En el estudio de la monitorización de carga no intrusiva, el uso de una sola característica para la identificación puede llevar a una diferenciación insignificante de cargas similares; sin embargo, la fusión de múltiples características puede combinar las ventajas de diferentes características para mejorar la precisión de la identificación. Basándose en esto, este documento propone un método de reconocimiento basado en la fusión de características y mapas de calor de matriz, utilizando trazas V-I, fase y amplitud de armónicos impares, y amplitud fundamental. Estos se convierten en mapas de calor de matriz, que pueden retener tanto los autovalores grandes como los pequeños de la misma característica para cargas diferentes y pueden retener diferentes características. El mapa de calor de matriz es reconocido utilizando SE-ResNet18, lo que evita el problema de que la profundidad de la CNN clásica sea demasiado profunda, causando degradación de la red y siendo difícil de entrenar, y logra una monitorización sin trauma de las cargas domésticas. Finalmente, el modelo se valida utilizando los conjuntos de datos PLAID y REDD, y la precisión de reconocimiento promedio es del 96.24% y 96.4%, respectivamente, con efectos significativos de reconocimiento para cargas con trayectorias V-I similares y cargas de múltiples estados.