智能电网的日益发展使得电网公司逐步向高度集约化、技术化的方向转型,配用电侧的智能化需求随着电网的发展不断提高,因此用电侧的智能化技术是目前的研究热点。负荷监测作为智能用电的关键技术之一,可以帮助电力公司及时有效地获取用户的用电信息,促进用户与电网公司实现友好的互动。目前负荷监测技术主要采用侵入式的方法,即在用电设备中安装数据采集装置,该方法经济成本较高,实用性较低。非侵入式负荷监测技术仅在电力入户处的电表内安装数据采集与监测设备,通过分析用户的端电压及总电流将总电力负荷分解为单一电器的用电信息,获取电器的用能情况。其中,负荷分解方法是负荷监测的重要内容。本文从稳态过程与暂态过程两方面开展了对非侵入式负荷分解算法的研究。首先,给出了非侵入式负荷分解的基本框架,从稳态特征和暂态特征两方面对典型居民电器的负荷特性进行了分析,从数学优化和模式识别两方面对负荷分解算法进行了介绍,并且对基于稳态过程与暂态过程的负荷分解方法的应用场景进行分析。其次,提出一种基于动态自适应粒子群算法的稳态负荷分解方法。在传统功率特征的基础上将总谐波失真系数作为新的负荷特征,对粒子群算法的惯性权重进行动态自适应调整,在不同噪声背景下采用动态自适应粒子群算法来实现总负荷的分离,实验结果表明该方法提高了算法有效性及鲁棒性。最后,提出了一种基于多尺度小波包优选的暂态负荷分解方法。构建了典型负荷投切过程中的有功功率负荷特征数据库,根据小波包能量熵选取最优小波基,采用多尺度小波包分解算法将暂态负荷特征库映射为标准化模板,根据采集信号与标准化模板的匹配程度进行负荷分解。实验结果表明,相较稳态负荷分解方法而言,暂态负荷分解方法有效解决了特征重叠现象。