针对卷积神经网络模型负荷识别性能差、识别时间长等问题，提出了基于遗传算法优化CNN-SENet网络的居民负荷识别方法。首先，在卷积神经网络通道加入SENet模块，提升模型对关键特征的重要表征能力。其次，采用加权像素化处理负荷的U-I轨迹图，得到WVI特征矩阵，将其作为特征参量构建CNN-SENet模型。最后，利用遗传算法优化CNN-SENet模型超参数，提升模型负荷识别性能。通过对比不同算法的负荷识别能力，验证了本文方法对卷积神经网络性能的提升以及在负荷识别方面更优的性能表现。同时，为进一步提升准确率，未来的方向将从改进优化算法出发，提升对超参数的寻优能力。
