本发明提供了一种多能源系统多类型负荷联合预测方法及系统。该方案包括获得历史气象数据和负荷测量数据，在剔除异常时间序列数据和补全缺失数据后，对数据单独归一化处理，生成时间序列样本集；获取季节的时间划分节点，将所述时间序列样本集按照四季划分，计算每个季节的耦合相关性，生成多能预测模型的输入数据；搭建每个季节的双向长短期记忆神经网络负荷预测模型，输入训练样本进行预测模型学习训练并调整优化模型参数；将测试样本输入所述双向长短期记忆神经网络负荷预测模型，生成冷、热、电负荷预测结果。该方案通过考虑不同季节的负荷耦合关联，充分挖掘负荷变化规律，提高多能源系统负荷预测性能。