本发明公开了一种短期风电功率组合模型预测方法，包括以下步骤：根据NWP数据和真实历史风电功率数据y构建训练集X1，将训练集X1输入XGBoost预测模型中获取预测风电功率值y1；在训练集X1的基础上，构建时间序列数据结构的训练集X2；将训练集X2输入LSTM预测模型获取预测风电功率值y2；根据y、y1和y2获得特征w1和w2；将y1和y2作为输入，特征w1和w2作为输出，构建并训练LSTM‑XGBoost动态权值组合模型；分析训练集X1中各项特征对于风电功率的影响程度，获取不同高度的风速作为重要特征；将y1、y2和不同高度的风速输入到训练好的LSTM‑XGBoost动态权值组合模型中，获取预测风电功率值Y。本发明提供的LSTM‑XGBoost组合模型相比于单一预测模型预测的风电功率更准。