本发明首先获取电器的电压电流数据，其次计算电器的低频有功功率、低频无功功率以及高频电流谐波数据，再根据Mean‑shift算法对电器低频有功功率，低频无功功率及高频电流谐波数据进行聚类分析，从而构建电器低频有功功率特征字典、低频无功功率特征字典及高频电流谐波特征字典以及稀疏矩阵，最后根据稀疏矩阵和电器低频有功功率特征字典、低频无功功率特征字典以及高频电流谐波特征字典，采用阶层负荷识别方法确定各电器数据对应电器组合，可在电器功率相近的情况下，依据有功功率识别结果无功功率识别结果进行判断是否需要引入电流谐波识别，从而保证了在功率相近时，无需进行长时间、大计算量的电器识别，保证电器的识别结果，克服了在使用低频数据进行负荷分解时，需要大量的先验知识来提高其分解精度在实际应用中较难实现的问题，以及使用高频数据进行负荷分解时识别时间过长，计算量过大的问题。

智能用电是智能电网的重要环节之一，是互动服务体系的核心，其关键技术主要体现在高级量测体系标准(Advanced Metering Infrastructure，AMI)、系统及终端技术，智能用电双向互动运行模式及支撑技术，以及用户用电环境与用电模式的相互影响等方面。

随着AMI技术的全面普及，用户的细粒度聚合功率的获取成为可能，这为深度挖掘用户负荷信息提供了契机。在智能电网建设中，用户内部设备负荷信息的感知与获取是信息流交换与信息深度挖掘中关键的环节，而非侵入式负荷分解(Non‑Intrusive Load Monitoring，NILM)提供了一种仅通过采集聚合功率、电流等数据来获取家庭中每个设备能耗数据的方法。

非侵入式负荷分解包括低频非侵入式负荷分解和高频的负荷分解。其中，低频非侵入式负荷分解中通常需要大量的先验知识来进行识别，在实际应用中较难实现。而高频的负荷分解计算量较大，识别时间较长。且针对用户端存在功率相近的电器问题，如何在保证分解时间的情况下，使识别结果达到最佳，已成为亟需解决的问题。