1.用于非侵入式负荷监测的V-I图样本数据集筛选方法，其特征在于，包括以下步骤：S1、选取用电设备，并将其作为非侵入式负荷监测时的待测设备；

S2、当待测设备进入稳态工作模式时，采集在若干个周期内所有待测设备运行时的电流和电压幅值数据；

S3、根据采集的电流和电压幅值数据，依次构建每个待测设备在若干个周期内的V-I轨迹图；

S4、分别对构建的每个V-I轨迹图进行预处理，得到待筛选的若干个V-I特征图；

S5、分别在每个V-I特征图中构建不同范围大小的有限域，将同一范围大小的有限域对应的V-I特征图构成一个V-I图样本数据集；

S6、采用基于有限域的样本数据筛选方法对每个V-I图样本数据集中的V-I特征图进行筛选，将未通过筛选的V-I特征图从对应的V-I图样本数据集中删除；

S7、将筛选后的V-I图样本数据集分别输入深度学习网络进行训练，得到不同V-I图样本数据集对应的若干个识别率，并将其中最高的识别率对应的V-I图样本数据集作为用于非侵入式负荷监测时的数据集，进而完成V-I图样本数据集的筛选；

所述步骤S5中在V-I特征图中构建有限域的方法具体为：通过确定有限域范围的上边界直线和下边界直线来确定该有限域的范围；

其中，上边界直线通过其直线式的中心直线向上移动构建，下边界直线通过其直线式的中心直线向下移动构建；

其中，中心直线的直线式为：y＝kx+b1；

上边界直线的直线式为：y1＝kx+b1+b；

下边界直线的直线式为：y2＝kx+b1-b；

式中，y、y1和y2分别为中心直线上、上边界直线上和下边界直线上对应列的像素点；

k为斜率，且k＝-(m-1)/(n-1)，m,n分别为该V-I特征图的长度和宽度；

b1＝m-k；

b为中心直线向上移动或向下移动的像素值。

2.根据权利要求1所述的用于非侵入式负荷监测的V-I图样本数据集筛选方法，其特征在于，所述步骤S4中对构建的每个V-I轨迹图进行预处理的方法具体为：依次对每个V-I轨迹图进行归一化、滤波、灰度化和二值化处理。

3.根据权利要求1所述的用于非侵入式负荷监测的V-I图样本数据集筛选方法，其特征在于，通过设定若干个不同的b值得到对应的不同范围大小的有限域，其中，b值均匀分布在0-100像素内。

4.根据权利要求1所述的用于非侵入式负荷监测的V-I图样本数据集筛选方法，其特征在于，所述步骤S6中V-I图样本数据集中的V-I特征图包括电阻类电器的V-I特征图和阻感类电器的V-1特征图。

5.根据权利要求4所述的用于非侵入式负荷监测的V-I图样本数据集筛选方法，其特征在于，对V-I图样本数据集中的电阻类电器的V-I特征图进行筛选的方法具体为：判断该V-I特征图中的V-I轨迹点落在有限域中的像素点占该V-I特征图总像素点的百分比是否大于或等于设定的阈值；

若是，则该V-I特征图通过筛选；

若否，则该V-I特征图未通过筛选，从对应的V-I图样本数据集中删除。

6.根据权利要求4所述的用于非侵入式负荷监测的V-I图样本数据集筛选方法，其特征在于，对V-I图样本数据集中的阻感类电器的V-I特征图进行筛选的方法具体为：判断该V-I特征图中的V-I轨迹点落在有限域中的像素点占该V-I特征图总像素点的百分比是否小于设定的阈值；

若是，则该V-I特征图通过筛选；

若否，则该V-I特征图未通过筛选，从对应的V-I图样本数据集中删除。