1.一种非侵入式负荷分解方法，其特征在于，所述方法包括：获取各负荷处于稳定状态时的电流数据；

将所述电流数据量化分析，建立量化监测值的概率分布；

根据所述概率分布识别各负荷状态，具体包括：获取单个量化检测值的概率p(n)，n为量化监测值；

判断p(n)‑p(n+1)以及p(n)‑p(n‑1)是否大于0，得到第一判断结果，若第一判断结果表示p(n)‑p(n+1)以及p(n)‑p(n‑1)大于0时，p(n)为极大值；

当p(n)为极大值时，判断p(n)是否大于e，得到第二判断结果，当第二判断结果表示p(n)大于e时，则表示识别到负荷的一个状态，e表示测量误差；

将各所述负荷状态进行组合，构成组合状态，具体包括：(1) (2) (3) (M) (M)W＝k k k …k 其中W为组合状态，M为负荷总数，k 为第M个负荷的量化状态索引，将组合状态按照以下公式进行索引：(i) (m)

S为索引号，K 为第i个负荷具有量化状态总数，M为负荷总数，k 为第m个负荷的量化状态索引；

根据所述各负荷处于稳定状态时的电流数据以及所述组合状态，分析出所述组合状态转变时的相关性，以及所述组合状态与总电流量监测值间的关联性，创建马尔可夫模型；

所述创建马尔可夫模型具体包括：

λ＝{P0,A,B}

其中，λ为马尔可夫模型，P0为初始时刻各组合状态的额定概率构成的长度为T的行向量，A为T×T的状态转移矩阵，T表示T个组合状态，B为T×N的发射矩阵，N为可能得到的量化监测值的个数；

A[i,j]＝P{St＝j|St‑1＝i}B[j,n]＝P{yt＝n|St＝j}St为t时刻的组合状态，yt为t时刻的量化监测值，A[i,j]表示在t‑1时刻组合状态为i的条件下，t时刻组合状态为j的概率；B[j,n]表示t时刻组合状态为j的条件下，实际监测到的量化监测值为n的概率；

将马尔可夫模型中的稀疏矩阵压缩，得到压缩向量；

根据所述压缩后的稀疏矩阵结合数据查询算法和改进的维特比算法分解出各负荷所处于的运行状态；所述数据查询算法具体包括从压缩后的行向量V中查询所述稀疏矩阵i列中的正数数据和从压缩后的行向量V中查询所述稀疏矩阵i行j列的数据；

所述从压缩后的行向量V中查询所述稀疏矩阵i列中的正数数据具体包括：创建变量a＝0和包含两个列向量的矩阵H；

从首元素开始读取所述行向量V中的数据；

判断所述数据是正数还是负数，得到第五判断结果，当第五判断结果表示所述数据为负数时，将所述读取到的数据取绝对值加给所述变量a，之后判断变量a是否满足a＜T×(i+

1)，得到第六判断结果，若第六判断结果表示变量a满足a＜T×(i+1)时，继续从行向量V中读取数据，当a≥T×(i+1)时，数据读取结束；

当第五判断结果表示所述数据是正数时，变量a加1，之后判断变量a是否满足a＞T×i且a≤T×(i+1)，得到第八判断结果，若第八判断结果表示变量a满足a＞T×i且a≤T×(i+

1)时，表示所述数据在所述稀疏矩阵中的(a‑T×i‑1)行i列，将(a‑T×i‑1)和所述数据添加到所述矩阵H中；

继续从V中读取数据，直到a≥T×(i+1)；

所述从压缩后的行向量V中查询所述稀疏矩阵i行j列的数据具体包括：创建变量b＝0；

从首元素开始读取所述行向量V中的数据；

判断所述数据是正数还是负数，得到第九判断结果，若第九判断结果表示所述数据为负数时，取所述负数的绝对值加给所述变量b,判断变量b是否满足b≥T×j+i+1，得到第十判断结果，若第十判断结果表示变量b满足b≥T×j+i+1时，所求i行j列的数据为0；

若第九判断结果表示所述数据是正数时，所述变量b加1，进一步判断所述变量b是否满足b＝T×j+i+1，若变量b满足b＝T×j+i+1，所述正数为所求i行j列的数据。

