本发明提供了一种基于DANN域适应学习的非侵入式居民用电负荷分解方法，包括如下步骤：1)采集电力负荷入口处的功率数据；2)对采集的数据依次进行提取、格式转换、数据扩充和标准化处理；3)构建域适应学习DANN模型，利用预处理后的数据对DANN模型进行训练，自动提取负荷特征；4)利用训练完成的DANN模型对待分解的主表功率数据进行负荷分解，获取每个用电设备的运行耗能信息。本发明采用DANN域适应学习方式，混合源域与目标域数据对网络进行训练，提高了任意未知家庭用电设备的负荷分解精度，提升了模型的泛化能力，对未来大规模部署负荷分解系统起到了前瞻性的作用。