对于电力系统的智能化发展,负荷监测具有非常重要的意义。传统的负荷监测方法一般是在每个负荷配电输出端,安装传感器等监测设备,这种侵入式的负荷监测方法在安装和维护方面需要大量的时间和金钱,且硬件维护成本较高。因此,研究人员提出非侵入式负荷监测(NILM)方式,只需要在电力入口处安装监测设备,通过监测人口处的电压、电流等信号就可以分解得到系统内单个负荷类别和运行情况。对于能源提供者来说,NILM有助于电力提供方了解用户的负荷构成,用电习惯和能源使用情况,加强负荷用电的监测和管理,合理安排负荷的使用时间,调节峰谷差、降低输电损耗等；单从技术本身考虑,有助于改善电力负荷的预测精度,为负荷监测的仿真分析、系统规划提供更准确的数据；对于电力用户来说,通过NILM可以对负荷能耗数据进行有效的分析,减少不必要的能源消耗,达到节能降耗的目的。家用电器用电情况在线监测是在智能电表中加入非侵入式家用电器用电监测模块,为满足在线用电管理提供有效且全面的数据支持。本文从三个方面进行非侵入式负荷识别的简单研究,首先根据空调负荷在夏季是家用负荷用电的主要耗能元件,基于k-means算法的改进应用于空调负荷的分解,使用边缘检测和k-means聚类方法将数据进行分类,利用数据确定空调行为的关键参数,这个参数用于确认空调的启停事件；其次提取负荷电流参数,选用电流最大值、平均值和均方差作为负荷识别特征参数,进行简单的识别。负载启动瞬态电流波形可以被获取到,激励瞬态特性的几个数值提取自获取到的与三个特性参数相关的瞬态电流波形,提取到瞬态特性参数,将其进行训练完善,标识为负荷识别特征参数,进而进行仿真验证识别效果；最后,根据提取到的电流、电压波形,计算负荷的多特征参数,加权赋值法来完成负荷类型的匹配,选择用电负荷仿真,将实验数据代入识别算法,验证算法的准确性与可应用性。具体工作如下：(1)首先检测到负荷的启停,根据电流波形的差分,获得投切负荷的波形图,之后对每个电流周期强度进行差分运算,得到总的瞬态时间,进而提取到该时间段内负荷电流的最大值、平均值和均方差作为负荷识别的参数设定。提取多负荷的这三个瞬态识别参数,进而可仿真验证算法准确性。(2)研究家用电器的稳态和暂态特征,提取家用电器的多特征参数。以16种家用电器作为参照设备进行实验,采样稳态运行的电压、电流波形数据,计算其多特征参数,建立特征参数模型库作为电器类型辨识数据库。(3)提出家用电器类型辨识算法。选取参照电器以外的某种电器进行仿真识别,将电压电流波形数据带入辨识过程进行计算分析,结果证明该辨识算法的正确性。选取两个家用电器做混合类型识别实验,利用上述方式进行分析。结果证明提出的辨识算法可以成功辨识多个设备同时在线运行情况。