非侵入式负荷监测能给出各用电设备的具体用电信息，并可进一步对居民用电行为进行精细化分析，为居民用户参与需求响应创造了条件。根据非侵入式负荷监测得到的电器用电信息和用户的用电行为，能够引导用户改变用电习惯、优化用电行为，并帮助电网细致地掌握负荷组成，为电网的规划、发电调度提供指导，为实现供需双向互动与智能用电提供服务。
　　本文在对非侵入式负荷监测技术研究的基础上，对居民用电行为进行分析。提出了新的事件检测算法和负荷识别算法，建立了利用非侵入式负荷监测方法实现用电行为分析的完整体系，主要成果如下:
　　根据电器投切时总功率信号的突变，提出了基于滑动窗的事件检测算法，通过计算滑动窗功率序列的方差和电器投切前后稳态功率的差值，对投切事件进行检测，可以避免其它电器稳态工作时正常的功率波动引起误检测，并可准确地确定投切事件起点和终点的位置，划分电器投切的暂态过程和稳态过程。
　　在检测到有电器投切后提取负荷稳态工作时的电流特征作为负荷特征，建立负荷特征库。并提出一种基于Adaboost的样本筛选算法，在不影响负荷识别准确率的情况下精简负荷特征库，以提高后续负荷识别算法的识别效率。
　　将k-NN和核Fisher判别算法相结合用于未知负荷样本的识别，利用k-NN的简捷性对未知负荷样本进行首轮识别，根据k-NN识别结果来决定是直接得出电器种类还是进一步用核Fisher进行判别，以提高特征相近电器的识别准确率。
　　考虑了多电器同时投切或投切时间接近的情况，提取负荷投切暂态过程的暂态功率序列作为负荷特征，建立ELM结合PSO-GA的负荷辨识算法，根据单电器投切还是多电器投切分别采用ELM和PSO-GA算法进行辨识。
　　将设计的非侵入式负荷监测方法用于居民用电行为分析，统计出各电器的用电信息，包含启停电器的类型、启停时间、消耗电能、所用电费等内容，并利用家庭实测数据库进行实例验证，证明了所提方法能够在准确识别电器的基础上完成对居民用户用电行为的分析。