1.一种基于Kmeans和CEEMD‑PE‑LSTM的短期光伏发电功率预测方法，其特征在于，包括以下步骤：S1、建立光伏发电功率预测模型；

S2、采用Kmeans算法对历史功率数据和影响因素数据进行数据预处理；对处理后的数据进行分析，选出待预测日的相似日；

S3、运用CEEMD算法对相似日和预测日的影响因素以及发电功率进行分解，分别得到n个固有模态分量以及一个残差量Res；

S4、对S3得到的固有模态分量进行计算，使用PE算法将固有模态分量重构成高频分量和低频分量；

S5、分别对高频、低频和残差量序列建立长短期记忆神经网络预测模型，预测各子序列功率；

S6、将三种子序列预测结果叠加起来，得到光伏功率预测结果。

2.根据权利要求1所述的一种基于Kmeans和CEEMD‑PE‑LSTM的短期光伏发电功率预测方法，其特征在于，相似日和预测日的影响因素包括辐射强度、温度、湿度、风速。

3.根据权利要求1所述的一种基于Kmeans和CEEMD‑PE‑LSTM的短期光伏发电功率预测方法，其特征在于，用仿真实验来验证本方法的有效性和精确度；仿真实验中采集的数据间隔为15‑30分钟。

4.根据权利要求3所述的一种基于Kmeans和CEEMD‑PE‑LSTM的短期光伏发电功率预测方法，其特征在于，在仿真实验中选取晴天和雨天的历史数据作为初始样本。