以物联网技术和数字化技术为支撑的智慧社区系统大大提高了配电侧电网的智能化程度。在现代智慧社区系统中，通过装设智能电表和智能家居的方式，大量智能设备连接入互联网实现了设备的互联互通。电力公司得以在此基础上获取居民用电细节信息，从而进行负荷预测、建立电力负荷仿真模型、制定合理的需求响应策略。非侵入式负荷识别技术，通过采集电力用户的集总用电数据，应用智能算法获得该电力用户的用电细节信息和用电习惯，该方法因建设成本低、可扩展性强而逐渐成为研究热点。
　　本文给出了非侵入式负荷识别技术的基本数学模型，从数据采集、特征提取、模型搭建、训练评估四个步骤分析了非侵入式负荷识别问题中的关键技术。总结比对了常用的负荷特征，考虑到数据采集的便捷性和系统的可扩展性，选用有功功率作为唯一负荷特征。
　　将非侵入式负荷识别问题定性为时间序列问题，分析了深度卷积神经网络代替LSTM网络在解决时间序列问题上的优势，取消了传统卷积网络的全连接层，针对性设计了以编码器-解码器为结构的深度卷积神经网络。编码器部分以设计的混合空洞卷积模块叠加的方式实现，分析比对了不同卷积核尺寸的性能，研究分析了空洞卷积膨胀率对感知野的影响。解码器部分以设计的多支路上采样模块叠加的方式实现，同时采用最邻近上采样法和转置卷积上采样法实现有功功率序列的恢复。
　　随后本文通过分析用户对智慧社区系统的需求，针对智慧社区系统的架构和技术路线进行了设计。针对智慧社区家用终端软件，采用Ionic框架实现Android和iOS跨平台的混合开发，根据用户需求对移动终端软件的模块进行功能设计、执行逻辑设计及其实现。针对云服务器，对其业务逻辑进行功能结构区分，实现了基于HTTP协议的数据通信和WebSocket协议的视频流推送。
　　本文设计的非侵入式负荷识别算法在 UK-DALE 数据集上进行测试并验证了其有效性，开发的智慧社区家用终端软件实现了以人为核心的设计初衷。