针对目前非侵入式负荷监测仅能识别单个家用电器，多种家用电器同时运行识别率低的问题，提出一种基于CNN与K-means聚类结合的非侵入式家用电器识别方法。首先，通过改进的CUSUM边沿检测算法对获取的用户用电数据进行时间检测，提取负荷发生投切事件的功率波形。其次，通过高斯滤波法对提取的功率波形进行滤波处理，并将处理后的波形转化为像素图作为负荷特征库，一部分作为训练集用来训练K-means算法改进后的CNN模型，一部分作为测试集测试模型识别的精度；最后，利用搭建的实验平台进行实际测试分析。实验结果表明，所用模型对七种家用电器识别率均为100%，验证了模型的有效性。通过K-means算法对卷积神经网络进行改进，增大相似特性负荷特征之间的区别，提高负荷辨识的准确率，为非侵入式负荷检测技术开发提供了参考。