面向复杂场景拓展的非侵入式负荷监测技术综述

刘清灵; 王守相; 要若天; 田发扬; 郭陆阳; 庞丽; 薛一鹏; 黎翔

doi:10.19421/j.cnki.1006-6357.2026.07.001

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

面向复杂场景拓展的非侵入式负荷监测技术综述

更新时间：2026-07-13

- 面向复杂场景拓展的非侵入式负荷监测技术综述
- Vol. 43, Issue 7, Pages: 3-15(2026)
- 作者机构：
  
  1. 智能配用电装备与系统全国重点实验室(天津大学)
  2. 南方电网科学研究院有限责任公司
  3. 广东电网有限责任公司广州供电局
- 作者简介：
- 基金信息：
- DOI：10.19421/j.cnki.1006-6357.2026.07.001
  CLC： TM714;TP18
- Published：2026
- 稿件说明：
移动端阅览
刘清灵, 王守相, 要若天, et al. 面向复杂场景拓展的非侵入式负荷监测技术综述[J]. 2026, 43(7): 3-15.
DOI：

刘清灵, 王守相, 要若天, et al. 面向复杂场景拓展的非侵入式负荷监测技术综述[J]. 2026, 43(7): 3-15. DOI： 10.19421/j.cnki.1006-6357.2026.07.001.

摘要

非侵入式负荷监测（non-intrusive load monitoring

NILM）作为智能电网需求侧感知的核心技术，可通过电力入口处聚合电气量辨识设备级运行状态与能耗信息。然而，现有研究多局限于居民侧场景，且主流的高精度深度学习模型在面对高并发、强噪声及隐私敏感的复杂场景时，面临着算力瓶颈与泛化难题。因此，围绕NILM由基础理论验证向复杂场景拓展的发展历程开展系统综述。首先，梳理了NILM由物理建模向数据驱动的方法转变，并进一步向模型轻量化、边缘部署和云边协同扩展的发展脉络，归纳了联邦学习在隐私保护方面的研究进展；其次，分析了迁移学习与持续学习在应对场景迁移和概念漂移中的应用现状；最后，在此基础上总结了NILM由居民侧向工商业场景拓展过程中面临的数据、模型与部署挑战，并讨论了其向需求响应、电气安全和多维用能服务延伸的发展趋势。

Abstract

关键词

Keywords

references

郭红霞,陆进威,杨苹,刘泽健.非侵入式负荷监测关键技术问题研究综述[J].电力自动化设备,2021(01).

邓晓平,张桂青,魏庆来,彭伟,李成栋.非侵入式负荷监测综述[J].自动化学报,2022(03).

鲍海波,杨舒惠,陈子民,郭小璇,黎静华.事件检测类非侵入式负荷监测算法综述[J].电力系统自动化,2023(13).

黄颖祺,颜钟宗,郝芃斐,温和.工业非介入式负荷监测研究综述[J].中国测试,2025(01).

廖耀华,常艳平,王恩,魏龄,潘国兵,王海鹏.基于线性复杂度自注意力机制的非侵入式负荷监测方法[J].电测与仪表,2025(08).

王彦华,邱洪军.基于联邦学习与局部适应Transformer的居民用电负荷识别模型研究[J].供用电,2025(10).

Cheng Qian,Zaijun Wu,Dongliang Xu,Qinran Hu,Yu Liu.Low Frequency Residential Load Disaggregation via Improved Variational Auto-encoder and Siamese Network[J].CSEE Journal of Power and Energy Systems,2025(05).

Jukka V. Paatero,Peter D. Lund.A model for generating household electricity load profiles[J].International Journal of Energy Research,2006.

Haroon Rashid,Pushpendra Singh,Vladimir Stankovic,Lina Stankovic.Can non-intrusive load monitoring be used for identifying an appliance’s anomalous behaviour?[J].Applied Energy,2019.

Matthias Kahl,Veronika Krause,Rudolph Hackenberg,Anwar Ul Haq,Anton Horn,Hans-Arno Jacobsen,Thomas Kriechbaumer,Michael Petzenhauser,Mikhail Shamonin,Anton Udalzow.Measurement system and dataset for in-depth analysis of appliance energy consumption in industrial environment[J].tm - Technisches Messen,2019.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于VAE-Koopman-Attention融合的台区分类感知负荷预测方法

基于差分隐私联邦强化学习的低碳社区能量管理

基于二次模态分解和DA-iTransformer的极端天气短期风电功率预测

基于小波卷积神经网络的配电网互感器监测预测方法

基于计算机视觉模型的配电网单相接地故障区段免阈值智能定位方法

Related Author

崔凯

高晓杰

王保发

高丽娟

王泽宁

杨海跃

杜宗伟

李宗英

Related Institution

天津相和电气科技有限公司

国网河北省电力有限公司衡水供电分公司

衢州学院电气与信息工程学院

山东科技大学电气与自动化工程学院

长沙理工大学

AI问答

⁰