电力市场的经济运行有助于降低电能使用的成本，电力改革的目标最终是确保安全运行的条件下提高电力生产效率，实现社会资源的合理分配和社会效益最大化。本文对电力市场中的一些热点问题进行了研究，主要内容如下： (1)准确的预测电力负荷一直是电力系统的一项基本任务。本文提出了一种基于自评判自学习机制的短期电力负荷预测方法。该方法包含预报器、评估器、探测器和学习机四个组成部分。预测器通过学习机制能够自动适应电力负荷的变化，始终保持一种良好的预报状态。美国加州电力市场和斯洛伐克电力市场提供的负荷数据的仿真实验表明该方法在电力市场环境下的预报精度比传统方法高。 (2)针对电价的动态本质特征，提出了一种利用动态神经网络预测电价的方法。与静态神经网络相比，该方法减少了模型输入量，削弱了外部噪声的影响，提高了预测精度。 (3)由于影响电价的因素存在着大量不确定性，而广义神经网络具有明确的概率意义，本文提出了一种改进粒子群算法优化广义神经网络的参数进行电价预测方法。通过美国加州电力市场公布的历史数据对该方法进行验证，结果表明本文所提预测方法的预测精度好于传统BP网络的预测精度。 (4)电力市场中竞标问题是市场参与者要处理的所有市场问题中的重要问题。发电商竞价的目标是使己方的收益最大，风险最小。H<,∞>控制性能指标在时域的本质是“最大最小”问题，相应于发电商的竞价问题，就是选择合适的竞标段价和电量，使得收益最大，风险最小。本节基于H<,∞>控制方法提出了一种新的计及风险的发电公司竞标策略，建立了发电公司竞标的模型，并针对该模型给出了一种H<,∞>的求解方法。 (5)将层次分析法引入电网排序问题，提出了线路检修的分层次结构模型，并给出了该模型的具体解法，从而建立起一种科学客观的线路检修计划制订方法。