新型电力系统下,用电负荷数据多源异构性加剧、时空动态耦合复杂,难以同步捕捉负荷局部空间关联与长时序依赖规律,提取的特征区分度和完整度低。为此,提出基于CNN-BiLSTM的分层特征提取方法。该方法通过卷积神经网络提取负荷数据的空间局部特征,结合双向长短期记忆网络捕捉时序双向依赖关系,并采用主成分分析法对多层次特征进行融合,实现负荷特征的逐层提取与集成。实验结果表明,所提方法在常规场景下的特征区分度、提取完整度和特征准确度平均达到0.93、0.92和0.96,较对比方法平均提升约19.2%、29.6%和12.9%;在极端场景下,其特征区分度、提取完整度与特征准确度仍分别保持0.94、0.90和0.92,优于对比方法。证明所提方法能够提升特征提取的区分度、完整度与准确度,可为新型电力系统的精准感知与优化调度提供可靠的数据支撑。