カーボンプライスの正確な予測は、エネルギー市場の意思決定や持続可能なエネルギープランニング、脱炭素化戦略の支援に不可欠です。しかし、政策の介入や市場ショックによる構造的な変化や高頻度のノイズが予測を困難にしています。本研究では、従来の手法が持つ限界を克服すべく、構造的変化の検出（Bai-Perron、ICSS、PEL算法）、ウェーブレット信号のノイズ除去、LSTM、GRU、TCNの3つの最先端ディープラーニングモデルを統合した包括的なハイブリッドフレームワークを提案します。2007年から2024年のEU許可証スポット価格と外的特徴を用いた実験の結果、PEL-WT-TCNモデルは予測精度が最高であり、従来手法に対してRMSEで22.35%、MAEで18.63%の誤差を減少させ、また元のLSTMに比べてRMSEで70.55%、MAEで74.42%の改善を示しました。これにより、構造の認識と多尺度分解をディープラーニングに統合する重要性が強調されました。