摘要：非侵入式负荷监测通过在总电力接口处安装智能电表，实时采集和分析用户用电信息，从而监测各个用电设备的工作状态。针对电力系统中家庭用户负荷变化呈现的不同特性，提出一种基于VMD-CNN的非侵入式负荷监测方法。首先对采集到的负荷信号进行预处理，用变分模态分解方法将原始负荷功率信号分解成不同频率的有限带宽子序列，然后用Hilbert算法提取低频信号特征并将其输入到卷积神经网络中，再通过网络的自动学习能力学习各模态分量的不同特征，最后用全连接网络对用电设备进行分类，得到各个设备的用电情况。为了验证该方法，采用UK-DALE数据集进行实验验证，并与不同的分类算法进行对比。实验结果证明该方法适用于负荷监测且负荷监测精度达到了0.98。

      关键词：非侵入式负荷监测；电力系统；VMD算法；卷积神经网络

      中图分类号：TM73     文献标识码：A