多智能体模型运⽤经济学、博弈论等学科知识，模拟电⼒市场中各主体的⾏为，匹配供给和需求曲线来预测价格。其中又细分为生产成本模型和策略性报价模型。这类模型比较灵活，定制性较强，要求使⽤者⾃行确定很多变量和参数，例如市场主体可能使用的策略，市场出清⽅式等。

基本面分析模型通过分析关键物理量和经济因素对电价的影响来描述价格变化进而预测电价。该模型能够提取电⼒⽣产和交易中存在的基本物理量和经济指标间的关系。该模型的基本假设是各因素（负荷水平，供需比，天⽓条件，系统参数等）之间相互耦合，共同影响市场价格。

简化形式模型描述了电价随时间推移的统计特性，其⽬标是⾦融衍⽣品评估和⻛险管理。它的主要⽬的并非提供准确的逐⼩时价格预测，⽽是复刻每⽇电价的主要特征，如未来某时刻价格的概率分布、价格动态变化趋势以及商品原料和价格之间的相关性。该模型是衍⽣品定价和⻛险管理系统的核⼼。

统计学模型运⽤统计学和计量经济学的⽅法，基于历史数据进⾏分析和预测。统计学模型运⽤统计学⽅法组合历史电价数据和外部数据，包括⽣产数据、需求数据、天⽓数据等。统计模型最⼤的优势在于它能够很好的解释各个变量对价格的影响，有利于理解模型内部的⾏为逻辑。

人工智能模型运⽤机器学习算法，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。

组合模型在上述模型中进⾏组合，⽬标是结合各模型的优势，弱化劣势，取⻓补短。ElecTrade采用组合模型的方式，通过多维度的融合数据源，帮助电力市场主体进行日、周、月、年的辅助决策。