涂 京，周 明，宋旭帆，周光东，李庚银

(华北电力大学 新能源电力系统国家重点实验室，北京 102206)

0 引言

智能电网发展带来的优势之一是电力用户与电网的友好互动[1]，即用户在价格或激励机制下主动调整自身用电行为，实现削峰填谷、节能降耗，同时降低用户用电开支。用户负荷监测是了解用户用电特性的主要方法，为分析用户用电行为、调整用电方式提供依据和指导，是用户参与电网双向互动的支撑技术。因此，研究有效的负荷监测方法对了解用户用电特性、开展智能用电、制定价格或激励政策具有重要的指导意义。

Hart教授于1982年提出了非侵入式负荷监测NILM(Non-Intrusive Load Monitoring)方法[2]，通过监测用户端口处的电气信息，采用数学算法根据用户总体用电功率分解得到各个用电设备的工作状态，进而分析各个设备的用电情况。相比于侵入式监测，NILM的成本低、安装维护简单，同时具有较高的准确度，实用性强，适用于家庭负荷监测等低成本监测场景[3]，具有广泛的应用前景。

家庭智能电表的普及使得NILM成为国内外智能用电研究的热点之一。总体而言，NILM算法可以归纳为监督学习算法和无监督学习算法。监督学习算法的识别准确度较高，应用较广，但用于模型训练的数据集需要人工预先标记。无监督学习算法可以使用无标记数据，但识别准确度较低，目前在事件检测和特征提取阶段有较多应用。在监督学习算法的研究方面，文献[4]应用了动态模糊C均值聚类和k-近邻k-NN(k-Nearest Neighbor)识别算法对家庭负荷进行识别，能够对低功率设备实现90%的识别准确率，效果较好；……