武 昕，于金莹，彭 林，王庆华，闫雨龙

（1. 华北电力大学电气与电子工程学院，北京市102206；2. 华北电力大学环境科学与工程学院，北京市102206；3. 华北电力大学控制与计算机工程学院，北京市102206）

0 引言

工业互联网［1-2］和能源革命［3-4］的发展使中国电力工业微观环境发生了巨大变化，对供给与需求的交互和再平衡提出更高要求。工业负荷是需求侧的主要用户，因此有必要对其进行用电监测，有助于对用户提供高效能源服务，实现绿色与智能用电。

传统的侵入式负荷监测方法获取的数据准确可靠，但对工业用户有较大局限。工业设备运行的稳定性、持续性及可靠性有严格要求［5-7］，处于高压用电区域，若对其进行接触式或直接的监测，大量传感器的安装与维护不仅会影响生产设备的正常运行，还会造成工业生产及人员的安全隐患。因此，应尽可能选择在低压侧进行间接测量。非侵入式负荷监测［8］（non-intrusive load monitoring，NILM）仅在用户电力计量入口处采集总用电数据，经济投入小、安全性与实用性高，更易被用户接受。NILM 需从总负荷信息中获取独立负荷详细的用能信息，因此有效的数据处理方法是关键。

非侵入式负荷分解与辨识［9-12］是需求侧负荷管理的研究热点，目前大多数研究集中在居民用户［13-17］。文献［14］对分离后的负荷利用贝叶斯分类模型实现负荷辨识，自适应地构建独立负荷特征库。文献［15］利用深度学习算法将U-I 轨迹图像特征与功率特征融合，提高负荷辨识能力。文献［16］利用图形信号处理算法对负荷进行辨识。……