本發(fā)明提供一種基于小波變換的BiLSTM?DNN模型的短期電價預(yù)測方法，包括：采集歷史的電價、負荷、風(fēng)電發(fā)電量、交易量、日期以及溫度構(gòu)建原始數(shù)據(jù)集；對原始數(shù)據(jù)集進行特征篩選，得到相關(guān)性高的特征數(shù)據(jù)并進行預(yù)處理；對預(yù)處理后的每個特征數(shù)據(jù)進行小波變換獲取對應(yīng)的序列特征；對序列特征進行最大最小歸一化處理得到歸一化后的序列數(shù)據(jù)；基于BiLSTM雙向長短期記憶網(wǎng)絡(luò)和DNN深度神經(jīng)構(gòu)建電價預(yù)測模型并進行調(diào)參優(yōu)化；基于優(yōu)化后的電價預(yù)測模型對歸一化后的待測序列數(shù)據(jù)中的子序列進行預(yù)測，并將子序列的預(yù)測結(jié)果進行相加，從而得到待測序列的最終預(yù)測結(jié)果。該方法充分考慮風(fēng)電新能源對電價的影響，并結(jié)合電改形勢，通過建立的預(yù)測模型來更準(zhǔn)確的預(yù)測電價的走勢。