基于神经网络的非侵入式负荷监测识别算法，张建文，赵时，智能电网用户与供电网之间具有互动性，为了配合供电网，用户的用电需要自行调节，而家用电器的用电量的调节具有相当大的潜力。本

非侵入式负荷监测(NILM)能够在不干扰用户正常用电的情况下，低成本地实现用户用电设备类型的识别和用电负荷的分解，因此非常适用于家庭用户用电监测。大量智能电表在家庭用户中的安装为居民NILM提供了数据支撑，也使得居民NILM研究成为热点。基于家庭负荷稳态电流样本，采用负荷电流谐波系数作为负荷分类特征，建立了基于多层感知器(MLP)神经网络、k-近邻算法、逻辑回归、支持向量机的4种NILM分类模型，利用BLUED数据库对4种分类器进行训练和测试，对比分析其在识别精度、训练时间、识别速度和抗噪能力方