非侵入式负荷监测(Non-Intrusive Load Monitoring,NILM)技术可以通过对集中供电点电压电流数据的检测和分析,分解出该供电范围内不同类别负荷的分时能耗及运行状态信息,向家庭能源管理系统(Residential Energy Management System,REMS)提供有效的能源管理基础信息。现有NILM技术存在对采样装置要求高、求解运算量较大的问题,难以直接在量大面广的居民用户中广泛使用。针对此问题,论文研究了居民负荷的基本用电特性,提出了表征居民负荷行为的特征量;并针对负荷行为及电气参数的不确定性特性,引入对负荷特征参数的统计性描述方法;提出了可以应用于居民智能电表的基于行为特征的NILM方法。主要研究内容及成果如下:1)根据居民负荷的特点,提出了表征负荷行为的特征量,该特征量可以直接由总负荷供电点的电流电压采样数据及其时间戳获得,不需额外数据。负荷行为特征可与其简单电气特征进行组合,给不同负荷提供较高的可识别度,避免了现有方法对负荷电气特征的细部特征(如谐波、暂态)的识别要求。2)针对居民负荷中同一类负荷的运行行为、功率和电气参数的多样性,提出了对其特征量的统计学表述方法。采用概率函数表达不同负荷的各个特征参数;对不同特征量在确定负荷类别时的重要程度通过隶属度函数进行描述。从而使得对于负荷特征的表达更加贴近实际负荷运行特征及状态,并据此提出进行负荷识别的方法。3)针对原始功率中的脉冲及纹波噪声影响负荷事件检测和匹配的问题。提出了基于功率增量的事件检测算法和基于功率增量和电流波形的事件匹配算法,有效提高事件检测和匹配的准确度。4)采用国际通用BLUED数据集、实验室数据以及实测家庭数据对论文提出的事件检测和匹配算法、负荷识别方法进行验证;事件检测成功率在99%以上,事件匹配成功率在92%以上,负荷识别成功率在85%以上。论文提出的方法具有对装置采样率和运算量要求低、负荷特征易提取、覆盖常见家用电器、数据库可更新的特点,有望在居民用智能电表中得到实现。