居民用户作为重要的电能消耗端,通过科学规划配置用电负荷可以响应智能电网需求,是节能工作开展的重要平台。负荷监测作为负荷管理的关键技术之一,可为用户提供详细的耗能情况,指导用户制定节能方案,达到降低能耗,减少电费支出的目的。传统侵入式负荷监测具有较大的经济开销,而且安装维护过程会给用户带来不便,不适合电力系统的长期发展。对此,非侵入式负荷监测(Non-intrusive Load Monitoring,NILM)以其特有的优势逐渐成为研究主流,仅依靠电力入口处采集的混合信号,采用信号分析处理算法实现负荷识别,大大降低了成本,且不会影响用户的正常生活。目前大多数NILM均以负荷特征为辨识依据,为负荷建立模型的研究较少,且大多数算法还处于理论仿真阶段,在实际应用方面有所欠缺。因此本文以NILM为背景,重点研究居民负荷建模和分解算法。所做主要工作可概括为以下三部分:(1)总结国内外现有的非侵入式负荷监测方法,分析现有研究中存在的不足。设计NILM系统框架,并对居民负荷典型特征进行分析,为每种负荷提取独特的、具有较强辨识度的特征,为后续负荷建模提供依据。(2)在负荷特征分析的基础上,为居民负荷建立模型并给出模型匹配的原理。本文从不同的角度出发为居民负荷建立两种模型并分别给出了匹配原理。第一种模型从负荷整体结构出发,将负荷看作对信号有加工作用的独立系统,为其建立系统模型;第二种模型从负荷用电规律出发,总结归纳居民负荷的用电特性,为其建立用电模型。(3)研究非侵入式居民负荷分解,提出了三种不同的分解算法。第一种算法以电流信号为样本,利用局部平均分解算法(Local Mean Decomposition,LMD)对混合电流信号进行分解,再将分离电流与负荷系统模型进行匹配分析,从而实现负荷辨识;另外两种算法均以功率信号为样本,一方面为解决训练样本较少情况下的辨识,提出基于图信号处理(Graph Signal Processing,GSP)进行负荷分解的方法;另一方面为增加算法的实用性,降低辨识复杂度,提出结合NILM的实际应用场景,缩小负荷空间,并采用事件检测和用电模型匹配的方法来实现居民负荷分解。最后通过仿真实验证实了所提方法的有效性。