针对智能用电对于精细化负载数据以及精细化用电行为挖掘等技术的需求,提出了基于协同进化的多目标粒子群算法的非侵入式负荷识别方法,用以非侵入式负荷监测的精确识别。首先,介绍了非侵入式负荷监测系统的基本框架,对常见家用负荷的稳态特征和暂态特征及提取方法进行了分析。为了从有限的训练数据中提取更多有用的信息,提高识别准确率,利用互信息法选取对目标器具识别相关和最有效的电气特征;在互信息分析的基础上,选取5个电气特征组成了多特征输入空间。其次,分析了负荷识别中的数学优化和模式识别两种分解方式,通过实验讨论了K近邻算法、AP聚类算法和遗传优化算法在求解非侵入式负荷识别问题的适用性。针对负荷识别中使用单特征寻优的准确性不足的问题,提出了基于协同进化的多目标粒子群算法的NILM识别方法。利用多个子种群协同进化的方式寻找每个子种群的局部最优和全局最优解,进行多目标优化识别。利用公开数据集,对提出的分解识别算法进行实验验证,并与其他文献的方法进行了对比分析,证明了方法的有效性。最后,针对具有相似电特性的负荷容易出现错误识别的问题,提出了一种基于负荷切换概率分布曲线的识别结果修正方法。利用BP神经网络训练得到各负荷的切换概率分布曲线,分析负荷运行规律,对识别结果进行了修正。