本发明公开了一种基于GRU‑LSTM‑FC组合网络的风电场动态等值建模方法及系统，首先，搭建含双馈风机与直驱风机的混合风电场；其次，仿真获得不同风速、风向以及并网点电压跌落扰动下风电场的输出功率，建立历史数据集，将历史数据集分成训练集和测试集；再次，采用训练集数据对GRU‑LSTM‑FC组合网络进行训练，获得组合网络模型参数；然后，采用遗传算法对组合网络的FC层数和各层神经元数目进行优化，获得优化后的组合网络模型参数；最后，采用优化后的组合网络对测试集数据进行预测，获得风电场动态响应预测结果。本发明采用数据驱动方法进行风电场动态建模，对含不同类型机组的风电场或者复杂地形的风电场都具有较好的适应性，提高了建模的精度。