随着我国经济的高速发展,人们开始对生态环境日益关心,如何能够有效利用能源成为当今人们关心的话题。而衡量能效的基础便是能耗监测。随着物联网技术的兴起,对能耗的监测也在向物联网的方向发展。本文基于此,开展了一项适用于ARM平台嵌入式设备的非侵入式用电负荷分解方法,应用多负荷特征参数对局域电力系统内用电负荷进行分解的研究。本文研究了负荷特征的选取,根据负荷特征满足负荷分解应有的表征性,稳定性,可加性要求,研究了电流基波谐波幅值,有功功率,无功功率,电压峰值时电流瞬时值作为负荷特征参数的适用性,并给出其提取方法,通过对市电电压波动和电网谐波对负荷特征参数的影响的研究,建立了一种提取负荷特征及分解负荷时应有的预处理方法。本文根据电压、电流传感器获取的数据,利用提取到的负荷特征建立了分解模型,讨论了通过电流基波谐波幅值,有功功率,二次及高次谐波幅值建立分解模型的方法,为充分挖掘负荷特征所包含的信息,讨论并建立了基于多负荷特征评价函数的方法。本文研究了适用于分解模型的粒子群算法的改进方法,通过改进的粒子群算法对分解模型进行求解,得到分解结果,比较了基于有功功率,基波谐波幅值及将二者结合的方式的分解模型的准确度,通过算例,证明了改进的粒子群算法适用于非侵入式用电负荷分解问题,运用多负荷特征评价函数拥有更高的准确度。本文对比了枚举法和改进的粒子群算法在求解过程中的性能,通过实验对比认为改进的粒子群算法在非侵入式用电负荷分解问题上拥有更大的优势,更适用于负荷分解业务,而枚举法劣势明显。对于低采样频率,本文建立了一种基于分解和验证过程的多因素决策的方法,通过分解和验证过程的多因素决策判定,提高了低采样频率条件下负荷分解的准确性。