近年来,全球电力市场化改革不断发展,逐渐打破了传统上垄断和政府控制的电力部门的格局,提高了电力工业的效率,促进了经济和社会的进步。在市场化的背景下,电力已成为一种可以自由交易的商品,其价格实时变动,因此电价成为人们最为关心的问题。由于电力本身的特殊属性,电价受多种因素的影响并表现出高度的波动性和不确定性,给电价的准确预测带来了很大的挑战。对于市场参与者,提前获得准确的电价预测可以使其在电力交易中获得更多的利润;电力消费者可以根据预测的电价制定合理的用电计划以减少用电成本;电力供应商则可以依靠准确的电价预测来应对某些时间段内电力不足或过剩事件的发电调度,有利于提高系统负载率,降低系统运行成本,保证电力系统的安全性和稳定性。基于以上背景,本文对电力市场中日前电力现货价格预测问题进行了深入研究,设计并实现了预测模型。本文的主要成果如下:(1)本文考虑电力市场的整合,利用邻近市场的信号效应,提出了基于双向循环神经网络和市场整合的日前电价预测模型BRIM。在欧洲电力交易所法国竞价区的实验表明,本文提出的模型对于日前电力现货价格预测的精度显著高于对比方案,并且邻近市场的日前数据有利于提升预测准确性。(2)鉴于电力现货市场中存在的少量且突然出现价格尖峰的实时电力价格预测产生很大的负面影响,论文提出了尖峰价格出现预测方案。具体而言,针对电力现货市场中尖峰价格样本过少的问题,本文在数据的层面使用边界合成少数类过采样技术(Borderline Synthetic Minority Over-sampling Technique)合成部分同类数据以提升价格尖峰数据的样本数量,并从算法的角度设计带误分类惩罚的损失函数,提升价格尖峰被遗漏的成本。在欧洲电力交易所法国竞价区的实验证明,本文的方案相比于常规模型提高了价格尖峰发生预测的精确度和召回率。(3)通过分析BRIM模型对于不同区间电价的预测性能,发现需要对其尖峰价格预测做进一步优化。本文结合已有工作对电价数据预处理方法的研究,提出了基于多源数据的两级电价预测方案,选用适合不同区间电价的方差稳定化变换方法,并结合基于深度神经网络的尖峰电价校准模型,以进一步提升日前电价预测的精度。实验结果证明,该两级预测方案可以在几乎不影响正常电价预测精度的基础上显著提升尖峰电价预测的准确性。