本发明公开了数据驱动下风电集群超短期出力预测方法，该方法包括：考虑风电集群风力资源的时空分布特性，以风速预测数据为训练样本，采用卷积神经网络获取降维后的特征序列，利用长短期记忆(LSTM)网络模型实现兼具快速性和准确性的时序风速信息预测；计及风电场的尾流效应及其边界补偿，构建基于3D‑Frandsen尾流模型，并以风轮面等效风速实现各风电机组功率的解耦计算。本发明提出的方法通过引入风速预测数据驱动的LSTM网络模型实现了风电集群超短期出力的高精度预测。此外，本发明还验证了在进行风电集群出力预测时计及风电机组间尾流效应并进行边界补偿的必要性，为风电集群日内实时调控奠定了边界参数基础。