随着我国对智能电网技术研究的深入,智能电表作为高级量测体系（Advanced Measurement Infrastructure,AMI）的基础,已延伸到了电网末端。智能电表可实现长时间采集、分析用户用电数据,同时结合5G通信技术,能够实现海量终端并发式的用电数据通信。发掘用电数据中蕴藏的用电细节,研究用户类型及用电构成,可以协助电力企业为消费者提供个性化服务,改进故障检测和制定能源激励措施。此外,这些用电细节信息可以鼓励用户的节能行为。因此,用电负荷监测对智能电网技术的形成、提高能源利用率以及建设能源节约型社会具有重大意义。非侵入式负荷监测（Non-intrusive Load Monitoring,NILM）可以实现这一目标,它仅需要在电力入口处安装智能电表,通过对采集到的总电力信号进行分析就可以得到系统中单个负荷的详细运行信息。本文的主要研究内容如下:（1）为获取负荷状态切换的时间点,提出一种基于滑动窗Pettitt检测的事件探测算法,确定负荷投切点。此外,改进了一种适用于负荷状态提取的聚类算法,获取负荷的总状态数以及每种状态的聚类中心,为负荷识别算法做好基础。（2）针对有限多状态负荷的识别,本文根据用电负荷的每种运行状态都有其独特的负荷印记的原则,首先利用聚类算法获得负荷所有状态,再提取与各状态对应的符合印记构成负荷特征库。对个体编码方式进行优化,提出一种基于多状态的样本个体编码方式,并以此优化目标函数,最后采用快速非支配遗传算法NSGA-Ⅱ进行模型求解。（3）针对连续变状态负荷的识别,本文提取负荷投切时的暂态有功功率,计算功率冲击峰值、持续时间、冲击前后功率差值以及冲击起始点与终点间的功率曲线积分作为负荷特征,再采用XGBoost算法进行负荷识别。算例分析表明,所提方法均具有更高的识别准确率。