在实行“厂网分离,竞价上网”的电力市场中,发电企业必须经过报价才能上网,以期回收成本并获得一定的利润,发电企业希望通过一定的策略来实现自身利益的最大化,但是由于不确定因素的存在,使得电力市场中的风险难以度量。发电企业希望能够在利润一定的情况下降低风险或者在风险一定的情况下最大化利润。本文研究出清电价的预测和电价波动带来的电力市场风险的度量。价格作为一种经济手段,是调节供求关系的杠杆。电价预测是优化决策的基本条件之一,对市场统一出清电价的准确预测有利于发电企业进行合理的报价决策,但电价受很多因素的影响,其预测难度较大。本文将加权马尔科夫链与BP神经网络相结合的方法用于对市场统一出清电价的组合预测,该方法充分利用了马尔科夫链中的转移概率能够较好地反映随机因素影响,以及BP神经网络具有很强的适应性,并用实例表明该方法有较好的预测结果。电力市场中发电商的风险很大程度来源于市场出清电价的波动,本文介绍了风险及风险度量的方法,利用广义自回归条件异方差(Generalized Autoregressive Conditional Heteroskedasticity, GARCH)模型在时间序列分析上的优点,通过对PJM电力市场电价数据的对数差分处理,并对得到的电价收益率序列进行分析,得出其存在异方差特性,运用赤池信息准则和施瓦茨准则选择合适的自回归条件异方差族模型,来捕捉收益率序列的波动性,求出收益率序列在不同分布函数下的标准方差值。在给定置信水平下,结合电价序列的不同分布,比较了不同分布下的模型有效性,并得出电价收益率序列的风险价值(Value at Risk, VaR)和条件风险价值(Conditional Value at Risk, CVaR),用VaR和CVaR的值来衡量电力市场的风险,并根据它们的大小来对发电商可能的报价策略进行分析。