本發(fā)明提供一種基于深度學(xué)習(xí)的新能源出力預(yù)測(cè)方法，包括以下步驟：步驟(1).按照時(shí)間順序，整理歷史新能源出力數(shù)據(jù)和歷史自然環(huán)境數(shù)據(jù)進(jìn)行整理，剔除其中錯(cuò)誤數(shù)據(jù)；步驟(2).對(duì)歷史數(shù)據(jù)進(jìn)行歸一化處理，完成深度學(xué)習(xí)的數(shù)據(jù)準(zhǔn)備；步驟(3).根據(jù)時(shí)間的順序，將歷史數(shù)據(jù)輸入深度學(xué)習(xí)算法中，訓(xùn)練損失函數(shù)，并通過反向傳播完成深度學(xué)習(xí)算法中的網(wǎng)絡(luò)參數(shù)設(shè)置，獲取短期新能源出力預(yù)測(cè)模型；步驟(4).根據(jù)當(dāng)前自然環(huán)境短期數(shù)據(jù)輸入到短期新能源出力預(yù)測(cè)模型進(jìn)行當(dāng)前的新能源出力數(shù)據(jù)預(yù)測(cè)。本發(fā)明基于深度學(xué)習(xí)中LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)算法的短期新能源出力預(yù)測(cè)能夠?yàn)殡娋W(wǎng)穩(wěn)定運(yùn)行和電網(wǎng)相關(guān)調(diào)度提供有力的數(shù)據(jù)支撐。