Los métodos tradicionales de predicción de potencia no pueden tener en cuenta completamente las diferencias y similitudes entre las unidades. Frente al clima marino complejo y variable, el fuerte efecto de acoplamiento de la circulación atmosférica, el movimiento de las corrientes oceánicas y la fluctuación de las olas, las características de los procesos de viento bajo diferentes corrientes entrantes y diferentes condiciones climáticas son muy diferentes, y la ley de correlación espacio-temporal de los procesos de viento marino es altamente compleja, lo que lleva a que la predicción de potencia tradicional no pueda predecir con precisión la potencia a corto plazo de los parques eólicos marinos. Por lo tanto, con el objetivo de las características y la complejidad de la energía eólica marina, este documento propone un innovador método de predicción de potencia a corto plazo para parques eólicos marinos basado en un modelo de mezcla gaussiana (GMM). Este método considera la correlación entre unidades de acuerdo con las características de los datos medidos de las unidades, y divide las unidades con alta correlación en una categoría. El criterio de información bayesiano (BIC) y el método del coeficiente de contorno (SC) se utilizaron para obtener el número óptimo de grupos. El coeficiente de correlación intra-grupo promedio (AICC) se utilizó para evaluar la confiabilidad de las mediciones para la misma característica cuantificada para seleccionar las unidades representativas para cada clasificación. Los ejemplos prácticos muestran que la precisión de la predicción de potencia a corto plazo del modelo después de la clasificación de unidades es un 2,12% y un 1,1% mayor que sin procesamiento de grupos, y el error cuadrático medio y el error absoluto promedio de la precisión de la predicción de potencia a corto plazo se reducen, respectivamente, lo que proporciona una base para la optimización de la precisión de la predicción y la operación económica de los parques eólicos marinos.