为提高风、光新能源整体预测效果，提出了一种结合快速傅里叶变换和长-短记忆网络（fast Fourier transform-long short-term memory

FFT-LSTM）的风光联合出力预测模型。首先，探究了风、光出力与气象因子的相关关系，确定了预测模型的驱动因子；其次，建立了结合快速傅里叶变换与长-短记忆网络的风、光联合出力预测模型；最后，以某地区清洁能源基地为实例开展验证研究。实验结果表明：与多层感知机、长-短记忆网络模型相比，FFT-LSTM模型在晴天、多云、阴雨天条件下对风光联合出力日峰值、低值的预测效果均有明显提升；对比单一风、光出力预测，风光联合出力预测建模能够使整体预测精度提高31.02%，验证了所提模型的有效性，以及风光联合出力预测的可行性和优越性。