本发明公开了一种基于深度神经网络的对抗性能量分解方法，将抗性学习的思想引入到NILM中，采用序列到点(Seq2Point)进行学习，将家庭能耗功率窗口序列y(t‑W/2:t+W/2)作为输入，预测电器的中点t的能耗功率。首先，通过端到端训练好N个电器特征生成器G_i；然后，通过N个判别器D₁,D₂,…,D_N，用N个电器特征生成器G₁,G₂,…,G_N以对抗方式训练共享特征生成器G以及N个电器预测器C′₁,C′₂,...,C′_N，该训练使共享特征生成器G不仅学习到不同电器的碎片表示，而且使其捕获到每个电器的特定多模结构。在真实数据集上的大量实验验证，本发明可以提高每个电器能耗功率分离的精度以及整体分离的精度。