随着电力市场的放开，准确的电价预测有助于平衡电力市场供需关系。本研究旨在探讨燃气电厂在电力现货市场中的成交电价预测问题，以提升电厂生产安排的合理性和经济效益。首先，通过皮尔逊相关系数分析了多个因素对电价的影响，并结合时域分析，筛选出与电价强相关的 18 个核心变量。然后，应用 Random Forest（随机森林）、AdaBoostRegressor（自适应增强回归器）等不同机器学习算法的 5 种模型，分年度、季节、工作日 3 种训练策略下，对电价进行按天和按小时的预测，根据预测结果，选取最优模型。最后，将模型应用到广东省的 3 家燃气电厂，研究发现不同训练策略的预测误差存在较大差异，全年数据一起训练的效果最佳。机器学习建模在电价预测中具备有效性，尤其是缩减变量建模可进一步优化预测结果。