智能用电技术作为智能电网体系的一个重要组成部分,其发展的好坏将会直接影响电网的经济运行与有序用电。为了获取更加精细的电力负荷监测数据来发展智能用电技术,目前主要采取“侵入式”监测的方法,即在用户家中每个电器上都设置传感装置来记录其使用情况,由于会影响用户的生活且投资成本较高,因此难以普及。非侵入式负荷监测技术则可以有效避免上述问题。本文对非侵入式居民负荷监测展开研究,通过对负荷特征提取与识别、用户负荷数据挖掘等方面展开研究,实现以非侵入式负荷监测技术来获取更加精细的电力负荷数据。本文主要分为非侵入式负荷监测特征提取与负荷识别方法、非侵入式负荷分解方法和面向智能用电的非侵入式负荷分解典型应用三个方面,具体内容如下:首先介绍了非侵入式负荷监测中常用的特征提取方法以及负荷识别方法。针对现有方法普遍利用负荷的暂态特征进行分析,对数据采集设备精度要求高,在实际中难以应用的问题,提出了一种新的负荷特征提取方法,该方法除了考虑用电设备本身的电气负荷特征之外,还充分挖掘了历史数据中隐藏的细节信息;针对数学优化算法在处理负荷识别问题时求解效率低的问题,提出了一种基于神经网络的非侵入式居民负荷识别方法,该方法利用神经网络模式识别技术,实现了精确的非侵入式负荷识别。针对非侵入式负荷分解问题,本文提出一种基于用电设备工作模式识别的非侵入式家庭负荷分解方法。首先,提取了家用电器的电流波形、有功功率、无功功率稳态特征,在此基础上提出一种新的用电器工作模式判定方法。然后,采用人工神经网络进行电器工作模式的识别,实现家用电器负荷的精确分解。最后,通过仿真实验表明:本文方法能够实现负荷的有效识别与精确分解。针对面向智能用电的非侵入式负荷分解典型应用,本文在对非侵入式负荷分解问题研究的基础上,进一步研究了对负荷分解后的状态数据进行深度挖掘,分析了非侵入式负荷分解在智能用电技术中的用电行为分析和电力需求侧管理业务两方面的应用。