本發(fā)明屬于新能源風(fēng)力發(fā)電功率預(yù)測(cè)技術(shù)領(lǐng)域，涉及一種基于自適應(yīng)深度殘差網(wǎng)絡(luò)的超短期風(fēng)電功率預(yù)測(cè)方法，包括步驟如下：S1采集風(fēng)電場(chǎng)歷史數(shù)據(jù)；S2采用Pearson相關(guān)系數(shù)法篩選數(shù)據(jù)，并箱型圖分析法處理異常數(shù)據(jù)；S3對(duì)變量數(shù)據(jù)歸一化處理；S4建立深度殘差網(wǎng)絡(luò)風(fēng)電功率預(yù)測(cè)模型；S5采用自適應(yīng)AdaDelta優(yōu)化算法優(yōu)化預(yù)測(cè)模型，得最佳參數(shù)；S6將數(shù)據(jù)輸入預(yù)測(cè)模型中進(jìn)行訓(xùn)練；S7輸出變量為待預(yù)測(cè)時(shí)刻風(fēng)電功率預(yù)測(cè)值；S8將預(yù)測(cè)值進(jìn)行反歸一化處理得到最終的風(fēng)電功率預(yù)測(cè)結(jié)果；S9建立評(píng)估指標(biāo)體系，評(píng)估風(fēng)電功率預(yù)測(cè)結(jié)果精確度。本發(fā)明解決傳統(tǒng)深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練過(guò)程中網(wǎng)絡(luò)加深產(chǎn)生網(wǎng)絡(luò)退化的問(wèn)題，提高模型預(yù)測(cè)精度。