本发明公开了一种基于两阶段特征提取和改进BiLSTM的光功率预测方法及系统，所述方法包括：S1，使用偏自相关函数对光功率数据进行浅层特征提取后进行归一化处理；S2，构建CNN网络，将处理后的数据送入CNN进行深层特征提取；S3，构建BiLSTM模型；S4，引入Lorenz映射对鲸鱼算法的初始种群进行改进，采用改进鲸鱼优化算法对BiLSTM的参数进行优化；S5，将经CNN深度特征提取后的数据送入到改进BiLSTM进行预测。本发明通过浅层特征提取和深度特征提取的两阶段特征提取，可以进一步挖掘出特征之间的相互关联性并滤除掉光功率数据的噪声和不稳定的成分，将其处理得到的数据送入到改进的BiLSTM模型中进行光功率预测，可以有效提高预测精度。