延 菲，张瑞祥，孙耀杰,3，陶余会，黄国平，孙伟涛

(1.复旦大学 信息科学与工程学院，上海 200433； 2.复旦大学 六次产业研究院，上海 200433；3.上海综合能源系统人工智能工程技术研究中心，上海 200433； 4.上海复旦复华科技股份有限公司，上海 200433； 5.中节能太阳能科技(镇江)有限公司，江苏 镇江 212132； 6.上海交通大学 电子信息与电气工程学院，上海 200240)

随着智能电网的发展和人工智能技术在家庭中的应用，分析用户用电模式，深入挖掘节能潜力，减少用电费用的同时实现削峰填谷，促进区域电网的安全稳定运行已成为趋势.为了获取用户的用电模式，负荷监测是一个重要前提，负荷监测包括侵入式负荷监测(Intrusive Load Monitoring, ILM)和非侵入式负荷监测(Non-Intrusive Load Monitoring, NILM)两类，ILM通过为用户内部每个用电设备安装传感装置，分别测量其实时功耗信息来实现，优点是计量的精确度高，但是要对现有用电器进行改造，实施和维护成本高、用户接受度低.NILM通过在用户进户线总开关处安装测量装置，采集用户端电压和总电流，然后利用数据分析技术得到每一个用电器的电能消耗信息.与ILM相比，NILM具有实施和维护成本低的优点，更适合于在居民用户侧大规模推广.

NILM系统的性能主要取决于负荷特征和识别算法的选取，国内外学者在这两方面做了大量的研究工作.负荷特征包括有功、无功功率[1]、电流谐波幅值[2]、V-I轨迹[3]等稳态特征，瞬态能量[4]、瞬态功率等暂态特征及用电模式[5]、使用颜色标注的V-I轨迹[3,6]等非传统特征.负荷识别求解方法……