本发明公开了一种基于深度分解架构的长距离风力发电功率预测方法，包括：对风电场气象数据、设备监测数据、风力发电机组基础数据进行数据预处理操作；将处理后的数据按照时间排序，送入到序列分解单元中。基于卷积核滑动平均计算，对时间序列进行平滑，分离周期项和趋势项。周期项使用自相关机制，基于序列的周期性质来进行依赖挖掘，并聚合具有相似过程的子序列。趋势项，使用累积的方式，逐步从预测的隐变量中提取出趋势信息，融合周期项和趋势项送入全连接层，得出风力发电功率预测结果。本发明可以有效解决风力发电功率预测结果受限于分解效果导致不准确的问题，并且在不显著降低模型计算时间的同时，有效提高长距离输出电力功率预测精度。