为提高光伏发电并网稳定性,充分利用误差信息对模型预测结果进行修正,本文提出一种基于长短期记忆网络(long short-term memory,LSTM)和误差修正的光伏功率短期预测模型。首先通过LSTM对数据进行初步预测产生误差序列,然后利用经验模态分解(empirical mode decomposition,EMD)将误差序列分解成不同频率的子模态,并根据豪斯多夫距离(hausdorff distance,HD)进行相似性度量,对每个模态分量分配权重,再利用麻雀搜索算法(sparrow search algorithm,SSA)优化的LSTM预测误差模态分量,将加权后的预测误差和预测值结合实现误差校正。通过实验证明,本文所提模型在均方根误差(RMSE)、平均绝对百分比误差(MAPE)等评价指标上都优于传统的LSTM模型、反向传播(back propagation,BP)神经网络模型以及支持向量机(support vector machine,SVM)模型,验证了组合模型的有效性。