随着信息科技的不断深化发展,物联网及智能感知设备逐渐深入到人们的日常生活中,不断改变着人们的生活方式和行为。智能电网(Smart Grid)是目前物联网技术最成功的应用之一,如何利用智能电网技术更好的提升人们的生活质量逐渐引起学术界和工业界的关注。遗憾的是,虽然智能电网技术在用电调度、故障检测等诸多领域取得了极大的成功,但如何深入挖掘利用智能电网数据中蕴含的用电模式信息,进而实现基于用户个性用电行为的隐私保护、智能推荐等功能,仍然是有待解决的重要难题。本文关注用户用电模式分解问题,即如何从总用电信息中分解出单独电器的用电信息。本文提出了一种基于非负矩阵分解的方法,该方法通过对已有详细用电信息的智能家庭数据进行模型训练,在仅获取新用户总用电功率的条件下,得到智能家庭详细用电模式。本文以期为本领域的研究者们提供了一个全新分解思路。本文的研究工作和主要贡献如下:1.如何建立用户用电模式统一分解模型?在分解方法中,分解算法模型是重中之重,一个具有高性能的分解模型是方法能够成功应用的前提。在充分研究NMF这种基础算法后,怎样建立一个统一的智能家庭数据分解模型是一个亟待解决的问题。这个模型应该充分利用已有的智能家庭用电数据,具有基础的分解性能,分解的结果能基本满足用户需求,为用户所接受。2.如何在模型中加入更多的数据信息提升算法的性能?在现实的生活中,用户间普遍存在着相互关系。这些关系广泛应用于社交媒体、信息推荐和协同过滤等领域。在本分解模型中中,利用这些关系信息来提高分解结果的准确率也是本文重点研究方向之一。3.如何建立一个统一的智能家庭数据分解框架?智能家庭用电数据分解方法应该包含自数据采集至数据反馈一整套分解流程。建立符合用户习惯,满足用户需求的分解统一框架是本论文需要解决的问题。为了解决上述的主要问题,提出了一个基于用电模式约束的智能家庭用电行为分析方法,该方法的主要步骤如下:1.本文在基础算法的前提下,充分考虑数据分解中的迭代关系,将训练过程和分解过程有效的融合,建立了一个统一的分解模型。在这个模型中,训练数据在分解后重构,测试数据在分解时充分利用训练的结果,且在迭代过程中训练数据和测试数据的结果相互促进以提高分解性能。2.为了利用数据间的潜在关系,本文提出了应用于社交媒体的同质性假设,即用户间在总用电量相似时在单独电器间亦有相似关系。基于此种假设,通过引入包含这种信息的拉普拉斯矩阵,在分解模型加入有效的同质性正则化约束,提高分解模型的性能。3.为了建立一个统一的分解框架,本文在充分研究分解算法的基础上,综合考虑系统中的主要几个元素及元素间的相互关系,建立了一个自数据采集至数据反馈整个流程统一分解框架。最后,本论文通过多次重复实验证明了本文方法具有的更优分解性能。实验结果表明,本文的方法在分解结果的准确率明显高于已有的其他方法。该方法在输入端仅需要用户的总用电信息,可以被方便快速的应用到各个家庭。本文提出的统一分解模型,可以通过正则项的方式加入更多数据的信息以提高分解性能,具有更好的可扩展性。