Review on Event-inspection Based Non-intrusive Load Monitoring Algorithms

BAO Haibo; YANG Shuhui; CHEN Zimin; GUO Xiaoxuan; LI Jinghua

doi:10.7500/AEPS20220713005

您当前的位置：

首页 >

文章列表页 >

Review on Event-inspection Based Non-intrusive Load Monitoring Algorithms

Key Technologies of Load Characteristic Modeling and Forecasting for Diverse Users | 更新时间：2025-06-16

- Review on Event-inspection Based Non-intrusive Load Monitoring Algorithms
- Automation of Electric Power Systems Vol. 47, Issue 13, Pages: 94-109(2023)
- 作者机构：
  
  1.广西电网有限责任公司南宁供电局，广西壮族自治区南宁市 530031
  2.广西电力系统最优化与节能技术重点实验室，广西大学，广西壮族自治区南宁市 530004
  3.广西电网有限责任公司电力科学研究院，广西壮族自治区南宁市 530023
- 作者简介：
- 基金信息：
  
  China Southern Power Grid Company Limited(GXKJXM20190717)
- DOI：10.7500/AEPS20220713005
  CLC：
- Received：13 July 2022，
  
  Revised：2022-12-30，
  
  Published Online：14 April 2023，
  
  Published：10 July 2023
- 稿件说明：
移动端阅览
鲍海波,杨舒惠,陈子民等.事件检测类非侵入式负荷监测算法综述[J].电力系统自动化,2023,47(13):94-109.

BAO Haibo,YANG Shuhui,CHEN Zimin,et al.Review on Event-inspection Based Non-intrusive Load Monitoring Algorithms[J].Automation of Electric Power Systems,2023,47(13):94-109.
鲍海波,杨舒惠,陈子民等.事件检测类非侵入式负荷监测算法综述[J].电力系统自动化,2023,47(13):94-109. DOI： 10.7500/AEPS20220713005.

BAO Haibo,YANG Shuhui,CHEN Zimin,et al.Review on Event-inspection Based Non-intrusive Load Monitoring Algorithms[J].Automation of Electric Power Systems,2023,47(13):94-109. DOI： 10.7500/AEPS20220713005.

摘要

非侵入式负荷监测(NILM)可实现设备级用电数据的自动监测，是数字电网建设中传感量测环节的重要技术之一。文中对事件检测类NILM算法的研究成果进行了综述。首先，对事件检测类NILM算法进行界定，对其与组合优化类NILM算法的技术差异进行对比分析；接着，对事件检测类NILM算法的流程及一般方法进行了整理和分类评述；然后，按照事件检测类NILM算法流程的顺序，分别从事件检测、特征提取、设备辨识3个角度对提升事件检测类NILM算法性能的关键技术进行梳理；最后，对事件检测类NILM算法常用性能评估指标进行总结，并对事件检测类NILM算法的未来研究方向进行展望。

Abstract

Non-intrusive load monitoring (NILM) can realize the automatic monitoring of equipment-level electricity consumption data

which is one of the most important technologies for sensing and measurement in the process of digital power grid construction. This paper reviews the research of event-inspection based NILM algorithms. Firstly

the event-inspection based NILM algorithm is defined

and the technical differences between the event-inspection based NILM algorithms and the combinatorial optimized NILM algorithms are compared. After that

the typical steps and methods of the event-inspection based NILM algorithms are sorted and reviewed. And then

following the sequence of the process of event-inspection based NILM algorithms

the key technologies to improve the performance of the event-inspection based NILM algorithms are sorted out from three perspectives of event inspection

feature extraction

and device identification. Finally

the common performance evaluation indicators of event-inspection based NILM algorithms are summarized and the future research directions of event-inspection based NILM algorithms are prospected.

关键词

Keywords

references

李鹏，习伟，蔡田田，等 . 数字电网的理念、架构与关键技术［J］. 中国电机工程学报， 2022 ， 42 （ 14 ）： 5002 - 5017 .

