本发明提供一种基于深度学习的非侵入式负荷分解模型，涉及电力系统智能电网领域。该基于深度学习的非侵入式负荷分解模型，包括输入层、中间层和输出层；所述输入层输入滑动窗口所截取的序列样本，所述输出层输出等长的且时间戳相对应的目标设备预测序列，通过输入及输出构建回归模型；所述中间层由神经网络所构成，对输入数据进行线性空间映射，并通过循环迭代更新网络参数，提取序列局部特征的同时，实现了特征序列尺寸和个数的还原；主要区别在于中间层引入了注意力机制，由多个Trans层串联而成，完全避免了CNN和RNN的使用，大大提高了模型对长序列数据的特征提取能力。两种方式的相互补充有助于模型对时序数据进行学习。