随着电力改革的持续深入,以及建设全球能源互联网的大背景下,准确掌握住宅用户的电能消耗信息,将是构建智能电网的重要基础,同时也是关键环节之一。负荷监测可以分为两种监测方式,一种采用的是传统的侵入式负荷监测方式,另外一种采用的是非侵入式负荷监测方式。对于传统的侵入式负荷监测方式而言,需将对住宅内每个用电设备安装监测装置,从而会造成安装成本较高,推广难度较大,实施起来举步维艰等问题。然而对非侵入式负荷监测方式而言,在住宅外部入口处,仅需通过安装一个主电表,然后再利用主电表上面的电能信息使用负荷分解算法来实现对住宅内部不同用电设备电能消耗与投切状态进行监测等。本文提出的面向住宅用户的非侵入式负荷监测方法研究,其主要内容包括:（1）基于事件检测的非侵入式负荷辨识,本文通过短期环比变点检测算法来对家用电器负荷进行事件检测,从而获取负荷的投切时刻。再对家用电器负荷的稳态电力负荷特征进行提取,并采用融合莱维飞行与黄金正弦的蚁狮优化算法结合支持向量机的分类算法,实现对提取得到的家用电器负荷稳态特征进行分类识别。（2）基于暂态特征的非侵入式负荷辨识,本文首先通过Simulink平台搭建一户住宅中的用电设备仿真模型,来获取家用电器负荷在启动过程中的暂态电流信号,其次通过连续小波变换（CWT）对家用电器负荷的暂态电流信号进行时频分析,从而来获取暂态电流信号的能量分布图,然后通过多尺度特征提取的方式,从灰度化后的能量分布图中得到差分盒维数,并同时与基频小波能量均值与三次谐波的小波能量均值来组成负荷的暂态特征向量,最后采用K近邻算法（KNN）来验证所提的暂态特征向量对家用电器负荷更具良好的负荷辨识效果。（3）采用空洞残差收缩卷积网络对负荷进行分解,本文使用序列到点网络模型（seq2point）的改进非侵入式负荷分解方法,其中利用普通卷积层来提取浅层的负荷特征,采用空洞卷积层来解决一些长时序的数据较难学习的问题,及采用残差收缩网络中的“注意力机制”+“软阈值化”的思路对负荷特征信息强化与冗余消除,以提高负荷分解精度。实验结果表明,相比其它模型的负荷分解方法,在多种评价指标中空洞残差收缩卷积网络具有良好的分解效果。