为降低光伏出力的波动性和随机性带来的预测难度，提高预测精度，提出一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、级联长短期记忆网络(CLSTM)的组合预测模型。首先利用皮尔逊相关系数(PCC)筛选气象强相关因子，并对其进行数据预处理作为训练输入特征，其次使用GWO优化VMD重要参数以及预测模型参数，再次使用VMD分解历史光伏发电功率得到若干模态分量，最后将输入特征与功率模态分量输入CLSTM网络进行训练与预测，将得到的子序列预测结果叠加得到最终预测值。仿真结果表明，所提GWO-VMD-CLSTM相比于SVM、LSTM、VMD-LSTM模型在不同天气下的预测结果，整体均方根误差减少了30.77%,平均绝对误差减少了35.92%,决定系数保持在98.4%以上，证明该模型具有较高预测精度和稳定性，可有效预测光伏发电功率。