未来规模化电动汽车的发展趋势适应当前国家“新基建”的号召，且为缓解化石能源危机以及环境问题提供了新的契机。然而，大量电动汽车充电具有随机性及不确定性等特点，是保证电网安全稳定运行所面临的巨大挑战。其中家庭用户的充电无序性更强，因此，对家庭充电负荷进行实时监测与提取，制定相应的需求响应策略或能效管理模式对其充电行为加以引导具有重要意义。为此，本文提出了一种利用电动汽车充电负荷低频特性的非侵入式充电负荷提取方法。首先，采用两阶段分解技术提取智能电表低频分量，在此基础上，利用事件监测和动态时间翘曲（dynamic time warping， DTW）方法来估计最接近的充电时间和振幅。然后，以分解得到的电动汽车充电负荷和集总智能电表功率为输入，采用CNN-Attention-LSTM神经网络算法进行训练，预测家庭用户短期内的电动汽车充电情况。并通过多个算例验证了算法的有效性。