非侵入式负荷监测方法是根据电力入口的集总信息分解得到具体负荷的用电量和工作状态的一种方法,其分解结果能够帮助减少电能消耗。现有的非侵入式负荷监测算法存在着对不同场景下负荷监测的泛化能力弱、多个负荷同时动作处理能力不足和缺乏外部信息利用等问题,难以实现完善而系统化的非侵入式负荷监测。针对以上问题,本文提出了一种基于智能决策支持系统的非侵入式负荷监测方法。将使用定量分析的决策支持系统与使用定性分析的人工智能技术相结合,提高对非侵入式负荷监测的辅助决策和支持决策能力。使用层次化的剪枝决策树模型提高了负荷识别的准确率和运算效率;将倒频谱特征加入负荷监测负荷印记数据库,使得系统具有更强的多负荷同时动作处理能力;采用深度神经网络及其改进方法引入外部信息,建立起综合信息和单个负荷运行规律之间的复杂映射,进一步提高负荷识别的准确率。使用决策支持系统的综合部件进行人机交互,使负荷监测具有更高的灵活性和可扩展性。使用实际负荷的电流波形数据对非侵入式负荷监测的智能决策支持系统进行评估。通过对比不同的决策树模型建立方式以及深度神经网络的改进连接确定负荷识别问题中智能决策模型的最佳形式;并使用综合部件实现新负荷的识别和数据登记,增加系统的可扩展能力。实验结果表明,所提出的智能决策支持系统能够提高负荷监测的准确率,更有效地处理多负荷同时动作的情况,且具有更好的泛化能力和灵活性。