LI Peng ， XI Wei ， CAI Tiantian ， et al . Concept， architecture and key technologies of digital power grids ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 14 ）： 5002 - 5017 .

HART G W . Nonintrusive appliance load monitoring ［J］. Proceedings of the IEEE ， 1992 ， 80 （ 12 ）： 1870 - 1891 .

程祥，李林芝，吴浩，等 . 非侵入式负荷监测与分解研究综述［J］. 电网技术， 2016 ， 40 （ 10 ）： 3108 - 3117 .

CHENG Xiang ， LI Linzhi ， WU Hao ， et al . A survey of the research on non-intrusive load monitoring and disaggregation ［J］. Power System Technology ， 2016 ， 40 （ 10 ）： 3108 - 3117 .

邓晓平，张桂青，魏庆来，等 . 非侵入式负荷监测综述［J］. 自动化学报， 2022 ， 48 （ 3 ）： 644 - 663 .

DENG Xiaoping ， ZHANG Guiqing ， WEI Qinglai ， et al . A survey on the non-intrusive load monitoring ［J］. Acta Automatica Sinica ， 2022 ， 48 （ 3 ）： 644 - 663 .

郭红霞，陆进威，杨苹，等 . 非侵入式负荷监测关键技术问题研究综述［J］. 电力自动化设备， 2021 ， 41 （ 1 ）： 135 - 146 .

GUO Hongxia ， LU Jinwei ， YANG Ping ， et al . Review on key techniques of non-intrusive load monitoring ［J］. Electric Power Automation Equipment ， 2021 ， 41 （ 1 ）： 135 - 146 .

武昕，严萌，郭一凡，等 . 基于结构化特征图谱的组合支持向量机非侵入式负荷辨识［J］. 电力系统自动化， 2022 ， 46 （ 12 ）： 210 - 219 .

WU Xin ， YAN Meng ， GUO Yifan ， et al . Non-intrusive load identification by combined support vector machine based on structured characteristic spectrum ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 12 ）： 210 - 219 .

祁兵，刘利亚，武昕，等 . 基于图信号处理的智能电表功率信号分解［J］. 电力系统自动化， 2019 ， 43 （ 4 ）： 79 - 85 .

QI Bing ， LIU Liya ， WU Xin ， et al . Power signal disaggregation for smart meter based on graph signal processing ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 4 ）： 79 - 85 .

罗平，樊星驰，章坚民，等 . 基于电器运行状态和深度学习的非侵入式负荷分解［J］. 电力系统自动化， 2021 ， 45 （ 12 ）： 49 - 56 .

LUO Ping ， FAN Xingchi ， ZHANG Jianmin ， et al . Non-intrusive load decomposition based on operation state of electrical appliance and deep learning ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 12 ）： 49 - 56 .

LIANG J ， NG S ， KENDALL G ， et al . Load signature study part I： basic concept， structure and methodology ［C］// IEEE PES General Meeting ， July 25-29 ， 2010 ， Minneapolis， USA ： 1.

TSAI M S . Modern development of an adaptive non-intrusive appliance load monitoring system in electricity energy conservation ［J］. Applied Energy ， 2012 ， 96 ： 55 - 73 .

肖江， Francois AUGER ，荆朝霞，等 . 基于贝叶斯信息准则的非侵入式负荷事件检测算法［J］. 电力系统保护与控制， 2018 ， 46 （ 22 ）： 8 - 14 .

XIAO Jiang ， AUGER F ， JING Zhaoxia ， et al . Non-intrusive load event detection algorithm based on Bayesian information criterion ［J］. Power System Protection and Control ， 2018 ， 46 （ 22 ）： 8 - 14 .

TRUONG C . Selective review of offline change point detection methods ［J］. Signal Processing ， 2020 ， 167 ： 107299 .

LUO D ， NORFORD L ， SHAW S ， et al . Monitoring HVAC equipment electrical loads from a centralized location-methods and field test results ［J］. ASHRAE Transactions ， 2002 ， 108 ： 841 - 857 .

