机器学习结合了学习、进化、模糊化的特性，可以灵活的适应复杂的动态模型。以往通常采用人工神经网络算法或机器学习算法如SVM，现阶段通常采用深度学习网络RNN、LSTM、CNN、XGBoost等算法。前沿的人工智能集成算法及基于时间序列的深度学习预测方法对具有非线性、时间序列等特征的数据,具有准确率高、鲁棒性好的特点，逐渐成为了解决价格预测类问题的必然选择。

模拟关键的物理量和经济因素对电价的影响来描述价格变化和预测电价。该模型试图捕捉电⼒⽣产和交易中存在的基本物理量和经济指标的关系。假设基本因素（负载，天⽓条件，系统参数等）之间的功能相互关联，并且共同作用于市场价格。定量模型描述电价随时间推移的统计特性，最终⽬标是⾦融衍⽣⼯具的评估和⻛险管理。 它们的主要⽬的不是提供准确的每⼩时的价格预测，⽽是复制每⽇电价的主要特征，如未来时间点的边际分布、价格动态以及商品价格之间的相关性。这些模型是衍⽣品定价和⻛险管理系统的核⼼。