در محیط تجدید ساختار یکی از مسایل مهم در برنامه ریزی شرکت های تولیدی، خریداران و بهره بردار سیستم، مسأله پیش بینی قیمت برق می باشد. در این فضا، دلیل عدم قطعیت هایی که در فرآیند قیمت برق وجود دارد. نوسانات زیادی در فرآیند قیمت برق ایجاد شده است که پیش بینی این کمیت مهم را به نسبت پیش بینی بار که مدت زیادی در حال انجام است با مشکل نموده است. در یک نگاه کلی مکانیزه که در حال حاضر در بازارهای بزرگ برق جهان مورد استفاده قرار می گیرد، در دو افق زمانی، قبل از موعد بهره برداری و در زمان بهره برداری انجام می شود. بازارهای که قبل از زمان بهره برداری برگزار می گردند. معمولا بصورت بازار روز بعد و ساعت بعد هستند، که بصورت 72 ساعت قبل از زمان واقعی همچنین 24 ساعت قبل از زمان واقعی اجرا می شوند. پیشنهاد قیمت خریداران و فروشندگان برای هر ساعت از 24 ساعت روز بعد، به دلیل بی ثباتی قیمت برق برای بازار روزانه، بسیار دشوار می باشد. شاهد این ادعا این حقیقت است که میزان دقت پیش بینی قیمت موجود، بسیار پایین تر از دقت پیش بینی بار می باشد. در این پروژه ضمن معرفی مدل های مختلف بکار رفته جهت پیش بینی قیمت برق در بازارهای روزانه، دو مدل جدید برای پیش بینی قیمت برق روز بعد در افق کوتاه مدت مورد بررسی قرار گرفته است. مدل اول فرآیند میانگین متحرک جمع بسته اتورگرسیو (arima) تعریف شده، مدلی بهتر برای توصیف سری های زمانی ایستا و نا ایستا فراهم می کند. سری های قیمت برق که رفتار نا ایستایی را از خود به نمایش می گذارند، پیرامون این میانگین ثابت تغییر نمی کنند. باوجود این قبیل سری های اکثراً نوعی رفتار همگن ازخود نشان می دهند. این چنین رفتاری را می توان به وسیله یک عملگر اتورگرسیو تعمیم یافته به یک فرآیند ایستا تبدیل گردد، تا بتوان نسبت به پیش بینی مقادیر آینده آن اقدام نمود. مدل دوم تبدیل ویولت. یک تبدیل انتگرالی است که توابع پایه ای به نام ویولت استفاده می کند مزیت این تبدیل، بررسی کدن سیگنال قیمت به صورت محلی می باشد. این تبدیل در این پایان نامه با تجزیه سری های قیمت به چهار سری پیش بینی با مدل arima و سپس ترکیب این چهار سری تجزیه شده. پیش بینی شده(تبدیل ویولت معکوس) توانسته نتایج بهتری را ارایه نماید. مقایسه نتایج حاصل از شبیه سازی بر رو]ی بازار برق نیوانگلند، نشان دهنده قدرت بالای مدل arima و wavelet-arima در پیش بینی سیگنال قیمت در دوره کوتاه مدت می باشد. قابل ذکر است که پیش بینی مدل ترکیبی wavelet-arima نسبت به مدل arimah اکثراً بهتر و دارای خطای پیش بینی کمتری می باشد.