刘一铭, 李惠民, 王乐挺, Hasan RAFIQ

(1.山东理工大学 电气与电子工程学院，山东 淄博 255049； 2. 山东网聪信息科技有限公司， 济南 250013; 3. 山东大学 电气工程学院， 济南 250100)

0 引 言

近年来，全社会用电量高速增长[1]，如何科学用电、引导用户侧提高用电效率引起了诸多关注[2-3]。与此同时，随着物质生活水平的提高，人们对用电体验也提出了更高的要求。因此，作为与“坚强智能电网”相辅相成的“感知通信应用担当”[4]，泛在电力物联网将智能用电技术视为一个关键组成部分。

非侵入式负荷监测(NILM)为智能用电技术的一种，通过分析用户电力进线处的电能数据，得到用户区域内部存在的负荷类别及其用电信息。由此，电网可更科学地进行电网规划、发电调度，制定动态电价政策[5]；更准确地订立及核实需求响应(DR)，审核企业的能效信息[6]等，有助于电网的安全经济运行。对于家庭用户来说，用电信息的透明化可帮助其了解自身的能耗构成，促进节电意识的形成[7]。因此，相关领域的研究具有重要意义。

学界围绕负荷辨识分解算法、NILM系统架构等内容开展了诸多研究。G.W.Hart开创性地提出了通过分析电力进线处的电压电流来侦测负荷状态的概念[8]，并应用了“状态机”、特征域分析和动态时间规整等建模方法，为后续的NILM研究奠定了基础。受限于目前智能电能表的采样规格，实用性较强的低频采样负荷辨识成为研究热点：J.Kelly等将负荷分解视为曲线变换映射问题，使用神经网络、隐马尔科夫模型等算法对负荷行为规律进行了建模[9-10]。……