提出以动态聚类和BP神经网络来预测短期边际电价，以样本数据与聚类中心的距离最小为标准，通过动态聚类方法将所有样本数据划分到多个类别中，对不同类别的样本数据分别建立具有相同拓扑结构、不同神经元连接权值和阈值的BP神经网络模型，通过BP神经网络的反向传播过程不断修正模型中的神经元连接权值和阈值，实现对短期边际电价的合理预测，以America PJM (美国宾夕法尼亚州、新泽西州和马里兰州)公布的1999年数据进行模型训练和测试，结果表明该方法所建立的预测模型具有较高的预测精度。