本发明涉及园区综合能源系统电‑热负荷联合自适应预测方法及装置，通过多任务学习框架学习多元负荷的耦合关系，采用CNN‑LSTM‑Attention网络分别提取电热负荷的特征，结合日前的天气信息作为共享层；同时损失函数考虑到电热负荷的不确定性差异，对不同任务赋予动态权重，来权衡多任务学习总体的损失大小，进一步提高负荷预测的准确性；在过渡季预测偏差大时，以MMD来分别衡量电热负荷以及天气的数据分布差异，采用迁移学习固定模型底层网络参数，并对相应的顶层网络参数进行微调，解决园区综合能源系统负荷预测模型的自适应性问题，为园区综合能源系统的精细化调度优化提供依据。