本发明公开了一种考虑多元负荷耦合特性的IES负荷预测方法，首先，利用FP‑Growth算法对多元负荷数据进行分析和挖掘，识别出负荷之间的潜在关联性；通过对各个负荷之间的关联度进行累加计算，确定综合能源系统中多元负荷的预测优先级；其次，基于多元负荷的预测优先级，选择具有最高优先级的负荷进行负荷相似波动集划分；进一步地，通过k‑means聚类算法划分相似负荷场景集。最后，针对每个负荷场景集，采取逐级预测的策略，使用双向长短期记忆神经网络进行场景集预测建模，进行多元负荷数据预测。通过算例结果表明：使用本发明方法具有较高的预测精度，能够有效处理负荷的剧烈波动，从而满足系统安全稳定的运行要求。