成贵学，陈博野，赵晋斌，费敏锐

（1.上海电力大学计算机科学与技术学院，上海 200090；2.上海电力大学电气工程学院，上海 200090；3.上海大学机电工程与自动化学院，上海 200072）

构建智能用电策略是智能电网[1]适应新时代生产生活的迫在需求，智能用电策略对于改善居民用户用电方式，减少电能消耗具有重要作用。智能用电策略制定的关键是了解用电用户电器设备的耗能分配与使用习惯。传统的负荷分解采用在各用电器接口处安装传感器的方式直接监测用电情况。1992 年，Hart 提出非侵入式负荷监测技术NILM（non-intrusive load monitoring），相比之下，这是一种经济便利的监测方法[2]。随着大数据技术、人工智能算法的进步，以及智能电网、能源互联网[3]战略的推进，非侵入式负荷分解NILD（non-intru⁃sive load disaggregation）作为需求侧精细化能量管理的关键技术逐渐成为研究热点。

国内外研究者针对非侵入式负荷分解问题已经做了大量的研究。按照负荷数据的采样频率，可分为高频数据和低频数据两大类，其中高频数据包含总谐波畸变率、电压噪声和V-I轨迹这些状态信息。文献[4]将总谐波失真系数作为特征，提出一种改进的动态粒子群寻优算法，解决了过早收敛的缺陷，负荷辨识准确率显著提升；文献[5]采用主成分分析法对电网络数据降维后，利用Fisher 有监督判别算法对负荷数据实现有效分离。然而获取高频数据必须安装多个量测设备获取监测数据[6]，这会大大加重用户的使用成本。

有学者结合机器学习的方法，提出了K近邻[6]、支持向量机[8]、隐马尔可夫模型HMM（hidden Mar⁃kov model）[9]等分解方法。……