联合国推动的智慧可持续城市、中国2014年城市建设规划和近年的双碳战略都不约而同的强调了绿色技术的创新应用。其中非侵入式负荷识别（non-intrusive load monitoring,NILM）可实现电网需求侧管理,从而有效降低居民能源消耗。非侵入式负荷识别指的是一种用负荷特征识别用电设备的技术,它通过采集来自于用户的总线上的电压、电流等数据,分析这些数据并以此识别用电设备的状态。NILM经过多年的研究,在识别精度上已经有了长足的进步,但至今没有得到大规模的运用。究其原因,基于暂态负荷特征或者复杂网络模型的NILM方式虽然有助于精确识别负荷状态,但都极大的增加了实现时的系统成本。本文从系统整体经济性出发,提出一套可行NILM系统方案,其中主要工作如下:首先,对NILM系统进行需求分析和总体架构设计,基于经济性、可行性的考量,对用电设备的负荷特征进行研究和筛选,选取了稳态特征中的有功功率作为NILM系统的目标特征。接着,对NILM算法展开研究和分析,从UK-Dale数据集中选取9种常用家庭用电设备建立了本文实验所用的数据集。在这些基础上分别搭建了长短期记忆网络、门控循环单元的NILM模型,并进行了仿真验证。得出以下结论,在仅使用有功功率特征的前提下,可以通过减少数据采集间隔时间和增大模型时间窗口的方式提升NILM模型的识别精度,其中6s采集间隔和20min的窗口就能实现97%的识别精度。针对有功功率序列太长导致模型计算量过大的问题,搭建了混合一维卷积和长短期记忆网络的NILM模型。通过优化模型,在减少模型计算量的同时使识别精度达到了98%。最后,根据系统需求和NILM模型的参数选择,本文设计了智能采集装置和用户终端,搭建实验平台对整个系统进行验证,最终验证了本文设计的NILM系统的可行性。