随着电力改革的不断推进,电力市场化是现今电力工业发展不可阻挡的趋势,在放松管制的电力市场下,电能作为商品,可以在市场环境下进行自由交易。在这个背景下,电力价格在市场中处于核心地位,准确的电价预测也成为市场参与者、电力决策者和发电厂商研究的重心,他们通过电价预测来实时调整生产计划和作相关决策,以实现资源的最优配置和效益的最大化。然而,电力价格具有很强的不稳定性,这是由于电能的供需受天气、负荷、燃料类型及季节等因素影响,造成电价实时波动,导致预测难度增大。因此,电价预测是一项非常具有挑战性的工作。本文阐述了电力市场的基本概念,介绍了电价预测的相关理论、电价数据的选取及预处理方法和电价预测的基本模型,在总结现有的电价预测方法的基础上,提出一种基于奇异谱分析和长短期记忆网络与BP神经网络相结合的短期电价预测组合模型。本文的主要创新点是使用奇异谱分析方法对原始电价序列进行分解重构,和长短期记忆网络与BP神经网络相结合建立了一种新的短期电价预测组合模型。针对原始电价序列非平稳和非线性的特征,采用奇异谱分析方法对原始电价序列进行数据预处理,首先把原始电价序列分解成含有趋势分量、振荡分量和噪声分量的若干个子序列,去除噪声成分,并对趋势、振荡分量进行准周期信号分量重建得到重构序列;对降噪后的重构序列1采用长短期记忆网络进行预测,其余重构序列采用BP神经网络进行预测;最后把全部重构序列的预测值叠加重构得到实际电价预测结果。本文以澳大利亚昆士兰州电力市场的实测电价数据作为样本数据,对春、夏、秋、冬四个季节的电价数据进行提前1小时的电价预测,获得对应预测结果及预测误差,并与现有其它模型进行对比分析,实验结果显示:(1)原始电价序列经奇异谱分析方法分解重构后,在预测精度方面较其它分解方法明显提高。(2)长短期记忆网络与BP神经网络相结合的组合模型的预测效果优于单一模型的预测效果,在短期电价预测中具有有效性和优越性。(3)所提组合模型在预测精度方面较现有其它混合模型具有很大的优势。