DE BAETS L ， RUYSSINCK J ， DEVELDER C ， et al . On the Bayesian optimization and robustness of event detection methods in NILM ［J］. Energy and Buildings ， 2017 ， 145 ： 57 - 66 .

周步祥，黄河，刘治凡，等 . 基于假设检验的快速事件检测算法［J］. 工程科学与技术， 2020 ， 52 （ 4 ）： 42 - 48 .

ZHOU Buxiang ， HUANG He ， LIU Zhifan ， et al . Fast event detection algorithm based on hypothesis testing ［J］. Advanced Engineering Sciences ， 2020 ， 52 （ 4 ）： 42 - 48 .

ZHU Z C ， WEI Z Q ， YIN B ， et al . A novel approach for event detection in non-intrusive load monitoring ［C］// 2017 IEEE Conference on Energy Internet and Energy System Integration （EI2）， November 26-28 ， 2017 ， Beijing， China ： 1 - 5 .

LIN Shunfu . A nonintrusive load identification method for residential applications based on quadratic programming ［J］. Electric Power Systems Research ， 2016 ， 133 ： 241 - 248 .

陈中，方国权，赵家庆，等 . 基于贝叶斯迭代的非侵入式负荷事件检测方法［J］. 电测与仪表， 2021 ， 58 （ 4 ）： 1 - 8 .

CHEN Zhong ， FANG Guoquan ， ZHAO Jiaqing ， et al . An approach for non-intrusive load event detection based on Bayesian iteration ［J］. Electrical Measurement & Instrumentation ， 2021 ， 58 （ 4 ）： 1 - 8 .

NORFORD L K ， LEEB S B ． Non-intrusive electrical load monitoring in commercial buildings based on steady-state and transient load-detection algorithms ［J］． Energy and Buildings ， 1996 ， 24 （ 1 ）： 51 - 64 ．

CHANG H H . Non-intrusive demand monitoring and load identification for energy management systems based on transient feature analyses ［J］. Energies ， 2012 ， 5 （ 11 ）： 4569 - 4589 .

冯人海，袁万琦，葛磊蛟 . 基于图信号交替优化的居民用户非侵入式负荷监测方法［J］. 中国电机工程学报， 2022 ， 42 （ 4 ）： 1355 - 1365 .

FENG Renhai ， YUAN Wanqi ， GE Leijiao . Non-intrusive load monitoring method for resident users based on alternating optimization in graph signal ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 4 ）： 1355 - 1365 .

徐伟枫，华锦修，余涛，等 . 计及电器状态关联规则的非侵入式负荷分解［J］. 电力自动化设备， 2020 ， 40 （ 4 ）： 197 - 203 .

XU Weifeng ， HUA Jinxiu ， YU Tao ， et al . Non-intrusive load decomposition considering association rules of appliances’ state ［J］. Electric Power Automation Equipment ， 2020 ， 40 （ 4 ）： 197 - 203 .

张丽，张涛，张宏伟，等 . 一种基于多参量隐马尔可夫模型的负荷辨识方法［J］. 电力系统保护与控制， 2019 ， 47 （ 20 ）： 81 - 90 .

ZHANG Li ， ZHANG Tao ， ZHANG Hongwei ， et al . Research on a method of load identification based on multi parameter hidden Markov model ［J］. Power System Protection and Control ， 2019 ， 47 （ 20 ）： 81 - 90 .

赵文清，张诗满，李刚 . 基于聚类和关联分析的居民用户非侵入式负荷分解［J］. 电力自动化设备， 2020 ， 40 （ 6 ）： 8 - 19 .

ZHAO Wenqing ， ZHANG Shiman ， LI Gang . Non-intrusive load decomposition of residential users based on cluster and association analysis ［J］. Electric Power Automation Equipment ， 2020 ， 40 （ 6 ）： 8 - 19 .

祁兵，董超，武昕，等 . 基于DTW算法与稳态电流波形的非侵入式负荷辨识方法［J］. 电力系统自动化， 2018 ， 42 （ 3 ）： 70 - 76 .

