陈 飞， 杨 超， 鲁 杰

（贵州大学 电气工程学院， 贵阳 550025）

0 引 言

随着经济和科技的发展，人们对能源的需求逐渐增大。 这也导致自然界中化石能源的逐渐衰减。人们已开始意识到节约能源对人类发展的重要性。对于居民的负荷用电占比也逐渐增大，因此居民节能用电对缓解能源消耗也发挥着重要的作用［1］。20 世纪80 年代由美国学者Hart 提出一种基于非侵入式的负荷监测技术（non-intrusive load monitoring，NILM）的用电负荷识别技术［2］。 该技术为居民实时提供了家用负荷用电信息。

随着智能电网和大数据的不断发展，国内外机构的研究学者逐渐投入到NILM 的研究当中。 文献［3］针对家用负荷识别特征量难以优化，以及识别算法收敛性较差的问题，于是提出用暂态特征作为特征量，然后运用DTW 算法计算测试模板与参考模板之间的相似度，从而达到有效的识别，但是对于功率相同的负荷会出现混淆的情况，因而识别率不高。 文献［4］采用家电的稳态基波电流和谐波作负荷特征的参数，用改进的鸡群算法作为负荷识别算法，可以准确地识别在各种复杂情况下的多种电器，但是当负荷特征出现重叠时，其识别准确率却较低。文献［5］针对在低频采样中负荷识别的研究，提出了基于多特征序列融合的非侵入式负荷辨识方法，此方法具有较高的辨识度和准确率，但对于家电负荷的功率相近的可以进一步进行优化。 文献［6］选取了采用低频采样得到的家用电器的稳态电流作负荷特征，将离散差分进化算法应用在居民侧负荷分解上，能够准确分解连续可变型、多工作模式型等复杂的家电负荷，但是可以发现当电流发生叠加时，对小电流的家电负荷识别精度下降。……