随着国内电力体制改革,售电市场垄断壁垒被打破。以售电公司为代表的售电主体如雨后春笋般全面涌现,电价作为核心竞争因素成为了市场各方的竞争导向。如何准确的预测电价,成为了又一重要的研究方向,本文主要研究的是短期电价预测。本文首先运用灰色模型处理历史电价及负荷值,利用灰色模型擅长寻找数据内在规律特点,对历史电价、负荷值这两个影响短期电价的规律性因素累加求出拟合值,然后将该拟合值作为神经网络输入值,以实际电价作为目标值对神经网络模型进行训练,当训练次数达到设定的最大值或精度达到设定区间停止训练,并确定此时的权值和阈值为最优解,得到最终模型参数。并将该组输入的拟合值作为改进的神经网络模型预测结果检验的对照组。本论文将神经网络模型作为核心数学模型,对影响短期电价非规律性因素进行模拟表达,对输入的灰色预处理数据进行训练和预测,利用灰色模型的优点对神经网络模型预测结果进行优化,同时规避掉灰色模型的不足。本文在搭建预测模型过程着眼于灰色模型和神经网络模型自身存在的固有缺陷进行了改进。针对灰色模型易受波动数据影响,擅长预测平滑数据特点,文中使用了等维递推、滑动平均、反双曲余弦变化法对GM（1,2）模型进行了改进。针对神经网络模型的权值和阈值确定方式不够灵活,容易使神经网络模型训练过程收敛于局部极大值、极小值的问题,文中采用基因遗传算法,利用其全局检索能力强特点,对神经网络模型权值和阈值进行判定,确定其大致最优空间,然后通过神经网络大量训练得出最优权值、阈值。最后结合实际算例,得出灰色模型、BP神经网络、基于数据灰色预处理神经网络模型电价预测结果,分别采用相对误差检验、方差标准差检验、后验差检验和极差检验对三种模型预测结果预测精度进行多方面检验,进一步证明了本文对神经网络模型改进的有效性。