QI Bing ， DONG Chao ， WU Xin ， et al . Non-intrusive load identification method based on DTW algorithm and steady-state current waveform ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 3 ）： 70 - 76 .

BOUHOURAS A ， GKAIDATZIS P ， CHATZISAVVAS K ， et al . Load signature formulation for non-intrusive load monitoring based on current measurements ［J］. Energies ， 2017 ， 10 （ 4 ）： 538 .

施雨松，徐青山，郑建 . 基于特征选择与增量学习的非侵入式电动自行车充电辨识方法［J］. 电力系统自动化， 2021 ， 45 （ 7 ）： 87 - 94 .

SHI Yusong ， XU Qingshan ， ZHENG Jian . Non-intrusive charging identification method for electric bicycles based on feature selection and incremental learning ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 7 ）： 87 - 94 .

王守相，郭陆阳，陈海文，等 . 基于特征融合与深度学习的非侵入式负荷辨识算法［J］. 电力系统自动化， 2020 ， 44 （ 9 ）： 103 - 110 .

WANG Shouxiang ， GUO Luyang ， CHEN Haiwen ， et al . Non-intrusive load identification algorithm based on feature fusion and deep learning ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 9 ）： 103 - 110 .

DU L ， HE D W ， HARLEY R G ， et al . Electric load classification by binary voltage-current trajectory mapping ［J］. IEEE Transactions on Smart Grid ， 2016 ， 7 （ 1 ）： 358 - 365 .

GAO J K ， KARA E C ， GIRI S ， et al . A feasibility study of automated plug-load identification from high-frequency measurements ［C］// 2015 IEEE Global Conference on Signal and Information Processing （GlobalSIP）， December 14-16 ， 2015 ， Orlando， USA ： 220 - 224 .

GULATI M ， RAM S S ， SINGH A . An in depth study into using EMI signatures for appliance identification ［C］// Proceedings of the 1st ACM Conference on Embedded Systems for Energy-Efficient Buildings ， November 3-6 ， 2014 ， Memphis， Tennessee ： 70 - 79 .

DU L ， YANG Y ， HE D ， et al . Feature extraction for load identification using long-term operating waveforms ［J］. IEEE Transactions on Smart Grid ， 2015 ， 6 （ 2 ）： 819 - 826 .

孙毅，崔灿，陆俊，等 . 基于差量特征提取与模糊聚类的非侵入式负荷监测方法［J］. 电力系统自动化， 2017 ， 41 （ 4 ）： 86 - 91 .

SUN Yi ， CUI Can ， LU Jun ， et al . Non-intrusive load monitoring method based on delta feature extraction and fuzzy clustering ［J］. Automation of Electric Power System ， 2017 ， 41 （ 4 ）： 86 - 91 .

张安安，庄景泰，郭红鼎，等 . 结合图半监督与广义回归神经网络的非侵入式海洋平台负荷监测［J］. 电力系统保护与控制， 2020 ， 48 （ 7 ）： 85 - 91 .

ZHANG An’an ， ZHUANG Jingtai ， GUO Hongding ， et al . Non-intrusive offshore platform load monitoring based on graph-based semi-supervised learning and generalized regression neural networks ［J］. Power System Protection and Control ， 2020 ， 48 （ 7 ）： 85 - 91 .

KASELIMI M ， DOULAMIS N ， VOULODIMOS A ， et al . Context aware energy disaggregation using adaptive bidirectional LSTM models ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 4 ）： 3054 - 3067 .

FANG Z Y ， ZHAO D B ， CHEN C ， et al . Non-intrusive appliance identification with appliance-specific networks ［J］. IEEE Transactions on Industry Applications ， 2020 ， 56 （ 4 ）： 3443 - 3452 .

WENNINGER M ， STECHER D ， SCHMIDT J . SVM-based segmentation of home appliance energy measurements ［C］// IEEE International Conference on Machine Learning and Applications ， December 16-19 ， 2019 ， Boca Raton， USA ： 1666 - 1670 .

