精确预测电力现货市场价格对于指导发电和用电资源有效应对市场波动具有重要意义。随着人工智能和机器学习的迅速发展，当前电力价格预测研究已经能够达到高效且精确的水平。Long Short-Term Memory（LSTM）及其衍生模型作为该领域的代表性方法，已经取得了一定的成果，但其预测准确度仍有提升空间。因此，本文提出了一种基于Transformer架构的新型出清价格预测模型，该模型首先利用皮尔逊相关系数筛选出影响因素，然后利用Transformer进行高效的输入编码，并通过模型改进更好地捕捉长序列特征。通过对蒙西电力现货市场的历史数据进行分析，将多步时序实时市场出清价格的预测值与现有的 LSTM 和 BiLSTM 模型的预测结果进行比较，结果表明该方法在预测精准度和普适性方面具有优势。