本申请提供了一种基于AEEMD和LSTM的风功率预测方法及装置，通过采用基于模态分形特征的自适应集合经验模态分解(Adaptive Ensemble Empirical Mode Decomposition,AEEMD)方法，根据不同模态分量展现出不同的分形维数，并采用粒子群优化算法寻优模态分量分形维最小时的白噪声参数，能够实现EEMD的最佳分解状态，并结合具有良好的非线性建模能力的长短时记忆网络(Long Short Term Memory,LSTM)对AEEMD分解得到的模态分量进行风功率预测，预测精度更高，从而能够提高风能利用效率。