电能是全世界应用最广泛的能源,而电能的合理使用是创造生态文明的重要一环。近些年,由于用电量急速增长,导致了电网高峰负荷的饱和。而居民用电是电网高峰负荷乃至尖峰负荷的重要组成,且集中性是其所具有的特有性质,从而影响电网的稳定运行。智能用电可利用潮流调控、分时电价等方法,减小楼宇电能消耗,实现削峰填谷和负荷转移。负荷监测测是实现智能用电的重要一环,通过负荷监测,各电器耗电情况能被用户及时了解,用户可主动优化用电方式,合理管理家庭能量;通过监测居民负荷组成成分,电网能准确对需求侧进行管理,能对居民负荷进行资源合理调配。作为未来监测技术发展趋势和方向,非侵入式电力负荷监测是重要的负荷监测方式,应用NILM技术将家庭能耗数据分类为单个设备利用数据,能分散和集中计量用户电力消耗,该方法不仅能降低安装维护成本,还能了解用户用电规律,对电力系统需求侧管理、用户最佳用电方案选择以及政府有关部门相关政策的颁布起着重要数据支撑作用。本文以非侵入式负荷监测为研究对象,重点针对其中事件检测与辨识领域,开展研究,主要完成工作如下:（1）概述非侵入式监测领域的研究现状和相关技术。在广泛阅读国内外相关文献的基础上,首先分析本课题的研究背景与意义,然后阐述家庭用电设备非侵入式事件检测与负荷辨识的基本流程,最后针对事件检测与负荷辨识两大研究板块,分别阐述常用的几种方法以及它们的优缺点。（2）提出一种基于ARIMA-F检验的非侵入式事件检测方法。负荷开关事件受多因素影响,如部分设备工作时存在过大或异常的功率波动而导致检测算法无法正确辨别是否为开关事件,以及部分设备启动或关闭切换时间较长等,由于上述问题本章基于ARIMA-F检验模型,提出一种面向家庭用电设备非侵入式负荷开关事件检测方法。首先,利用中值滤波有效处理噪声的优点,解决设备功率波动导致模型误判事件的问题;然后,对各家庭用电设备典型瞬态有功功率波形进行详细分析,利用差分函数处理含有较长过渡时间设备的不利因素;接着,经过预处理后,采用ARIMA算法将原始序列分解为趋势序列、周期序列与残差序列,提取残差序列作为检测负荷开关事件的数据;最后,通过公开数据集BLUED验证分析本章所提方法的有效性。（3）提出一种基于NP-MLSTM的非侵入式负荷辨识方法。针对纷繁多样的负荷特征导致辨识工作量过大、部分负荷样本数量不足、多类别辨识工作运算过于复杂而导致辨识精确度降低的问题,以具有“记忆”功能的长短时记忆网络LSTM为基础,提出一种基于NP-MLSTM的家庭典型用电设备非侵入式负荷辨识方法。本章首先采用KCCA法,选择与样本标签相关性较高的特征作为辨识的备选特征;然后,采用Mixup方法对少数量样本进行扩充,并通过余弦相似度检验扩充前后样本的相似度;接着,构建多层择优二分类辨识模型对负荷数据进行辨识;最后,通过实验与对比实验分析,验证所提负荷辨识方法的高精准性。（4）使用自采数据集统一验证本文前两章所提的方法,并设计一种非侵入式家用负荷监测可视化平台。针对前述开关事件检测与负荷辨识采用不同数据集存在一定局限性的问题,本章利用自行采集的用电设备负荷数据集进行事件检测与负荷辨识实验。首先,通过数据采集装置完成负荷数据采集,并对负荷数据进行相应预处理;接着,分别进行非侵入式负荷开关事件检测与负荷辨识实验,验证同一数据集上两个任务模块整体的效果;最后,设计一款负荷监测可视化平台,包括开关事件检测与负荷辨识两个主要功能模块,以直观显示的方式突出全文所提方法的实用性。