基于窄带物联网与深度学习的校园用电监控及预测系统首先将电流互感器安装到校园工科大楼配电箱并采集数据,其中配备低功耗高灵敏度的开口式互感器,通过电磁感应原理将一次侧大电流转换侧二次侧小电流,进而进行电流监测,能够很敏感的探测线路电流的大小,同时以NB-IOT方式将数据上传到服务器,克服现场特殊环境导致的无线通信遮挡,简化现场部署时间和降低施工费用,实现以非侵入式的方式获取了学校工科大楼的用电数据。但采集数据存在有大量异常值和缺失值,严重影响后续的用电状态分析、故障诊断以及负荷预测,在利用基于pandas 的 pandas_profiling对数据进行探索性数据分析,通过机器学习相关技术,建立鲁棒的用电异常数据检测模型,探索数据特征之间的相关性,用于识别并剔除潜在的异常数据,提高数据质量。最终通过基于注意力机制的Informer结构对数据进行全面的负荷分析、预测。基于校园用电情况,基于NB-IoT的非侵入式能源监控系统,将推广到支持未来智能家居、用电负荷数据挖掘、及非侵入式故障检测等方向的研究。