准确的风电功率预测可以减少风电对电网的负面影响、降低电力系统的运行成本.风电功率预测在电力现货交易中具有重要意义,但风电功率序列不稳定,给预测带来困难.为提高预测精度,将变分模式分解(VMD)、最大相关最小冗余度算法(mRMR)、长短期记忆神经网络(LSTM)和萤火虫算法(FA)相结合,建立了一种混合优化算法.首先,利用VMD将原始的历史风电功率序列分解为多个特征模态函数;然后,通过分析各分量之间的相关性,应用mRMR得到最优特征集;最后,利用FA对LSTM的各个参数进行优化,将各子序列的预测结果相加得到最终预测结果.对北京市鹿鸣山风电站的实际数据进行仿真模拟,并将仿真结果和其他4种模型进行对比,结果证明VMD-mRMR-FA-LSTM模型的预测结果精确度高,具有较高的推广和应用价值.