本发明涉及一种混合深度学习短期辐照度预测方法，属于光伏发电技术领域。预测方法包括:S1，训练数据获取，获取目标地区历史辐照度数据及其对应的气象数据；S2，数据预处理，包括气象信息特征编码以及数据归一化；S3，利用分解算法获取辐照度子序列；S4，获取当前参数下的编码解码器模型在历史时刻的辐照度预测误差，此过程中不更新模型；将获取的预测误差与原始数据进行信息融合，基于当前时刻的监督信息更新模型；S5，预测，将辐照度子序列和气象数据输入误差补偿框架，利用误差补偿机制，在预测辐照度的同时降低预测误差。本发明结合了数据平稳分解、深度学习模型、误差补偿，从数据处理、模型优化、误差处理三个角度提升辐照度预测精度。