当前综合能源系统与能源互联网的迅速发展,明确展现出能源转型方向的大势所趋。综合能源系统集聚电、热、冷等多种形式能源,关系到能源的协调转换、互联共济,是实现能源互联网多能互补优化高效体系的关键组成要素。多能负荷短期预测牵涉到综合能源系统运行调度规划等实质性业务的各个方面,需要开展详细的分析研究。多能负荷之间复杂的耦合关系直接影响到多能负荷短期预测的精度性能,因此考虑负荷特征分析是提升多能负荷短期预测精度的关键切入点。首先,本文提出一种基于模糊优化负荷特征识别组合模型的多能负荷短期预测方法。通过模糊聚类分析与两阶段形式的模糊优化负荷特征识别算法选择同质负荷的直接特征,同时基于主成分分析算法解析异质负荷相应特征与负荷影响因素集成的向量而获取间接特征,并进行多能负荷特征的融合。融合特征作为贝叶斯正则优化改进的NARX预测模型的输入向量,从而构建组合预测模型,集成分类预测的思想精细预测未来多能负荷的特征,并在此基础上合理重构多能负荷预测曲线,从而实现准确的多能负荷预测。其次,在前述研究基础上,本文构建一种基于Copula相关特征分析与模型融合的多能负荷短期预测模型。通过模糊聚类分析与两阶段形式的模糊优化负荷特征识别算法对电、热、冷负荷序列数据进行特征提取,而多能负荷影响因素数据则通过主成分分析进行特征提取;同时,以多能负荷之间的最优Copula相关特征作为扩展特征,贝叶斯正则优化改进的NARX模型和基于遗传算法改进的极限学习机模型作为模型融合素材,并基于实际算例验证该融合模型在多能负荷短期预测方面的良好泛化性能。最后,基于上述研究,本文进一步考虑园区内各智能建筑楼宇的多能精细负荷的时空特征分析,并构建一种由点及面框架下的多能负荷短期预测模型。通过所提的多能精细负荷时空特征分析方法强化精细的建筑多能负荷之间的时空耦合相关性质,以提升多能精细负荷的特征提取效果;然后基于多通道二维卷积神经网络模型对电、热、冷负荷进行各自通道的特征提取与融合,同时根据主成分分析方法对多能负荷影响因素数据提取特征,最终形成的扩充特征作为深度双向长短时记忆网络模型的预测输入;基于实际算例验证,在所提多能精细负荷特征分析基础上,优化参数的深度双向结构的长短时记忆网络模型可以有效提升多能负荷短期预测的总体精度性能表现。