在智能电网深入发展的时代背景下,倡导智能用电是其中的一个重要环节。负荷监测可以作为智能用电中的一项关键技术,也是开展电力节能工作的基础。本文开展了一种基于图信号处理理论的负荷监测方法——非侵入式负荷分解,根据普通智能电表采集到的现成的总有功功率数据,使用软件分析方法与工具将其分解为各个主要家庭用电设备消耗的功率,进而可得到居民用户的用电细节信息。实际家庭总功率变化中的随机性是不可避免的,电表测量数据中往往存在一些无法预测的异常数据,会直接导致负荷事件的误检。监测数据是负荷分解的基础,为保证其可靠性,本文通过对总功率数据进行中值滤波、降采样等数据预处理方式尽量滤除噪声和异常值数据,再以功率幅度变化作为负荷特征和算法输入,采用基于事件法的负荷分解方法。所研究算法与传统的基于概率学的方法不同,不需要对数据训练建模,将图信号处理理论应用于负荷分解问题,主要是先用电力负荷数据构建图信号,再寻求图信号平滑度最优解作为依据对负荷事件聚类与分析。算法主要分为事件检测及聚类和特征匹配两大模块,其中特征匹配同时利用幅度变化和时间间隔特征,图信号处理分别运用在求解自适应阈值、事件聚类、特征匹配三个阶段,最终输出为匹配的正负边沿对,对其进行负荷识别后即可计算出各电器的分解功耗。文章最后采用多个指标分别从整体和局部评估系统性能,并使用MATLAB编程实现了该分解算法,提出用二分法确立合理的邻接矩阵比例因子,给出了部分负荷分解结果、能耗占比以及度量评估指标结果。结果表明本文算法可工作于低采样率条件下,能容忍一定程度的电力噪声,算法复杂度较小,比较适用于家庭电力负荷的非侵入式分解,同时证明了图信号处理应用于负荷监测领域的可行性。