1.一种适用于非侵入式负荷监测的自适应启发式网格聚类方法，其特征在于，包括步骤如下：S1，选取RAE和REDD数据集中低频数据并进行预处理，将选取的数据转化为包含总负载、小时、星期和月份的四维张量；

S2，利用时间窗口对总负载测量序列进行事件检测，生成包含事件幅度和时间参考的四维矩阵，并利用启发式网格聚类算法对事件进行分组，不同的聚类结果代表设备在运行过程中不同的状态；

S3，根据事件分组结果和各设备在运行过程中状态变化，构建状态转移矩阵；依据零环和约束，对周期内的功率幅度转移进行调整，使转移幅度的总和趋近于零；依据设备的能耗周期和状态转移矩阵，重构设备的能耗序列，完成对设备能耗的估算，并推算设备的使用频率。

2.根据权利要求1所述适用于非侵入式负荷监测的自适应启发式网格聚类方法，其特征在于，对选取数据的预处理如下：从时间序列中提取时间属性，转化为包含总负载F(t)、小时H(t)、星期W(t)和月份M(t)的四维张量，通过正弦函数和归一化处理统一数据尺度，表达式为：，

其中， 、 、 分别代表一天中的总小时数、一周中的总天数和一年中的总月数；

表示总负载， 表示小时负载， 表示星期负载， 表示月份负载。

3.根据权利要求1所述适用于非侵入式负荷监测的自适应启发式网格聚类方法，其特征在于，步骤S2中，若在时间窗口内满足以下任一条件则判定为事件：总负载的局部变化大于等于阈值 ；或时间窗口输入与输出的功率差值的绝对值 大于等于阈值 ；

，

其中， 表示时间窗口内功率的平均值， 表示在时间窗口内第i个时间点的功率测量值，n是时间窗口内的测量点数； 表示第n个时间测点；

当某个电器突然开启时，功率会出现较大波动，此时 的值会相应增大，此时需要计算局部平均功率 作为过渡的幅度：，

当 时，将 注册为事件；

时间窗口输入与输出的功率差值的绝对值 ,体现窗口内功率的变化幅度，计算公式如下：，

其中， 、 分别是时间窗口起始和结束时刻的功率值；

当 时，将 注册为事件。

4.根据权利要求1所述适用于非侵入式负荷监测的自适应启发式网格聚类方法，其特征在于，步骤S2中，利用启发式网格聚类算法对事件进行分组的实现过程如下：S21，在k维空间中初始化一个包含N个箱的网格结构，将检测到的事件数据填充到网格结构中；将填充有数据的网格空间定义为块，接着计算每个块的密度和中心点，依据密度将块分为主块和普通块，并识别出主块，所述主块具有高密度且其直接相邻块未被选为主块；

S22，以中间范围作为相异度指标，将具有相似特征的事件归为同一类；中间范围的计算公式为：，

其中，Mid‑Range代表中间范围，用于评估事件特征的差异程度，通过比较不同事件块的中间范围值，判断事件间的相似性；u 代表网格结构中块 的一个事件， 表示在网格结构中块 里事件u所包含数据的最大值， 表示在网格结构中块 里事件u所包含数据的最小值；

S23，对块进行合并；

如 ，则将普通块与主块合并， 表示主块和

普通块合并后的密度， 表示主块的初始密度；

如 ，普通块被视作新的独立聚类；

对其余块重复上述判断过程，直至没有符合合并条件的块。

5.根据权利要求1所述适用于非侵入式负荷监测的自适应启发式网格聚类方法，其特征在于，步骤S3中，将聚类结果与设备运行阶段的起始和结束标记相关联，构建出状态转移矩阵；状态转移矩阵的行和列索引代表设备的运行阶段，矩阵中的值表示不同阶段之间是否可以发生转移；

在一段时间内，对于同一设备，将功率幅度相近、变化趋势相似的信号归为一组，确定为一个完整的消耗周期；

对于一个包含 s 次功率幅度转移的周期，依据零环和约束，满足以下条件：，

，

其中， 是初始周期中的第s次转移， 是功率振幅过渡值， 是定义周期有效容差区间的阈值。