本發(fā)明涉及電價(jià)預(yù)測的技術(shù)領(lǐng)域，更具體地，涉及一種基于縱橫交叉算法和深度學(xué)習(xí)模型的日前電價(jià)預(yù)測方法，包含以下步驟：1)采集含有高比例新能源電力市場的原始電價(jià)數(shù)據(jù)，并對原始電價(jià)數(shù)據(jù)進(jìn)行預(yù)處理；2)建立LSTM預(yù)測模型，將預(yù)測日之前的日前電價(jià)、負(fù)荷、風(fēng)電和光伏發(fā)電量作為LSTM預(yù)測模型的特征輸入；3)采用常規(guī)的梯度下降法初次訓(xùn)練LSTM預(yù)測模型；4)以最小均方誤差為目標(biāo)函數(shù)，基于縱橫交叉算法對全連接層間的權(quán)系數(shù)與偏置進(jìn)行微調(diào)，并得到最終優(yōu)化好的長短時(shí)記憶網(wǎng)絡(luò)深度學(xué)習(xí)模型。本發(fā)明可以有效地防止深度學(xué)習(xí)模型的權(quán)系數(shù)與偏置陷入局部最優(yōu)，提升該模型的泛化性能，從而提升日前電價(jià)的預(yù)測精度。