黄镓登，何爽，宁锦韬，袁旭峰

(贵州大学 电气工程学院，贵州 贵阳 550025)

随着用电智能化的提出，负荷预测[1-3]备受关注，要实现准确的负荷预测，必须得进行科学可靠地负荷监测。目前电力系统的监测分成传统的侵入式负荷监测与非侵入式负荷监测。侵入式负荷监测由于硬件安装成本高，监测设备本身的电力消耗以及不能很好的保护用户用电隐私等缺点，不利于广泛推广。而非侵入式负荷监测仅需在负荷总线处安装监测装置，克服了侵入式负荷监测的缺点，其通过复杂的数学算法分析电流电压功率谐波等特性，可在较高准确度的前提下监测用户负荷运行状态[4-6]。

负荷监测的根本在于依据负荷特征准确地辨识负荷类型，负荷辨识方法也因此备受关注。文献[7]提出了一种基于小波多分辨率分析，确立定性和定量规则，并通过数值研究对其识别。文献[8]采用改进的 CS算法求解负荷识别问题，并通过算例分析验证了所提方法的收敛速度和准确率。文献[9]基于当前负荷边沿检测方法准确度不高问题，提出了基于高斯滤波器和工业检测累加求和算法。文献[10]提出负荷辨识使用神经网络技术，将双向长短期记忆网络用于负荷监测。文献[11]提出了基于Fisher有监督判别的非侵入式居民负荷辨识方式，推动了非侵入负荷监测系统中负荷特征库的建立。

非侵入式负荷监测[12-16]应用很深，在文献[17]中提出小波变换系数的功率谱，将反向传播分类系统用于人工神经网络的构建和负载识别。……