NILM中国用户用电设备数据，内包含风扇热水壶白炽灯笔记本等用电设备数据；电流电压功率因数电压电流谐波采样数据等，最高51次谐波。

行业-电子政务-用于非侵入式电力监测的自适应负荷事件检测方法.zip

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

NILM开源数据集:REFIT预处理代码

为了实时远程地监测负荷运转状态和识别负荷种类，设计了一种非侵入式负荷监测系统，并研究基于PCA和kNN的负荷识别算法。在电力供给入口端，通过在负荷回路中串联康铜电阻采样工作电流，通过电阻分压网络采样工作电压，并计算负荷的实时有功功率，以1 Hz频率向云服务器发送功率信息。在云服务器端，通过PCA对功率值序列进行特征提取和降维，通过kNN对当前接入的负荷进行归类，用户可以通过终端设备访问负荷监控界面。在实验中，将系统安装于墙壁插座上，对8类家用负荷进行监控和识别，多次实验结果显示负荷平均识别率达到98%以上，验证了该方案的准确性和可行性。

240多户家庭电器用电数据，包含几种电器，适合做非侵入式负荷分解和家庭用电行为分析。

ETQ非侵入式阀门电动装置

个人博客：电气期刊论文实现：基于优化算法的非侵入式居民负荷辨识算法 的数据集。数据集详情见博客。

非侵入式负荷监测已经成为智能电网负荷监测管理的关键技术之一。用电设备状态变化过程所表现出的暂态特征是进行非侵入式用电设备状态辨识的重要依据，但其精准提取取决于用电设备状态变化的准确检测。为此，提出了一种基于改进排列熵算法和Yamamoto算法的非侵入式用电设备状态变化检测算法。首先对排列熵算法进行多尺度改进，利用多尺度排列熵的差值分析确定状态变化发生的区间，然后利用Yamamoto算法进行区间检测，定位状态变化的时刻。仿真分析结果表明，所提算法可准确检测用电设备的状态变化，有效地提高后续利用暂态特征的设备状态辨识准确率。

基于家用电器启动的非侵入式负荷识别算法的研究，赵时，张建文，由于家用电器在启动时会产生具有一定的特征的负荷信号，本文介绍了一个基于暂态检测进行模式分类的算法。该算法可以根据电量参数