非介入式负荷监测（non?invasive load monitoring, NILM）技术可以不侵入用户内部，仅通过对用户电表数据的分析就能获取用户各个用电设备的用电信息。NILM在居民负荷分解中的研究和应用很多，但在工业负荷上的应用却很少。一方面，工业负荷在负荷特性和负荷数据分布方面与民用负荷差别较大，致使许多应用于居民场景中的方法在迁移至工业场景后性能下降明显；另一方面，工业用户出于对保护隐私的考虑不会公开用电数据，利用有限的数据有效学习工业负荷设备知识是极具挑战性的。为应对这些问题，提出一种基于因子隐马尔科夫模型（factorial hidden Markov model，FHMM）的工业负荷分解方法。该方法利用FHMM的多条独立的隐状态链模拟工业负荷设备的运行状态转换过程，求解设备在各时刻所处的状态，即可结合状态能耗信息预测设备用电量。最后利用某工厂的现场能耗监测数据对所提方法进行测试，结果表明所提方法具有良好的负荷分解效果。