牟魁翌，杨洪耕 . 基于PLA-GDTW支持向量机的非侵入式负荷监测方法［J］. 电网技术， 2019 ， 43 （ 11 ）： 4185 - 4193 .

MOU Kuiyi ， YANG Honggeng . Non-intrusive load identification method based on PLA-GDTW support vector machine ［J］. Power System Technology ， 2019 ， 43 （ 11 ）： 4185 - 4193 .

徐晓会，赵书涛，崔克彬 . 基于卷积块注意力模型的非侵入式负荷分解算法［J］. 电网技术， 2021 ， 45 （ 9 ）： 3700 - 3706 .

XU Xiaohui ， ZHAO Shutao ， CUI Kebin . Non-intrusive load disaggregate algorithm based on convolutional block attention module ［J］. Power System Technology ， 2021 ， 45 （ 9 ）： 3700 - 3706 .

曲禾笛，李坚，张志豪，等 . 服务于用电设备的快速辨识边沿检测方法研究［J］. 中国电机工程学报， 2018 ， 38 （ 15 ）： 4566 - 4575 .

QU Hedi ， LI Jian ， ZHANG Zhihao ， et al . Study of fast identification edge detection method for electrical equipment ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 15 ）： 4566 - 4575 .

林顺富，于俊苏，李东东，等 . 基于二分递推SVD分解的居民电器开关事件检测方法［J］. 电网技术， 2020 ， 44 （ 4 ）： 1534 - 1543 .

LIN Shunfu ， YU Junsu ， LI Dongdong ， et al . Method of switching events detection of residential appliances based on binary recursive SVD decomposition ［J］. Power System Technology ， 2020 ， 44 （ 4 ）： 1534 - 1543 .

刘恒勇，史帅彬，徐旭辉，等 . 一种关联RNN模型的非侵入式负荷辨识方法［J］. 电力系统保护与控制， 2019 ， 47 （ 13 ）： 162 - 170 .

LIU Hengyong ， SHI Shuaibin ， XU Xuhui ， et al . A non-intrusive load identification method based on RNN model ［J］. Power System Protection and Control ， 2019 ， 47 （ 13 ）： 162 - 170 .

周东国，张恒，周洪，等 . 基于状态特征聚类的非侵入式负荷事件检测方法［J］. 电工技术学报， 2020 ， 35 （ 21 ）： 4565 - 4575 .

ZHOU Dongguo ， ZHANG Heng ， ZHOU Hong ， et al . Non-intrusive load event detection method based on state feature clustering ［J］. Transactions of China Electrotechnical Society ， 2020 ， 35 （ 21 ）： 4565 - 4575 .

张露， Francois Auger ，荆朝霞，等 . 基于非侵入式的事件检测方法统计评估［J］. 电测与仪表， 2020 ， 57 （ 1 ）： 106 - 112 .

ZHANG Lu ， AUGER F ， JING Zhaoxia ， et al . Statistical assessment of abrupt change detections for NILM ［J］. Electrical Measurement & Instrumentation ， 2020 ， 57 （ 1 ）： 106 - 112 .

JAZIZADEH ， FARROKH . Building energy monitoring realization： context-aware event detection algorithms for nonintrusive electricity disaggregation ［C］// Proceedings of 2016 American Society of Civil Engineers Construction Research Congress ， 2016 ， San Juan， Puerto Rico ： 839 - 848 .

AFZALAN M . Self-configuring event detection in electricity monitoring for human-building interaction ［J］. Energy and Buildings ， 2019 ， 187 ： 95 - 109 .

YANG X ， WU J H ， SUN G P ， et al . Non-intrusive load decomposition of public buildings based on deep learning and transfer learning ［J］. Power System Technology ， 2022 ， 46 （ 3 ）： 1160 - 1169 .

段晶，李勇，张振宇，等 . 考虑辨识结果连续性的Type-Ⅲ型工商业负荷辨识方法［J］. 电力系统自动化， 2021 ， 45 （ 24 ）： 65 - 72 .

