为解决能源危机问题，提高能源利用率，综合能源系统(integrated energy system

IES)成为发展创新型能源系统的重要方向。准确的多元负荷预测对IES的经济调度和优化运行有着重要的影响，而借助混沌理论能够进一步挖掘IES多元负荷潜在的耦合特性。提出了一种基于多变量相空间重构(multivariate phase space reconstruction

MPSR)和径向基函数神经网络(radial basis function neural network

RBFNN)相结合的IES超短期电冷热负荷预测模型。首先，分析了IES中能源子系统之间的耦合关系，运用Pearson相关性分析定量描述多元负荷和气象特征的相关性。然后，采用C-C法对时间序列进行MPSR以进一步挖掘电冷热负荷和气象特征在时间上的耦合特性。最后，利用RBFNN模型对电冷热负荷间耦合关系进行学习并预测。实验结果表明，所提方法有效挖掘并学习电冷热负荷在时间上的耦合特性，且在不同样本容量下具有良好且稳定的预测效果。