随着环保力度的日益加大和能源的逐渐枯竭,节能减排成为创建清洁环保型社会的有力措施。为了迎合节能减排这一目标,电网正逐渐向智能型和节约化方向发展。家庭负荷监测技术作为智能电网用户侧的关键技术环节之一,是构建坚强智能电网的基础。为了突破传统电表只量测功率,不能分析用户负荷组成和行为习惯的瓶颈,非侵入式负荷监测技术由于其成本低和保护用户的隐私受到国内外众多学者的关注。负荷检测技术分为两类,其一是侵入式负荷监测技术,它需要在每个家用负荷上安装传感器,来进行量测各个用电设备的电力信息。其二是非侵入式负荷监测技术,它只需在家庭总线处安装一个传感器,获取家庭总用电信息,使用负荷分解算法实现对家用负荷的分解,得到每个设备的能耗信息和运行状态情况。本文提出的基于机器学习的住宅用电负荷非侵入式分解研究,主要包括以下内容:（1）对采集的电力信号进行降噪处理。在对家用负荷进行数据采集时,因采集过程中多种原因致使采集到的电力数据掺杂各种噪声,噪声将会对负荷辨识和分解造成影响。本文采用小波包对稳态信号进行去噪,和数学形态学滤波器对家用负荷开闭暂态信号进行去噪,经过大量的实验表明,选用的滤波方法可以实现较好的滤波效果。（2）对稳态过程的非侵入式电力负荷辨识。本文所定义的稳态过程为家用负荷不发生开闭状态转换,无投切事件发生,在一段时间内稳定的运行。对稳态过程的电力特征采用了非监督型机器学习算法,主要运用灰狼算法改进的模糊C均值进行对电力设备聚类,获得各种负荷的聚类中心和标签,最后使用最大最小贴近度对电力负荷进行辨识。（3）对暂态过程基于事件检测的非侵入式家用负荷辨识。本文定义的暂态过程为,由一个稳态过程过渡到另一个稳态过程,使用事件检测方法来对负荷投切过程进行定位,确定负荷投切的时刻。使用改进的形态学滤波器对负荷投切事件进行定位,提取暂态过程的电力设备特征,采用鲸鱼算法改进支持向量机的监督型机器学习算法,对提取的暂态负荷进行辨识。（4）使用因子隐马尔科夫模型对总负荷进行分解。本文使用不设置聚类种类数的均值漂移算法,对各单一家用电器建立隐马尔科夫模型。对于分解多负荷的情况,为了降低计算的复杂度,使用因子隐马尔科夫模型分解总负荷电流,将负荷总电流分解问题转化为寻找最大概率优化的问题,采用改进的Viterbi算法对FHMM进行优化,缩小求解空间范围,加快负荷分解计算效率。算例证明在保证分解效果的前提下,分解的计算效率有效加快。