DUAN Jing ， LI Yong ， ZHANG Zhenyu ， et al . Identification method for type-Ⅲ industrial and commercial load considering identification result continuity ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 24 ）： 65 - 72 .

BOLOURCHI P ， MORADI M ， DEMIREL H ， et al . Improved SAR target recognition by selecting moment methods based on Fisher score ［J］. Signal， Image and Video Processing ， 2020 ， 14 （ 1 ）： 39 - 47 .

武昕，于金莹，彭林，等 . 基于用户边缘侧事件解析的工业电力负荷非侵入式感知辨识［J］. 电力系统自动化， 2021 ， 45 （ 4 ）： 29 - 37 .

WU Xin ， YU Jinying ， PENG Lin ， et al . Non-intrusive perception and identification of industrial power load based on analysis of event on user edge ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 4 ）： 29 - 37 .

YU M ， WANG B N ， LU L X ， et al . Non-intrusive adaptive load identification based on Siamese network ［J］. IEEE Access ， 2022 ， 10 ： 11564 - 11573 .

杨立余，陈昊，黎明，等 . 非侵入式电力负荷多目标分解框架［J］. 电力系统保护与控制， 2020 ， 48 （ 6 ）： 100 - 107 .

YANG Liyu ， CHEN Hao ， LI Ming ， et al . A framework for non-intrusive load monitoring using multi-objective evolutionary algorithms ［J］. Power System Protection and Control ， 2020 ， 48 （ 6 ）： 100 - 107 .

KANG J S ， YU M ， LU L X ， et al . Adaptive non-intrusive load monitoring based on feature fusion ［J］. IEEE Sensors Journal ， 2022 ， 22 （ 7 ）： 6985 - 6994 .

裘星，尹仕红，张之涵，等 . 基于 V - I 轨迹与高次谐波特征的非侵入式负荷识别方法［J］. 电力工程技术， 2021 ， 40 （ 6 ）： 34 - 42 .

QIU Xing ， YIN Shihong ， ZHANG Zhihan ， et al . Non-intrusive load identification method based on V - I trajectory and high-order harmonic feature ［J］. Electric Power Engineering Technology ， 2021 ， 40 （ 6 ）： 34 - 42 .

解洋，梅飞，郑建勇，等 . 基于 V - I 轨迹颜色编码的非侵入式负荷识别方法［J］. 电力系统自动化， 2022 ， 46 （ 4 ）： 93 - 102 .

XIE Yang ， MEI Fei ， ZHENG Jianyong ， et al . Non-intrusive load monitoring method based on V - I trajectory color coding ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 4 ）： 93 - 102 .

崔昊杨，蔡杰，陈磊，等 . 基于颜色编码的非侵入式负荷细粒度识别方法［J］. 电网技术， 2022 ， 46 （ 4 ）： 1557 - 1567 .

CUI Haoyang ， CAI Jie ， CHEN Lei ， et al . Non-intrusive load fine-grained identification based on color encoding ［J］. Power System Technology ， 2022 ， 46 （ 4 ）： 1557 - 1567 .

JIA D N ， LI Y X ， DU Z H ， et al . Non-intrusive load identification using reconstructed voltage-current images ［J］. IEEE Access ， 2021 ， 9 ： 77349 - 77358 .

LIU Y C ， WANG X ， YOU W . Non-intrusive load monitoring by voltage-current trajectory enabled transfer learning ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 5 ）： 5609 - 5619 .

SZEGEDY C ， LIU W ， JIA Y Q ， et al . Going deeper with convolutions ［C］// 2015 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， June 7-12 ， 2015 ， Boston， USA ： 1 - 9 .

HE K M ， ZHANG X Y ， REN S Q ， et al . Deep residual learning for image recognition ［C］// 2016 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， June 27-30 ， 2016 ， Las Vegas， USA ： 770 - 778 .

宋旭帆，周明，涂京，等 . 基于k-NN结合核Fisher判别的非侵入式负荷监测方法［J］. 电力系统自动化， 2018 ， 42 （ 6 ）： 73 - 80 .

