居民用电量在全社会用电总量中占有很大比重,而且居民的用电效率较低,存在较大的提升空间。合理的监测居民用电并提供各个电器负载的详细用电信息,能够引导居民了解自身的用电习惯、优化用电行为,对电能节约有着深远的影响。因此,本文对非入户式负荷识别方法进行研究,主要包括数据分析、事件检测、负荷识别三个方面,本文的主要研究内容如下:（1）基于搭建的模拟家庭用电环境,对常用的电器负载进行了数据采集,通过采用预处理手段降低噪声,避免其对后续步骤产生影响;通过研究不同类型的负荷事件及其检测方法,提出一种改进的事件检测算法,能够较为准确的检测电器负载开关的暂态阶段和稳态阶段。（2）以电器负载暂态和稳态电压电流数据为切入点进行暂态特征与稳态特征的分析,通过计算量化建立电器负载的稳态负荷特征库,并改进KNN算法进行了负荷识别。（3）提出了基于卷积神经网络的用电识别方法来提取并融合特征。在传统复杂的用电场景中,采用卷积神经网络对电器负载两种轨迹图像完成更深层次特征的提取并融合功率特征,最终得到具有区分度的有效特征,以解决传统提取方法下特征相似的电器负载较难区分的问题。（4）构建了完整的非入户式负荷识别系统,通过采集用电信息快速检测电器负载投切事件,提取数据的两种轨迹图像与功率特征,输入到训练好的模型中识别当前投切事件的电器负载类型,最后实现可视化用电记录。通过搭建的模拟家庭用电环境对本文所提出的方法进行了系统验证。综上所述,本文提出的非入户式负荷识别方法对电器负载起到了良好的识别效果,为居民用户合理高效的使用电能提供指导。