随着用户端能源需求的多样化发展，多样化负荷的超短期预测对于动态大规模综合能源系统的规划和优化具有重要意义。因此，本文提出了一种基于长、短期时间序列网络的多变量超短期负荷预测模型。首先利用卷积神经网络提取多个负载之间的局部依赖关系，然后利用长、短期记忆网络捕捉负载序列的长期依赖关系，利用循环跳跃结构的长、短期记忆网络充分学习负载序列的超长期重复模式。最后，利用自回归层和全连接层进行组合预测。我们以平均绝对百分比误差和均方根误差作为评价指标，用美国亚利桑那州立大学坦佩校园综合能源系统的数据集进行验证，并与三种最流行的负荷预测方法进行比较。实验结果表明，本文提出的预测模型优于其他方法，具有较高的预测精度。