该技术相对于侵入式负荷监测技术具有成本低、通信网络简单和便于维护等优点，同时得到各负荷工作状态和耗能情况，并根据耗能信息、分时电价和电能计量等综合信息，以得到有效的节能措施、制定合理的节能计划和有针对性选购用电负荷。因此，通过非侵入式负荷监测与辨识技术实现居民用电负荷的可视化可有效减少用电成本，实现节能减排以降低能源危机和环境污染等问题。但大部分研究者主要在高频采样率下的负荷辨识技术的研究，该方法对采样设备要求较高和分析数据量大，不利于非侵入式技术产品化的推广，因此低频采样的负荷辨识已成为现阶段亟需解决的问题。
　　本文提出一种基于低采样率下多特征序列融合的负荷监测与辨识方法，并利用MATLAB搭建居民负荷用电可视化演示平台，实现负荷监测居民用电可视化，主要工作如下:
　　(1)首先研究典型家用负荷运行特性，利用小波阈值去噪等方法对数据进行预处理，然后根据滑动窗口算法获取负荷功率特征量、统计特征量和奇异值特征量，并基于假设检验的统计特征值等方法对特征值进行选择，完成负荷特征的选择，构建了非侵入式负荷辨识特征数据库，为负荷监测与辨识提供基础。
　　(2)针对非侵入式电力负荷监测与辨识问题，提出一种基于多特征序列融合的非侵入式负荷监测与辨识方法，首先根据负荷事件检测算法判断负荷的启停，并利用0-1规划求解负荷存在的可能性，以降低负荷辨识计算维度;然后基于滑动时间窗口算法获得组合功率序列和原始功率序列，提取功率特征值、功率序列的统计特征值和奇异值，以弥补描述负荷特征信息不足的情况，并利用概率神经网络与DS(Dempster-Shafer)证据理论进行负荷辨识，并获得各个负荷耗电量的估计值。
　　(3)为了测试多特征序列融合的负荷辨识算法的性能，通过性能指标准确率和辨识精度对负荷辨识的结果进行评估，开展了考虑单负荷辨识、多负荷辨识、不同采样率辨识和各居民用户负荷辨识等多场景情况下的仿真实验，仿真结果表明，本文所提出的方法得到负荷准确率和辨识精度的可达到85％以上，同时本文方法准确率高于传统算法的准确率，实现了低频采样频率工况下的负荷辨识较高精度的辨识。
　　(4)针对非侵入式负荷监测与辨识算法可视化问题，利用MATLAB中GUI工具，设计了一套居民用电可视化系统，该系统包括人机交互主界面、负荷事件检测、负荷可能组合判断、参数设置、负荷特征数据库、居民用电实时信息和历史数据查询等模块，并将本文所提出的多特征序列融合负荷辨识方法应用其中，能够实现非侵入式居民用电可视化基本功能，以指导居民调整负荷用电时段和选择节能电器等用电措施。