La previsión integrada de carga energética juega un papel crucial en la optimización de la operación y el despacho económico de los sistemas energéticos integrados. Su precisión de previsión no solo depende del tiempo, sino que también está influenciada por las características de acoplamiento entre las fuentes de energía. Confiar únicamente en métodos de entrenamiento a escala temporal no puede capturar adecuadamente las fuertes correlaciones entre múltiples fuentes de energía. Para abordar los desafíos en la extracción de características de previsión de carga acopladas, obtener características periódicas y establecer estructuras de red de modelos, este documento propone un Método de Previsión de Carga Adaptativa a Corto Plazo de Energía Integrada Basado en Extracción de Características Acopladas (AP-CFE). Este enfoque integra características de acoplamiento de alta dimensión y características temporales periódicas de manera efectiva utilizando algoritmos de conjunto. Para prevenir problemas de sobreajuste o subajuste, se introduce un algoritmo de aprendizaje adaptativo (AP). La carga demuestra un comportamiento altamente estocástico en respuesta a factores externos, lo que resulta en fluctuaciones rápidas y volátiles en la demanda de la red. La estrategia de emplear autoatención escasa para aproximar los términos residuales mitiga efectivamente este problema. Los resultados de simulación utilizando datos de carga energética comprensivos de Australia demuestran que el modelo propuesto supera a los modelos existentes, logrando una mejor captura de las características de acoplamiento energético con errores porcentuales absolutos promedio reducidos en un 20.75%, 28.48% y 21.64% para las cargas de electricidad, calor y gas, respectivamente.