一种基于K均值和改进AlexNet的非侵入式负荷事件检测方法，包括：首先对电器的功率数据进行加噪、中值滤波、归一化操作，丰富数据信息，加强数据区分度，降低过拟合风险；然后，以一定大小的窗口对处理后数据进行采样，每个窗口内的数据作为一个事件，利用K均值聚类算法结合动态时间规整算法，自动聚类各个不同的事件并添加对应的标签；最后，设计了一种改进AlexNet网络模型，使用聚类后的数据加以训练，利用卷积神经网络强大的特征提取能力来区分各类电器的起、停事件，把变点检测问题转化为分类问题。本发明所提出的方案识别效果好、模型参数量少，提高了非侵入式负荷事件检测的准确率、降低了检测算法所占用的硬件资源，具有较高的应用价值。