非侵入式负荷监测(NILM)是针对电力系统的发展理念框架,相对于传统负荷监测方式,非侵入式更加智能化。NILM通过在供电入口安装信号传感器采集负荷运行时的电流电压信号,再通过软件的方式进行分析或者传入后台分析,能够进行负荷识别、负荷管理以及预测故障发生。对电力公司而言,NILM能够帮助其了解每个住宅或者其他整体结构中用电负荷的构成及负荷信息,从而能够加强对负荷的管理等。用户能够对家庭用电的耗能数据进行统计与分析,能够帮助用户对电能的合理利用,减少不必要的损耗。不同负荷投入与切出都会表现出独特的暂态特性,通过对暂态事件发生点或者时刻进行检测,记录其详细信息进一步做处理。暂态特征能够在一定程度上克服利用负荷稳态特征对负荷进行识别的局限。负荷稳定运行时电流中包含有谐波成分,会引起电流产生一定程度的畸变,可以通过傅里叶分析其谐波成分,可以发现其成分不同。该特征可以应用于多种负荷都处于稳定运行状态时,对混合电流分解成独立的分量。二维图形特征V-I轨迹可以对负荷进行刻画,不同电器所形成的V-I轨迹区域是不同的,例如电阻型为直线等。文章主要具体工作及研究如下:(1)利用采集的不同负荷投入和切出时的暂态信号,使用非参数化CUSUM对信号突变点检测与原始突变点进行比较。采用加窗的方式对非参数化CUSUM改进,将改进后CUSUM得到的结果与非参数化CUSUM结果对比,改进CUSUM有较好准确度。(2)利用负荷产生的混合电流由负荷独立运行时电流相互独立叠加的特性,将电力负荷分解问题利用盲源分离模型进行建模处理。对负荷混合电流信号进行中心化和白化预处理,利用独立成分分析对混合电流进行分解得到分解电流,构建评价函数对分解结果进行量化。(3)以负荷正常稳定运行时电压V、电流I为基础并对其标准化作出V-I轨迹,提取V-I轨迹区域具有的特征参数,并将提取的特征参数作为样本,利用模糊聚类(Fuzzy Clustering)对样本与待识别负荷特征参数构建的数据集分类,以是否属于同一类判断负荷类别。在MATLAB平台进行仿真实验证明,V-I轨迹的模糊聚类能够实现负荷种类的分析。FastICA可以对混合信号分解出完整波形,整体效果较好。对CUSUM进行改进并使用暂态信号进行验证,改进CUSUM突变点检测误差低。利用实测负荷连续投入产生的电流信号进行验证,能够实现突变点检测及混合信号的分解,通过相关评价准则,该方法在应用中能够实现负荷的识别。