负荷用电细节监测能够获取电力用户内部每个（主要）电器实时的用电信息。它属于智能电网的高级量测体系技术领域，处于电网的需求侧配、用电结合部，工程意义重大。非侵入式电力负荷监测（NILM）仅通过分析负荷总量数据便可实现负荷用电细节监测，具有成本低、实施容易、可靠性高和用户易接受等优点。针对既定陌生场景，自主NILM依据关于电器运行特性的先验知识，能够在不侵入负荷内部获取单个电器用电数据或开展负荷组成调研的情况下，自适应建立和更新个性化电器负荷印记库，从而实现NILM。对此，本文开展了以下研究：
　　（1）为了识别陌生的电器（工作状态），首次提出了一种完全无监督的非侵入式电器负荷印记模板自适应构建（简称自适应建模）方法。其中，首次使用序列模式挖掘技术建立电器的完整工作循环，提出了“事件关联规则”以建立同一电器不同工作循环之间的关联，提出了一种增量电器有限状态机（FSM）模型拓扑图生成算法以自动建立和动态更新电器的工作状态集合及其不同状态间的转换关系，进而可获取电器负荷印记。测试结果表明，本文方法仅利用负荷总量数据便可自动建立和动态更新多种类型电器的负荷印记模板集合，填补了国际空白。
　　（2）为了建立完整的电器负荷印记库，需要依据关于电器运行特性的先验知识，利用已建模陌生电器的识别结果自动为其赋予物理名称（简称自动命名）。对此，提出了一种融合非参数特性的电器模型自动命名新方法。其中，首次提出了电器非参数特性的概念，并给出了“固定时长”和“周期运行”两种非参数特性的判别算法，进一步在定义了非参数电器集合的基础上，建立了融合非参数特性的自动命名两层决策方法。测试结果表明，本文方法可有效克服参数特性泛化能力弱的问题，从而提高命名的准确性和鲁棒性，缩短所需的推断时间。
　　（3）为了优化给定负荷印记情况下已建模电器的监测性能，提出了一种基于动态时间规整（DTW）算法的非侵入式电器工作状态识别新方法。其中，首次使用DTW算法量度时间长度不定的暂态功率波形样本序列与模板序列之间的相似性，定义了融合多种暂态功率波形特征的基于DTW的综合距离。测试结果表明，本文方法不但能够提高给定负荷印记情况下电力负荷暂态过程和电器工作状态识别的准确性和鲁棒性，而且简便易行、可有效控制系统成本。
　　（4）提出了一种基于增量学习的完全自主NILM框架，设计了相应的系统实施体系结构。在此指导下，基于本文成果开发的硬件装置和软件系统已在实际场景中成功应用。实践表明针对既定陌生场景，该系统能够完全自主运行，在自适应建立和更新个性化电器负荷印记库的基础上，实时监测已建模电器工作状态。