针对电力现货市场日前电价预测中普遍存在的时序特征提取不足、特殊日类型场景适应性差的问题,提出一种基于Transformer架构的改进预测模型。引入Patch机制增强局部时序特征提取,结合通道独立结构增加多变量特征学习效率,通过多头注意力机制捕获全局电价波动规律。基于广东省电力现货市场历史数据进行方法验证,与基准Transformer模型相比,周末场景的平均绝对误差从32.95降低至 23.88,节假日场景的平均绝对误差从78.33降低至70.33。对量价偏移现象的适应性显著优于基准模型,在竞价空间大于6万MW时能准确捕捉价格下限上升趋势,所提方法在不同场景(特别是特殊场景)预测精度显著提升,对量价偏移现象适应性好。