1.一种非侵入式电力负荷识别方法，其特征在于，包括如下步骤：步骤1：对用电器的电流信号或者功率表信号进行采集，得到用电器的电流特征，作为特征库中的样本特征；

步骤2：利用经验模态分解法对用电器的电流特征进行分解，得到待分类样本特征；

步骤3：采用k‑means聚类法对待分类样本特征进行优化；

步骤4：用欧式距离最近匹配原则进行识别。

2.如权利要求1所述的一种非侵入式电力负荷识别方法，其特征在于，所述步骤2的具体过程为：步骤2.1：确定分解信号的长度L

定义一个周期的采集信号由至少600个负荷数据点够成，待分解的信号的长度至少为一个周期的信号长度，选定信号的长度L，长度为L的用电器的电流信号为x(t)；

步骤2.2：根据信号的极大值，极小值点绘制信号的包络曲线，求出信号上下包络线的平均值，获取信号h1(t)；

步骤2.3：将两个连续筛选的分解信号的标准差作为迭代停止的判定准则，将h1(t)当作信号x(t)，重复步骤2.2，经过k次重复，直至得到的信号h1k(t)满足迭代停止的判定准则停止迭代；

步骤2.4：将信号h1k(t)从原始信号中分离，对剩余的信号分量r1(t)进行EMD分解，得到待分类样本特征。

3.如权利要求1所述的一种非侵入式电力负荷识别方法，其特征在于，所述步骤3的具体过程为：n

步骤3.1：确定聚类的类别数目K；K＝2；

步骤3.2：从分解后的每类负荷样本中任意选择一组负荷特征作为聚类的初始中心。

4.如权利要求1所述的一种非侵入式电力负荷识别方法，其特征在于，所述步骤4的具体过程为：步骤4.1：对待分类数据进行遍历，根据最近匹配原则，计算数据到各个聚类中心的距离，根据距离的大小，将数据划分到离它最近的聚类中心；

步骤4.2：计算每个聚类中心的平均值，将聚类中心的平均值作为新的聚类中心，并判断聚类函数是否满足收敛条件或者满足迭代次数，如果满足则将步骤4.1得到的聚类结果作为样本特征，否则重复步骤4.1；

步骤4.3：比较待分类样本特征与特征库中的样本特征之间的欧氏距离进行分类，通过计算待识别用电器的特征分量与特征库中的特征分量之间的欧式距离，将计算后的欧式距离进行从小到大的排序，距离哪个特征最近则待识别的特征就是哪一类。

5.如权利要求1所述的一种非侵入式电力负荷识别方法，其特征在于，步骤1中的采集装置为STM32的非侵入式电力负荷采集装置，所述电流特征为离散序列。