为了帮助用户建立完善的电能监管系统及实现对电能消耗情况的精确计量,对家庭负荷的用电信息进行分析是非常有必要的。相较于在每个负荷处安装传感器的侵入式负荷监测技术,非侵入式负荷监测技术仅需在用电入户端安装简单的量测设备即可实现对家庭主要负荷的用电信息进行监测。这种方式投入成本小,实际工程成本低,实施难度小且可操作性高,更接近工程实际应用,具有更好的工程应用前景。因此非侵入式负荷监测成为了负荷监测领域研究的主流方向。非侵入式负荷监测技术经由非侵入式负荷分解方法实现:通过相关硬件装置采集用户总用电信息,提取负荷特征,利用负荷分解算法得到各电器的用电信息。现有的非侵入式负荷监测技术大多以边云协同方式:终端硬件采集数据,再由云端负责负荷分解运算,得到负荷分解结果。此种方式需要消耗大量的网络带宽用以传输用户端读取的用电信号信息及服务器端反馈的分解结果信息,算法的时效性很难得以保证。针对此种情况,本文提出了一种改进的基于隐马尔科夫模型（Hidden Markov Models,HMM）的负荷分解算法,并研发了一套负荷分解装置,能在本地完整的实现非侵入式负荷分解。本文的主要工作如下:（1）研究了基于隐马尔科夫模型的负荷分解方法,针对传统的隐马尔科夫模型需要人工指定负荷运行状态的数量且对于具有复杂运行状态的设备难以通过人工准确确定其运行状态数量的问题,提出了一种自适应隐马尔科夫模型（Adaptive HMM）,该模型通过对负荷功率构建概率分布函数,分析函数极大值点分布规律,自动确定每个负荷的运行状态数量以及每个典型状态对应的功率。开展了该改进方法在REDD数据集的对比实验分析,结果表明:相比于传统的隐马尔科夫模型,所提出的自适应隐马尔科夫模型的分解效果更加准确,具有优越性。（2）研发了一款非侵入式负荷分解装置,以树莓派为核心计算平台,设计了相关配套硬件、软件模块,并利用本文提出的改进负荷分解算法,完成了一个无需人工设置参数的自动负荷分解装置:通过采集用户侧电压电流信号计算得到功率信息,并执行负荷分解步骤,得到负荷分解结果。（3）为了验证该装置的有效性,选择了几种常见家用电器设备,采集其功率特征并建立负荷特征数据库,设计了多组负荷分解实验,结果分析表明:论文研发的非侵入式负荷分解装置具有较好的识别准确度,能有效的实现用户侧负荷分解。