预测平均电价通常涉及以下几种方法：

时间序列法

利用历史数据，分析电价的趋势、季节性和周期性变动。

常用的模型包括AR（自回归）、MA（移动平均）、ARMA（自回归移动平均）和ARIMA（自回归积分滑动平均）模型。

统计模型

基于历史数据的统计分析构建预测模型。

例如，自回归移动平均模型（ARIMA）适用于对历史数据拟合较好的情况。

机器学习方法

利用机器学习算法，如支持向量机（SVM）、决策树、随机森林等，通过学习历史数据来捕捉数据间的规律。

深度学习方法

使用神经网络，如循环神经网络（RNN）、长短期记忆网络（LSTM）等，进行电价预测。

小波变换与ARIMA模型结合