数据预测精度，提高了模型对于风电剧烈波动时序特征的挖掘能力；将这种单维时空神经网络用于处理风机单维时序波动数据，可以得出精确、有效的风电场内单维时序预测效果。