1.一种基于多任务学习的综合能源系统多元负荷短期预测方法，其特征在于：构建基于多任务学习的双向长短期记忆网络的预测模型，所述预测模型包括顺次设置的输入层、耦合性分析‑多粒度特征提取层、门控层和输出层；所述耦合性分析‑多粒度特征提取层基于双向长短期记忆网络设置，包括并置的共享层及一个或多个专家层，任一所述专家层与样本数据的类型匹配；配合任一所述专家层的门控层内设有对应的门控单元，所述共享层与所有的门控单元配合设置；

样本数据包括综合能源系统多元负荷的负荷数据和影响因素数据，以预处理后的样本数据训练所述预测模型，更新预测模型中各个网络层的权重和偏置，以训练后的预测模型进行综合能源系统多元负荷短期预测。

2.根据权利要求1所述的一种基于多任务学习的综合能源系统多元负荷短期预测方法，其特征在于：预处理所述样本数据中，收集综合能源系统多元负荷的负荷数据和影响因素数据，并进行异常数据处理，对异常数据处理后的数据，基于最大互信息系数方法选择输入变量，基于选择的输入变量对数据进行降维处理；

以所述预测模型获取降维处理后负荷数据间的耦合关联。

3.根据权利要求1所述的一种基于多任务学习的综合能源系统多元负荷短期预测方法，其特征在于：所述负荷数据的类型数量对应专家层的个数。

4.根据权利要求3所述的一种基于多任务学习的综合能源系统多元负荷短期预测方法，其特征在于：所述负荷数据包括电负荷数据、冷负荷数据和热负荷数据，负荷数据间的耦合关联为电负荷数据、冷负荷数据和热负荷数据间的两两耦合。

5.根据权利要求4所述的一种基于多任务学习的综合能源系统多元负荷短期预测方法，其特征在于：所述预测模型的多任务损失函数与电负荷预测子任务损失函数、冷负荷预测子任务损失函数和热负荷预测子任务损失函数正相关。

6.根据权利要求1所述的一种基于多任务学习的综合能源系统多元负荷短期预测方法，其特征在于：以负荷突变敏感度指标和滚动窗口段内的标准差判断综合能源系统的负荷变化状态，配合负荷变化状态以对应的学习率训练所述预测模型。

7.根据权利要求6所述的一种基于多任务学习的综合能源系统多元负荷短期预测方法，其特征在于：所述负荷突变敏感度指标满足，，

其中，为负荷突变发生时间点， 为确定误差小于预设值的时间点， 负荷突变发生前的均方误差， 负荷突变发生后的均方误差。

8.根据权利要求2所述的一种基于多任务学习的综合能源系统多元负荷短期预测方法，其特征在于：所述降维处理后的数据包括当地温度数据、当地气压数据、当地湿度数据和当地露点温度数据。