本发明公开了一种基于机器学习的综合能源系统多元负荷预测方法，包括：对历史负荷数据可能出现的残缺或异常进行处理，利用拉依达准则完成异常数据的剔除，使用加权顺序填补法完成数据补齐，再用皮尔逊相关系数去确定预测负荷过程中的其相关影响因素，确定影响因素后，对数据进行归一化处理，然后基于相似日理论筛选数据，将处理后的数据分为训练集和测试集，然后构建改进智能水滴算法优化深度置信网络模型，将训练集送到深度置信网络，得到负荷预测模型，将测试集输到负荷预测模型，得到该模型的预测结果。采用本发明的方法，尤其在训练样本较大且负荷影响因素复杂的情况下，可以提高综合能源系统多元负荷的预测精度，提升计算效率。