目前在全球主要的发达国家中,电力市场都已经摆脱垄断而成为一种竞争型的市场。因此,在很多国家和地区,电力现在正作为一种商品在市场中按照市场规则进行交易。电价则是整个市场的核心要素,对电价的准确预测对于市场各参与者而言都有重要意义。然而,作为一种商品,电力具有很多其他商品所不具备的特征,比如:电力在经济上和物理上都是很难储存的,电力系统的生产和消耗之间必须始终保持平衡;电力负荷和可再生能源的发电量都高度依赖于天气条件或者人们的日常活动等。这些独特的特征都增加了电价预测的难度。而且,可能影响一个地区电力价格的因素非常多,包括历史电价、负荷、电力备用容量、可再生能源发电量等;特别是现代电力系统之间的互联程度明显提升,邻近区域的市场状态也会对当地的电价产生重要影响。本文首先分析了电力市场的电价理论和电力出清价格的形成机制并分析了电力价格的基本特性。随后测试了多种用于电价预测的模型并且比较了这些模型在预测北欧电力市场次日每小时电价中的表现。其次,本文还探讨了一些集成算法对机器学习预测模型性能的影响,包括对预测准确性和运算时间的影响。此外,由于电价受到电力负荷等周期性因素的影响,因此本文通过改变输入数据集的特征分析了电价在时间序列上的平稳性和周期性。同时,本文也分别探讨了不同参数类型、区域以及时间间隔对电价预测准确性的影响,分析了每种参数类型、每个区域或时间间隔对于电价预测的重要性。最后,根据各参数对于电价预测的重要性,挑选出一个最优的参数子集使得预测的误差最小。