非侵入式负荷监测作为一种新兴技术，正在成为对终端用户设备用电情况进行实时监测和及时反馈的重要手段。随着智能计量和能源互联网建设的发展，面向用户的供电服务由单纯供能向智能互动转变，因而非侵入式负荷辨识的深入研究具有较强的理论挖掘与现实指导意义。
　　非侵入式负荷辨识目前尚存在特征量的分析不够细致、特征选择主观性强、辨识算法因未充分考虑特征量的信息表达差异而效果欠佳等问题，本文对此进行了系列研究，从数据预处理、特征提取和用电行为分析等方面对负荷用电特征展开了详细的讨论，围绕合理的特征选择标准和有效的特征选择方法进行深入的分析，并将特征选择方法融入非侵入式负荷辨识算法的改进，取得良好应用效果。具体内容如下:
　　首先，针对非侵入式负荷辨识的需要，对负荷用电特征进行深入分析。在利用数据预处理方法对负荷量测数据进行清洗与修补的基础上，对设备暂稳态过程进行分析，建立各类暂稳态特征量的计算方法，构建能够描述设备用电特性的暂稳态特征集。为提高谐波特征的代表性，提出以主成分分析法对谐波数据进行降维，同时采用基于高斯核密度估计的爬山算法进行主成分浓缩的谐波特征提取方法，实现了对设备用电畸变特性的精准描述。
　　其次，为在特征选择中排除冗余提高相关以优化非侵入式负荷辨识效果，提出了一种平衡冗余度和相关度的非侵入式负荷特征选择方法。基于近似马尔科夫毯判定，提出了特征集去冗判别依据，以特征预选次数为度量来确定特征选择的优先级，并采用结合CRITIC权重的互信息法对负荷初始特征集实施去冗处理，基于Relief-F方法建立特征相关度排序算法;在此基础上，本着平衡冗余度和相关度的分析思路，对初始特征集建立特征筛选策略，从而获取具备最小冗余最大相关的最优特征子集。同时在验证所提方法时，采用以十折分层交叉验证获取最优七值的K-近邻辨识算法，使得算例的结论更为客观、更具说服力。
　　最后，针对各电气特征量在表达不同设备用电特性上的差异性，提出了一种基于距离改进的模糊C均值聚类非侵入式负荷辨识算法。分析了以等特征重要性的欧氏距离为相似性判据的局限性，提出以熵权法配置特征的权重系数，并构建考虑特征加权修正的距离度量矩阵，实现了辨识算法中隶属度矩阵和聚类中心的修正与特征量信息表达能力的密切结合。为提升改进辨识算法的求解能力，进一步提出基于轮廓系数的最优聚类数目确定方法，以及基于最小生成树原理的量测数据暂稳态区间划分方法，有效解决了聚类数目设定不当引起的辨识精度不足及特征量准确抓取问题。
　　总之，本文在非侵入式负荷辨识的特征选择方法和辨识算法的改进上取得进展，能够较好的实现设备用电更精细的辨识。