随着江苏智能电网建设的不断推进,江苏电网的负荷发生了一系列变化,导致江苏电网的负荷特性越发复杂。这要求电力调度部门准确掌握负荷构成,实现负荷构成的深度感知。非侵入式负荷构成识别与建模技术通过采集用户端电气信息进行分析,分解获取用户各个电气设备的工作状态,既可以使用户更加了解自身的用电信息,又可以为电网提供需求响应的数据支持,为电网提升调度灵活性和增强可再生能源消纳创造条件。因此,低压电力负荷构成识别与聚合建模具有明显的理论意义和工程应用价值。本文利用和依据AMI系统积累的海量低压电力负荷数据,分析了非侵入式负荷监测与分解基本原理,总结了负荷分类及特征,研究非侵入式负荷监测与分解算法框架,识别负荷的粗粒度成分。总结了低压电力负荷建模方法,依托电力负荷云端集成分析平台的构建,实现负荷云端感知与在线聚合建模。主要的工作有:提出了面向用采数据的非侵入式居民负荷构成识别方法,构建了基于云端海量用采数据的聚合住宅负荷的ZIP模型。提出了基于因子隐马尔可夫模型的电力负荷分解模型,使用REDD数据集提供的5个家庭短期内数据对分解模型进行测试,结果表明了非侵入式负荷构成识别的能力。建立了基于用采数据的从下至上低压电力负荷聚合建模方法,实现对聚合负荷模型参数的在线更新。基于AMI数据,通过基于因子隐马尔可夫模型的电力负荷分解模型训练和计算工作。依据典型静态负荷模型和电器功率占比,得到家庭负荷模型,综合计算各家庭馈线上的负荷,实现低压电力负荷的在线聚合建模,实时更新模型参数。算例分析的结果证明了所提出的负荷识别与建模方法与负荷实际运行情况更加匹配,更符合建模预期,分析能力更强。并且将提出的识别与聚合建模方法应用于可中断负荷需求侧响应能力的问题,通过基于功率特征匹配的非侵入式负荷辨识和聚合,实现了负荷成分及可中断负荷比重的获取,能较好的实现需求侧管理要求。低压电力负荷构成识别与聚合建模方法可有效挖掘海量云端用采数据的潜在价值,高效实现馈线级负荷聚合模型的实时辨识和在线更新,揭示了“营销数据辅助运行调度”的新型泛在电力物联网数据驱动应用范式,也为推广应用新一代智能电能表等感知采集装置探明了新的应用场景。