为了提高光伏发电功率的预测精度,在数据挖掘分析基础上提出双模式组合的日前光伏预测方法.首先,利用波动量分析建立输出功率与天气类型之间更精确的匹配模型,将天气划分为简单与复杂2种天气类型.其次,对于简单天气类型,采用K-means聚类分析选取最相似日和XGBoost回归组合的预测模型;对于复杂天气类型,提出基于变分模态分解(variational　modal　decomposition,VMD)、采用麻雀算法(sparrow　search　algorithm,SSA)优化极限学习机(extreme　learning　machine,ELM)的日前光伏预测模型.最后,选用DKASC　Alice　Spring光伏电站数据集对2种模型进行验证,并进行仿真实验.实验结果显示,使用双模式组合方法构建的光伏发电功率预测模型在春季和夏季2个不同数据集下,相关系数分别达到96.44％和96.61％,比其他4种常用模型具有更高的预测精度.