La mayoría de los métodos actuales de monitoreo de carga no intrusivos se centran en el análisis de características de carga tradicionales y la optimización de algoritmos, carecen de conocimiento sobre los hábitos de consumo eléctrico de los usuarios y tienen una precisión deficiente. Proponemos un nuevo enfoque de IndRNN dinámico bidireccional guiado por atención. El método primero extiende datos secuenciales o multidimensionales a una estructura de gráfico topológico. Utiliza de manera efectiva el contexto global siguiendo una topología gráfica adaptativa derivada de cada conjunto de contenido de datos. Luego, la red Graph IndRNN bidireccional codifica las señales agregadas en diferentes nodos del gráfico, que utilizan la transferencia de información de nodos y la agregación basada en la medida de entropía, las características de atributos de potencia y las características estructurales relacionadas con el tiempo de las señales del dispositivo correspondiente. La función incorpora dinámicamente interacciones contextuales locales y globales desde direcciones positivas y negativas para aprender la información de nodos vecinos para la descomposición de carga no intrusiva. Además, utilizar el mecanismo de atención secuencial como guía mientras se elimina información redundante facilita el razonamiento flexible y establece buenas relaciones entre los vértices. Finalmente, realizamos evaluaciones experimentales en múltiples datos de código abierto, demostrando que el método tiene buena robustez y precisión.