2.根据权利要求1所述的一种非侵入式负荷分解方法，其特征在于，所述获取各负荷处于稳定状态时的电流数据具体包括：通过为各负荷配备传感器来获取各负荷处于稳定状态时的电流数据。

3.根据权利要求1所述的一种非侵入式负荷分解方法，其特征在于，所述将马尔可夫模型中的稀疏矩阵压缩，得到压缩向量具体包括：

1)创建一个空的行向量V以及用于计数的变量r＝0；

2)获取马尔可夫模型中的稀疏矩阵；

3)从第0列开始判断所述稀疏矩阵中的元素值是否为正数，得到第三判断结果，当第三判断结果表示所述元素值为正数时，将所述元素值添加到所述行向量V中；

4)若第三判断结果表示所述元素值不是正数时，变量r计数加1，直到读取到下一个正数或矩阵末尾，取r的负值添加到所述行向量V中；

5)重复所述步骤3)和步骤4)直到所述稀疏矩阵数据读取结束。

4.根据权利要求1所述的一种非侵入式负荷分解方法，其特征在于，所述改进的维特比算法具体包括：

Pt[j]为t时刻为组合状态j的概率，A[i,j]表示在t‑1时刻组合状态为i的条件下，t时刻组合状态为j的概率；B[j,yt]表示t时刻组合状态为j的条件下，实际监测到的量化监测值为yt的概率，P0为初始时刻各组合状态的额定概率构成的长度为T的行向量。

5.一种非侵入式负荷分解系统，其特征在于，所述系统包括：电流数据获取模块，用于获取各负荷处于稳定状态时的电流数据；

概率分布获取模块，用于将所述电流数据量化分析，建立量化监测值的概率分布；

负荷状态获取模块，根据所述概率分布识别各所述负荷状态；

组合状态获取模块，将各所述负荷状态进行组合，构成组合状态；

马尔可夫模型获取模块，用于根据所述各负荷处于稳定状态时的电流数据以及所述组合状态，分析出所述组合状态转变时的相关性，以及所述组合状态与总电流量监测值间的关联性，创建马尔可夫模型；

压缩向量获取模块，用于将马尔可夫模型中的稀疏矩阵压缩，得到压缩向量；

运行状态获取模块，用于根据所述压缩后的稀疏矩阵结合数据查询算法和改进的维特比算法分解出各负荷所处于的运行状态；所述数据查询算法具体包括从压缩后的行向量V中查询所述稀疏矩阵i列中的正数数据和从压缩后的行向量V中查询所述稀疏矩阵i行j列的数据；

所述从压缩后的行向量V中查询所述稀疏矩阵i列中的正数数据具体包括：创建变量a＝0和包含两个列向量的矩阵H；

从首元素开始读取所述行向量V中的数据；

判断所述数据是正数还是负数，得到第五判断结果，当第五判断结果表示所述数据为负数时，将所述读取到的数据取绝对值加给所述变量a，之后判断变量a是否满足a＜T×(i+

1)，得到第六判断结果，若第六判断结果表示变量a满足a＜T×(i+1)时，继续从行向量V中读取数据，当a≥T×(i+1)时，数据读取结束；

当第五判断结果表示所述数据是正数时，变量a加1，之后判断变量a是否满足a＞T×i且a≤T×(i+1)，得到第八判断结果，若第八判断结果表示变量a满足a＞T×i且a≤T×(i+

1)时，表示所述数据在所述稀疏矩阵中的(a‑T×i‑1)行i列，将(a‑T×i‑1)和所述数据添加到所述矩阵H中；

继续从V中读取数据，直到a≥T×(i+1)；

所述从压缩后的行向量V中查询所述稀疏矩阵i行j列的数据具体包括：创建变量b＝0；

从首元素开始读取所述行向量V中的数据；

判断所述数据是正数还是负数，得到第九判断结果，若第九判断结果表示所述数据为负数时，取所述负数的绝对值加给所述变量b,判断变量b是否满足b≥T×j+i+1，得到第十判断结果，若第十判断结果表示变量b满足b≥T×j+i+1时，所求i行j列的数据为0；

若第九判断结果表示所述数据是正数时，所述变量b加1，进一步判断所述变量b是否满足b＝T×j+i+1，若变量b满足b＝T×j+i+1，所述正数为所求i行j列的数据。