光伏发电受到多种因素影响，具有较强的波动性和间歇性，给电网的稳定运行带来挑战，准确的光伏功率预测为电网调度提供科学依据，同时提高光伏发电的利用率。针对传统的神经网络预测方式，提出了一种鲸鱼优化算法(whale optimization algorithm, WOA)优化变分模态分解(variational mode decomposition, VMD),结合双向时序卷积神经网络(bidirectional temporal convolutional network, BiTCN)-双向长短时记忆网络(bidirectional long short-term memory, BiLSTM)的光伏功率预测模型。通过引入WOA对VMD超参数优化，提高对光伏功率数据分解的精度；将分解后的功率结合特征输入BiTCN-BiLSTM模型中进行预测，通过混合神经网络高效处理特征信息，准确地预测功率输出。以新疆某光伏电站的光伏发电数据进行分析，结果表明，该方法在平均绝对误差、均方根误差和决定系数等指标上均表现优秀，在光伏功率预测中更为稳定。