刘兴杰，许月娟

(华北电力大学(保定)，河北 保定 071003)

0 引 言

家用负荷是电力用户侧管理的重要组成部分，集中体现了电网的智能化程度，家庭负荷投切行为的辨识是电力需求侧管理的关键技术，通过辨识技术，及时了解用电行为习惯，积极响应节能政策，促进用户合理用电，对未来电力市场的发展具有重要意义[1-4]。

负荷用电信息的监测分为侵入式和非侵入式两种，非侵入式负荷监测技术因成本低，安装方便且维护简单等优点[5-6]，成为近年来研究的重点。目前，国内外学者对家用负荷投切行为的辨识展开了广泛的研究，文章[7]基于智能能源管理系统构架，通过响应资源调制机制对用户用电行为进行了优化。文章[8]通过采集智能电表中的负荷用电数据，挖掘隐藏的用电行为习惯，为电力需求侧响应政策的制定提供了一定的数据支持。对负荷投切行为的特征进行辨识时，选择的特征包括功率、电流谐波、谐波能量等，取得一定的研究成果，但对单一特征的辨识精度仍有待提高。另一方面，对负荷投切行为辨识算法的研究较多，包括人工神经网络[9]、遗传算法[10]、聚类[11]等算法，而与前面所述算法相比，粒子群优化算法(Particle Swarm Optimization，PSO)是一种基于群体的优化工具，更适合科学研究和工程应用[12]，成为研究的焦点。文章[13]对PSO的加速系数和更新速度做了优化，对盲信号分离十分有效。文章[1,14-15]对PSO中的编码模式和适应度函数做了优化，但仍然是在PSO基础上对连续量的研究。……