一种基于迁移学习和序列到点模型的非侵入式用户负荷监测方法、系统、设备及介质

本发明公开了一种基于迁移学习和序列到点模型的非侵入式用户负荷监测方法、系统、设备及介质，属于非侵入式电力负荷监测领域，包括：构建时域特征增强的负荷分解网络模型，引入一种时间池化模块，增强模型对长周期时域特征的提取，基于公开数据集对模型进行有监督的预训练并保存参数；随后通过私有数据集的迁移学习优化模型性能，冻结模型结构中的编码器权重，重点微调时间池化模块和解码器的权重，最终将微调完成的模型应用于未知用电场景下的负荷分解任务，实现目标负荷设备的耗电功率序列的精准分解。