一种适用于非侵入式负荷分解的迁移方法，它通过实例化一个母模型并加载预训练权重；通过该模型运行新的数据集，并记录母模型中解码器的输出，提取其特征；使用输出的特征向量作为新的较小模型的输入进行训练。与之前的方法不同，这种迁移方法只需在目标数据域上运行一次母模型，而不是每个训练周期都运行一次。本发明的方法具有更优的模型架构，提高了模型的泛化能力，具有更高的数据质量。子模型的输入不再是传统的能耗序列而是经过母模型计算的特征，这也提高了负荷分解预测效果，降低了软硬件资源消耗，具有较高的实用价值。