本发明公开了一种基于LSTM‑ELM的非侵入式电能负荷预测方法，包括以下步骤：(1)采集非侵入式电能表电能负荷时间序列信息，对负荷信息进行异常点识别修正，并进行归一化处理；(2)平稳化处理，分解得到包含不同时间尺度的局部特征信号的本征模函数IMF分量和残差分量；(3)建立长短期记忆网络(LSTM)，获取准确的高频分量序列；(4)建立极限学习机(ELM)网络，获取准确的低频分量序列；(5)建立基于LSTM‑ELM的非侵入式电能表电能负荷预测模型，实现电能负荷准确预测。本发明对非侵入式电能表电能负荷变化趋势做出判断，对局部变化细节做出精准预测，具有更好的预测准确度和性能，能解决非侵入式电能表电能负荷随机性强、负荷预测准确度不足等问题。