近年来，随着科学技术的迅速发展，能源负荷监测作为一个热门话题，对于电力系统的智能化发展具有至关重要的意义。传统的能源负荷监测方法一般是在每个负荷的配电输出端安装带有通信功能的传感器等监测设备，这种侵入式的负荷监测(Intrusive Load Monitoring，ILM)方法在安装和维护方面都需要大量的时间和金钱投入。而非侵入式负荷监测(Non-Intrusive Load Monitoring，NILM)的方案，只需要通过传感器获取家庭电力入口处的基本电压、电流等信号，就可以通过系统建模得到家庭内每个用电负荷的类型以及运行状态。相较于传统的能源负荷监测方式，非侵入式负荷监测更具性价比，而且易被用户接受，但同时它也存在着诸多限制和挑战。本文基于已有非侵入式负荷监测的思考，主要针对事件检测和特征选择两个模块进行深入研究，并在Matlab软件仿真平台上进行实验，验证改进算法的有效性。主要研究内容包括:　　(1)针对基于边缘检测的事件检测算法精度容易受原始电力数据噪声和电压扰动的影响，提出了量化、滤波等一系列预处理方法，移除瞬时尖峰值和功率波形的扰动，并通过多阈值的边缘检测算法对电力事件进行检测，相较于单阈值的方法提高了检测的准确度。　　(2)通过主成分分析(Principal Component Analysis，PCA)对多特征的负荷分解算法进行特征降维，在保持较高负荷识别精度的条件下，减少系统的计算量和特征匹配时间，从而达到精度和计算开销的平衡。　　(3)针对低功耗负荷特征重叠以及多状态负荷识别精度不高的缺点，使用多特征增大负荷之间的识别度。本方案通过顺序特征提高对工作模式相对固定负荷的识别精度，并且使用时间/持续时间特征减少不必要的特征匹配，通过Matlab建模仿真与其他多特征匹配算法进行比较，拥有更高的负荷识别率。