对区域用电负荷监测是实施电力需求侧管理的重要方法,具有显著的社会效益和经济效益,而非侵入式负荷监测（NILM）无需进入用户内部,通过智能化感知方法将用户总负荷分解为各用电设备的信息,是负荷监测的主流方法和发展方向,具有重要研究价值。目前NILM存在着识别精度低、数据量大、对云计算技术依赖性强等问题,本文设计一种基于V-I轨迹图的非侵入负荷识别设备和系统,不依赖云计算,在用户侧即可识别负荷信息,有效提高了负荷识别精度和效率。本文分析了面向家庭用户的NILM系统需求,进行了总体设计。从数据采集、负荷特征提取和负荷特征识别三个方面分析了NILM系统的核心组成以及信息流程,在负荷特征提取和识别方面进行了深入研究。第一,为了提高负荷识别率,选择了负荷的V-I轨迹图作为负荷识别特征,通过编码算法优化及神经网络模型优化来提高识别率。基于HSV编码V-I轨迹图,增加了电流、功率因数及轨迹重合度三种特征量,丰富了负荷特征信息;为在资源受限条件下实现V-I轨迹图识别算法并提高识别精度,改进了卷积神经网络（CNN）模型;第二,为解决现有NILM系统交互数据量大、依赖云计算、实现复杂度高等问题,本文设计了一款面向家庭应用场景的嵌入式非侵入式负荷识别设备,结构简单,易于集成,在资源受限条件下实现了基于CNN的V-I轨迹图识别算法;仅将识别结果上传到云端的NILM管理平台,降低了有效数据传输量,提高了系统效率。最后面向家庭应用场景,选择多种常见家用电器对设计的NILM设备及系统进行了测试,结果表明本系统在不依赖云计算的条件下,可实时准确地识别常用电器的类型及工作状态,并在NILM管理平台上进行呈现;测试结果满足设计目标,具有较好的实用价值。