在竞争环境下,电价是整个电力市场的核心。准确的电价预测不仅有助于发电企业构造最优的报价策略、实现自身利益最大化,而且有助于用户降低使用成本,减少浪费。因此,电价的分析与预测是电力市场中一个非常重要的研究课题。目前已提出多种电价预测方法,主要有时间序列法和人工神经网络法等。由于电价受到众多因素的影响,表现出较大的波动性,因此,电价预测难度非常大,其预测方法和预测精度有待进一步改善和提高。本文针对短期日前电价的分析和预测展开研究：首先,本文简要介绍了电力工业改革历史,阐述了电价预测的意义,总结了已有电价预测方法的优缺点；然后,对电价的影响因素和电价的特点进行了详细分析和实例验证；其次,分别采用BP人工神经网络和最小二乘支持向量机对电价进行建模和预测,并比较了两者的预测结果,结果表明采用最小二乘支持向量机的预测精度高于采用BP人工神经网络法的预测精度；最后,本文在电价时间序列的特点基础上,结合最小二乘支持向量机算法,提出一种基于时间序列分解的短期电价预测方法。该方法首先将电价分解成工作日电价和周末电价两个时间序列,并且通过移动平均法和离散傅里叶变换,分别将这两个时间序列分成趋势分量、周期分量和随机分量三个组成部分；然后,根据三个分量各自的特点,分别采用移动平均法、外推法和最小二乘支持向量机对其进行预测以求得两个电价时间序列未来的预测值；最后,在真实的电力市场中进行验证。仿真结果显示其有效性和实用性。与采用BP人工神经网络和最小二乘支持向量机的预测方法相比,该方法具有较高的预测精度,其预测平均绝对百分比误差在7%以内。