随着全球电力市场化改革的不断深入,电力交易也逐步从传统上的垄断和政府控制,走上了自由化和市场化的竞争性市场。在市场化的背景下,电成为了一种难存储的可自由交易的特殊商品,电力价格成为了电力市场的重要信号,电价的实时变动情况成为电力市场的参与者最为关心的问题,电价预测成为了电力市场所有参与者最有价值的工具。尽管不少学者在电价预测方面做了大量研究,但是目前还是存在忽略极端价格影响、预测准确度低等问题。因此,为了获得准确度更高的电价预测,本文充分考虑极端价格对模型的影响,提出基于深度学习的电力结算价格预测模型,并通过对澳大利亚电力市场中NSW和SA进行实验验证,验证了本文提出模型的优势。具体而言,本文的主要工作及创新点如下:（1）考虑到电价受到多种因素的影响,同时结合电价的时序特征,提出基于GRU-CNN的电力结算价格预测模型,在时空特征提取的基础上进行电价预测。通过澳大利亚NSW和SA的实验表明,相较于对比方案本文提出的模型对于5分钟频次的电力结算预测有更高的精度。（2）针对电力结算价格中少量且突然出现的峰谷值对电价预测的负面影响,提出基于深度学习价格峰谷值预测方案。将电价的峰谷值预测转化为不平衡三分类问题,结合多分类Focal loss的损失函数构建BCLNet融合模型,加大对价格峰谷值分错的惩罚,提升峰谷值预测的准确性。并通过实验验证了,本方案相对于常规模型能更好的捕捉价格峰谷值发生的可能性,在一定程度上提升了价格峰谷值预测的召回率和准确率。（3）通过分析GRU-CNN在正常价格和电价峰谷值的电力结算价格的预测性能,提出了基于两级交互的电力结算价格预测模型GRU-CNN-BCLNet,从而实现了整体电力结算价格预测性能的提升。