居民用电行为监测是智能电网建设的一项重要内容,也是实现电能合理分配的重要依据。用电负荷分类是居民用电行为监测的一个重要支撑,通过用电负荷分类了解居民用户的用电信息,从而预测家庭用电的高峰期和用电总量,并将此信息反馈给电网系统,电网系统可以精细地制定供电计划,最终达到节约能源的目的。本文设计了非侵入式负荷监测系统,实现居民用电行为的监测。该系统只需在居民的用电入口总线处安装电力监测设备,采集电流、功率等信号,为用电负荷监测提供数据支撑。然而,在非侵入式负荷监测技术研究中有两个难点:第一,国内没有专门用于非侵入式负荷监测技术研究的稳态谐波幅值数据库;第二,非侵入式负荷监测方法对于小功率居民用电负荷与特征相近电器设备的分类效果较差。本文以常用的居民用电负荷为研究对象,采集用电负荷的稳态电流谐波幅值数据,并建立电流谐波幅值数据库。对于小功率居民用电负荷与特征相近电器设备的分类效果较差的问题,本文提出了一种特征差异强化算法对幅值数据进行处理,通过强化函数处理稳态电流谐波幅值数据,强化各类居民用电负荷用电特征,得到强化数据库。并以概率神经网络(PNN)作为分类器,以特征值没有进行强化处理和强化处理后的两数据库训练网络,分别得到训练模型,并将两模型应用于用电负荷分类。实验结果表明,以稳态谐波作为用电负荷分类的特征值,采用PNN网络进行分类,其分类准确率达到88%以上,对于小负荷、特征值相近的用电负荷对其特征值进行强化处理后其分类准确率明显得到提高,最佳情况已经达到了100%。