SONG Xufan ， ZHOU Ming ， TU Jing ， et al . Non-intrusive load monitoring method based on k-NN and kernel fisher discriminant ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 6 ）： 73 - 80 .

栾文鹏，韦尊，刘博，等 . 非侵入式负荷监测算法的测试与评价方法［J］. 电网技术， 2022 ， 46 （ 11 ）： 4568 - 4579 .

LUAN Wenpeng ， WEI Zun ， LIU Bo ， et al . Testing and performance evaluation of nonintrusive load monitoring algorithms ［J］. Power System Technology ， 2022 ， 46 （ 11 ）： 4568 - 4579 .

刘耀先，孙毅，李彬，等 . 基于边缘嵌入深度学习的非侵入式负荷分解方法［J］. 电网技术， 2019 ， 43 （ 12 ）： 4329 - 4337 .

LIU Yaoxian ， SUN Yi ， LI Bin ， et al . Non-intrusive load disaggregation method based on edge embedded deep learning ［J］. Power System Technology ， 2019 ， 43 （ 12 ）： 4329 - 4337 .

于超，覃智君，阳育德 . 基于启停状态识别改进因子隐马尔可夫模型的非侵入式负荷分解［J］. 电网技术， 2021 ， 45 （ 11 ）： 4540 - 4550 .

YU Chao ， QIN Zhijun ， YANG Yude . Non-intrusive load disaggregation with improved factorial hidden Markov model considering ON-OFF status recognition ［J］. Power System Technology ， 2021 ， 45 （ 11 ）： 4540 - 4550 .

王轲，钟海旺，余南鹏，等 . 基于seq2seq和Attention机制的居民用户非侵入式负荷分解［J］. 中国电机工程学报， 2019 ， 39 （ 1 ）： 75 - 83 .

WANG Ke ， ZHONG Haiwang ， YU Nanpeng ， et al . Nonintrusive load monitoring based on sequence-to-sequence model with attention mechanism ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 1 ）： 75 - 83 .

廖荣文，刘刚，肖刚 . 基于时间模糊化长短时记忆的非侵入式负荷分解方法［J］. 电力系统自动化， 2021 ， 45 （ 24 ）： 73 - 80 .

LIAO Rongwen ， LIU Gang ， XIAO Gang . Non-intrusive load decomposition method based on time-fuzzified long short-term memory ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 24 ）： 73 - 80 .

PIGA D ， COMINOLA A ， GIULIANI M ， et al . Sparse optimization for automated energy end use disaggregation ［J］. IEEE Transactions on Control Systems Technology ， 2016 ， 24 （ 3 ）： 1044 - 1051 .

孙毅，张璐，赵洪磊，等 . 基于动态自适应粒子群算法的非侵入式家居负荷分解方法［J］. 电网技术， 2018 ， 42 （ 6 ）： 1819 - 1826 .

SUN Yi ， ZHANG Lu ， ZHAO Honglei ， et al . A non-intrusive household load monitoring method based on dynamic adaptive particle swarm optimization algorithm ［J］. Power System Technology ， 2018 ， 42 （ 6 ）： 1819 - 1826 .

许泽宁，张之涵，杨远俊，等 . 基于NILM数据的电力用户能效量化分析方法［J］. 电力系统及其自动化学报， 2021 ， 33 （ 3 ）： 138 - 144 .

XU Zening ， ZHANG Zhihan ， YANG Yuanjun ， et al . Quantitative energy efficiency analysis method for power user based on NILM data ［J］. Proceedings of the CSU-EPSA ， 2021 ， 33 （ 3 ）： 138 - 144 .

孙秋野，刘月，胡旌伟，等 . 基于GAN的非侵入式自能源建模［J］. 中国电机工程学报， 2020 ， 40 （ 21 ）： 6784 - 6794 .

SUN Qiuye ， LIU Yue ， HU Jingwei ， et al . Non-intrusive we-energy modeling based on GAN technology ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 21 ）： 6784 - 6794 .

