传统的风电功率预测统计模型在进行风电场超短期功率预测时，难以处理高维数据且忽略风电机组间时空相关性。针对这一问题，提出了考虑风电机组时空相关性的超短期预测模型。首先，通过快速动态时间扭曲算法度量机组的空间相似度，筛选出与目标风机相似的机组群作为模型输入数据。其次，采用基于深度学习的三维卷积神经网络和双向门控循环单元的混合模型，提取数据的时空相关性；同时引入自注意力机制和残差网络，增强模型对关键信息的提取。最后，以某风电场的实际运行数据为例，进行风机功率预测实验。实验结果表明，与现有的算法相比，所提方法预测误差更小，预测精度更高，拟合效果明显优于其他基础模型。