本发明提供一种基于C‑GAN迁移学习的IES不完备数据负荷预测方法及系统。首先采集原始样本数据并进行归一化处理，然后将归一化处理后的样本数据采用深度变分自编码网络提取样本特征，再将提取的样本特征输入到构建的第一个C‑GAN的生成器中，当生成器和判别器博弈达到纳什均衡时对不完备样本数据进行扩展，将扩展后的样本数据集输入到构建的第二个条件C‑GAN的生成器中，当生成器和判别器博弈达到纳什均衡时并行预测电、气、热负荷，基于C‑GAN的判别器对预测精度进行判断，并且在生成器和判别器博弈达到纳什均衡过程不断修正和提高综合能源负荷预测的预测精度，通过本发明提供的预测系统进行负荷预测，减少了网络训练所需的参数，同时缩短了预测时间。