本发明提出了一种边缘机器学习下基于特征融合的非侵入式负荷识别方法，该方法通过对获取到引起投切事件的负荷电压电流数据进行处理；其中，对电流数据进行快速傅里叶变换得到频谱特征，构造7维的特征向量；对电压和电流数据转换为电压‑电流轨迹特征图利用自编码器神经网络得到32维特征向量；最后利用TOPSIS法计算两个向量与特征库里每个负荷特征向量之间的相似度与阈值比较进行负荷识别。本发明具有准确识别未知负荷的能力，识别到未知负荷的时候，可以将未知负荷的特征向量添加到特征库中进行标记即可更新特征库。本发明可以在STM32MP1为核心的嵌入式Linux系统下，利用Tensorflow Lite工具的嵌入式AI来完成，可以提高整个系统的实时性。