杨娟，杨占刚 . 基于GRNN算法的飞机用电设备非侵入式负荷监测方法［J］. 航空学报， 2021 ， 42 （ 3 ）： 324842 .

YANG Juan ， YANG Zhangang . Non-intrusive load monitoring method for aircraft electrical equipment based on GRNN algorithm ［J］. Acta Aeronautica et Astronautica Sinica ， 2021 ， 42 （ 3 ）： 324842 .

MOSTAFAVI S ， TROXLER J ， COX R W . An unsupervised approach for disaggregating major loads in small commercial buildings ［C］// 2017 IEEE Energy Conversion Congress and Exposition （ECCE）， October 1-5 ， 2017 ， Cincinnati， USA ： 1575 - 1581 .

NATION J C ， ABOULIAN A ， GREEN D ， et al . Nonintrusive monitoring for shipboard fault detection ［C］// 2017 IEEE Sensors Applications Symposium （SAS）， March 13-15 ， 2017 ， Glassboro， USA ： 1 - 5 .

HE D W ， LIN W X ， LIU N ， et al . Incorporating non-intrusive load monitoring into building level demand response ［J］. IEEE Transactions on Smart Grid ， 2013 ， 4 （ 4 ）： 1870 - 1877 .

ALCALÁ J ， PARSON O ， ROGERS A . Detecting anomalies in activities of daily living of elderly residents via energy disaggregation and cox processes ［C］// Proceedings of the 2nd ACM International Conference on Embedded Systems for Energy-Efficient Built Environments ， November 4-5 ， 2015 ， Seoul， South Korea ： 225 - 234 .

EBONY M ， GREG P S ， RYAN S B ， et al . 2015 . Characteristics and performance of existing load disaggregation technologies ［R］. USA ： Pacific Northwest National Laboratory （PNNL）， 2015.

崔亮节，孙毅，刘耀先，等 . 考虑分时段状态行为的非侵入式负荷分解方法［J］. 电力系统自动化， 2020 ， 44 （ 5 ）： 215 - 222 .

CUI Liangjie ， SUN Yi ， LIU Yaoxian ， et al . Non-intrusive load disaggregation method considering time-phased state behavior ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 5 ）： 215 - 222 .

赵洪山，闫西慧，戴湘，等 . 基于NILE算法量化热水器参与需求响应的灵活性［J］. 电力系统自动化， 2020 ， 44 （ 3 ）： 98 - 104 .

ZHAO Hongshan ， YAN Xihui ， DAI Xiang ， et al . Quantifying flexibility of water heater participating in demand response based on non-intrusive load extracting algorithm ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 3 ）： 98 - 104 .

王琳，郭志鹏，张郁静 . 基于非侵入式负荷监测的用户行为精细化分析［J］. 电力系统及其自动化学报， 2021 ， 33 （ 4 ）： 102 - 107 .

WANG Lin ， GUO Zhipeng ， ZHANG Yujing . Refined analysis of user behavior based on non-intrusive load monitoring ［J］. Proceedings of the CSU-EPSA ， 2021 ， 33 （ 4 ）： 102 - 107 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Ultra-short-term Load Forecasting Considering Missing Data in Anomalous Scenarios

Power Quality Disturbance Classification Method Based on Time-series Two-dimensional Transformation and Multi-scale Transformer

Transient Stability Assessment of Power Systems Based on Multi-scale Graph Attention Network

Related Author

BAO Haibo

YANG Shuhui

CHEN Zimin

GUO Xiaoxuan

LI Jinghua

LI Jiawen

SUN Yonghui

WANG Sen

Related Institution

Electric Power Research Institute of Guangxi Power Grid Company Limited

Guangxi Key Laboratory of Power System Optimization and Energy-Saving Technoligy, Guangxi University

Nanning Power Supply Bureau of Guangxi Power Grid Company Limited

School of Applied Technology, Nanjing Institute of Technology

College of Artificial Intelligence and Automation, Hohai University

⁰