电力,作为一种清洁无污染、转换效率高的能源,近年来在我国能源结构中占的比重越来越大。通过监测建筑内电器能耗、状态等信息,并制定相应的节能策略,不但可以提高能源利用率、带来巨大经济效益,而且可以及时发现电气异常、减少用电引起的事故。因此加强对电力负荷的监测,对社会和个人都有重要意义。目前,主流的负荷监测方法分为两大类:成本较高但相对容易的侵入式方法和成本低但难度大的非侵入式方法,学术界研究主要聚焦于后者。虽然非侵入式负荷监测从被提出以来经历了三十多年的发展,但由于电器种类不断增加,原有的方法在实际应用中效果不佳,而关于整套非侵入式负荷识别系统的研究则很少有人涉足。本文首先分析了现有方法的优缺点,选择将谐波作为研究对象,在此基础上提出了负荷分解及事件检测方法。其次,使用决策树和逻辑斯特回归进行负荷识别,并在测试集上检验两种算法的准确率。最后提出了解决系统关键性能的方案。具体为:1.研究现有的非侵入式负荷监测方法,分析每种负荷特征的优缺点,考虑到在时域范围内进行负荷分解比较困难,最终选择电流谐波作为本次研究的对象。2.分析系统需求,提出功能需求及性能需求作为后期研究的目标。设计系统的整体架构,明确技术要点与难点。3.使用软阈值小波变换对电流进行滤波去噪,使用离散傅里叶变换提取电流谐波。论证了电流谐波具有叠加性,从而实现了负荷分解。依据负载发生投切时电流统计量随之变化这一事实,提出一种事件检测方法。4.构建训练集和测试集。使用训练集训练决策树和逻辑斯特回归模型,使用测试集两种模型进行检验,并在训练速度和准确率两方面对比模型优劣。5.针对需求分析提出的关键系统性能,提出相应的解决方案。对每种方案进行测试对比后,选择最优的方案构建系统,最终使得系统性能有了较大的提升。