汪 涛，梁瑞宇，黄 虎，丁 超

(1.南京工程学院电力工程学院，江苏 南京 211100；2.南京工程学院信息与通信工程学院，江苏 南京 211100)

非侵入式负荷监测(Non-Intrusive Load Monitoring，NILM)是一种利用大数据分析对电力系统负荷进行检测与分解的技术[1]，对电力需求侧管理的决策制度以及电网和电力用户互动体系的构建有着重要的意义。相比于侵入式负荷监测，NILM 需要安装的传感设备数量较少，是一种快捷、经济的负荷监测方法[2-3]。近年来，随着大数据分析、智能电网、智能电表[4]和智能家居等技术的不断成熟与推广，越来越多的学者开始专注于NILM 研究。

20 世纪80 年代，英国学者Hart[5]提出了非侵入式负荷监测的概念，同时构建了实现NILM 的框架结构。目前，非侵入式负荷监测可分为以高频采样和以低频采样数据为基础的两种研究方法。以高频采样数据为基础的NILM，通过获取负荷开断时刻的暂态特征进行负荷识别与分解。文献[6]提出了一种粒子群聚类算法，将电压有效值、电流有效值和3 次谐波作为负荷特征，实验证明了粒子群优化能够提高算法收敛到全局最优的速度。文献[7]通过提取电流图片特征辨别负荷类型。文献[8]提出一种强化谐波幅值差异的算法，对负荷谐波信息进行加权处理，模型对相似负荷电器的区别能力得到提升。以低频采样数据为基础的NILM，通过获取负荷的稳态特征，如稳态时的电压、电流、有功功率进行负荷识别与分解。文献[9-10]采用深度字典学习实现负荷分解。文献[9]提出深度稀疏编码法为各项设备学习多层字典，模型在学习深层字典后分解性能提升，但随着字典的深入，模型参数过拟合现象也越发严重。……