非侵入式负荷分解技术是在保证用户隐私的背景下深度分析用户的用电信息,是智能用电体系的关键研究内容。在负荷分解中主要存在功率相近的电器无法识别等问题。起初研究人员为解决上述问题,引入高频特征进行识别,但随之也带来了计算复杂,实际实施较为困难等问题。随着近几年模式识别的发展,模式识别的方法在非侵入式负荷分解中应用广泛,但研究人员忽略了方法的实用性。针对上述问题,本文围绕实用性较高的组合优化方法在非侵入式负荷分解中的应用展开研究,主要工作内容如下:（1）从负荷特征与负荷识别算法两方面对非侵入式负荷分解的现有研究方法进行了梳理与分类,分别讨论了组合优化方法和模式识别方法的优缺点,确定负荷分解算法的评价指标,为本文所提出非侵入式负荷分解算法的构建与评估奠定了基础。（2）在稀疏分类中引入高频特征,提出了基于稳态特征的非侵入式阶层负荷分解方法。首先,采用Mean-shift算法对电器用电数据进行聚类分析,得到每种电器的工作状态数量、功率及电流谐波,基于有功功率、无功功率和电流谐波构建特征字典,基于电器状态构建稀疏矩阵。其次,为了提高负荷分解的准确性、降低计算复杂度,采用阶层分类的思想进行负荷分解。先采用稳态有功功率进行识别,再采用稳态无功功率进行识别,最后基于欧式距离和电器的高频电流谐波计算负荷分解结果。实验结果表明,该方法相比较于传统的稀疏分解方法提高了负荷分解的准确率。（3）在非侵入式负荷分解中,采用暂态与稳态特征相结合进行阶层式负荷分解。在训练过程中,对电器数据进行聚类分析,构建稳态与暂态的特征字典及稀疏矩阵,根据电流谐波的互信息计算特征权重。在测试过程中,采用对电器数据进行二次加窗处理的方式提取暂态特征。根据暂态特征及前一时刻的电器状态对稀疏矩阵进行降维处理。使用降维后的稀疏矩阵进行有功功率识别及无功功率识别后,根据电流谐波的互信息的计算特征权重来进行高频电流谐波识别,得到负荷分解结果。实验结果表明,该方法相比较于稳态特征的负荷分解提高了负荷分解的准确率。