当今全球经济飞速发展,各国对能源的需求不断增加,由此产生的环境污染问题日渐严峻。为保证资源环境友好协调发展,支持国民经济长久有效地发展,对电能的合理利用是最为有效的方法之一。非侵入式负荷辨识通过对总线入口处的电压、电流及谐波等负荷特征进行测量、分析,便可得到设备的用能行为信息。通过对电能负荷信息的获取,不仅有助于电力公司了解用户负荷的构成、分析设备使用规律、评估设备工作模态,进而加强负荷侧管理,同时可以引导用户合理安排负荷的使用,提高电能使用效率,达到调节峰谷差和降低网损等目的。非侵入式负荷辨识不仅作为全球能源互联网的关键技术前景广阔,而且随着电能的需求日益增加,环境问题逐步恶化,公众的环保节能意识的进一步加强,在开展用电设备的状态和模态实时监测方面也发挥着极为重要的作用。本文结合能源互联网项目的实际需求,针对负荷非侵入式辨识中用电设备工作模态边沿检测和负荷状态识别等问题,展开了基于暂态信息的非侵入式负荷辨识系统的研究。着重对边沿检测方法进行了改进,并完成了整个系统的设计。本文所做的工作主要包括:(1)分析研究了非侵入式负荷辨识相关技术,包括负荷去噪技术、负荷暂态特征匹配技术、用电设备边沿检测技术。(2)对基于暂态的非侵入式负荷辨识系统的整体框架和各个模块进行深入研究。重点研究了特征库的建立、暂态特征匹配、去噪滤波、以及边沿检测算法,结合负荷变化的暂态特征,为用户侧负荷的有效管理和监测提供了实验依据。(3)完成了非侵入式负荷辨识方法的实现,首先在RT-LAB环境下搭建系统的整体构架平台,然后实现各模块的功能。着重研究了边沿检测和特征匹配算法。针对当前用户侧用电设备非侵入式辨识中负荷边沿检测方法准确率不高的问题,提出了一种基于高斯滤波器和工业检测CUSUM(cumulative sum)算法的边沿检测方法和基于DTW算法的特征匹配方法。结合CUSUM算法对设备状态与工作模式变化检测灵敏和DTW算法稳定性高的特点,提升了设备模态的有效性和准确性。通过搭建非侵入式负荷辨识平台,对提出的方法进行仿真和实验验证,显示所提出的方法能有效提高用电设备的准确率。