针对目前大部分光伏功率预测模型采用批量离线训练方式，且新建光伏电站训练数据较少的问题，本文提出一种基于增量学习的卷积神经网络（CNN）和长短期记忆（LSTM）网络结合的光伏功率预测模型。首先，采用CNN对气象数据进行特征提取，并通过LSTM网络进行功率预测，以此CNN-LSTM混合模型进行背景学习，训练出可用于增量学习的基准模型。其次，根据不同的时间跨度进行增量学习训练，实现模型的在线更新。针对增量学习中的灾难性遗忘问题，采用弹性权重整合（EWC）算法和在线弹性整合（Online＿EWC）算法进行缓解。实验结果表明，相较于无约束的增量学习，采用EWC和Online＿EWC方法的增量学习可以明显缓解灾难性遗忘问题，降低预测平均绝对误差（MAE）和均方根误差（RMSE）；同时，在保证预测精度的前提下，增量学习的耗时大幅低于传统的批量学习。