我发现NILM领域中文的博客还是很少的，比较系统讲解的就更少，目前打算把这个博客写的全面些，而工欲善其事必先利其器，先说论文似乎不太容易理解，先说下NILMTK这个工具包吧。然后再讲几个数据集，再说论文。
NILMTK，顾名思义， nilm的tool kit，是专门为非侵入式负荷监测任务开发的开源工具包，包括了各大公开数据集的数据处理，也支持用户自己采集的数据；内置了组合优化（co）和隐马尔可夫模型（fhmm）两种算法以便和研究人员的算法比较；提供了算法封装的函数，可以方便调用使用者自己写的算法；提供了负荷分解结果的评价指标。
网站就如下图。网址：https://nilmtk.github.io/ （有时需要fq） 论文是《NILMTK: An Open Source Toolkit for Non-intrusive Load Monitoring》
注意，这里首先要声明的是，NILMTK不支持高频数据！！高频数据指khz或Mhz采样的数据。比如BLUED数据集就是khz采样数据，NILMTK是处理不了的，REDD数据集既提供了15khz高频数据也提供了3s采样低频数据，那NILMTK只能处理后者。因此，如果你研究的是用高频电表数据识别电器开关（投切）事件，。。。。。。。你依然需要NILMTK，哈哈哈哈哈。
为什么NILMTK处理不了高频数据集还需要看它呢，因为如果你要用高频的电表数据判断电器开关事件，算法的输入特征是电表数据，那label就是电器的开关事件啊，哪个电器在哪个短暂的0.几秒的时间里开了或关了是需要知道的。但遗憾的是，目前所有高频公开数据集里，（我知道的）只有BLUED这个数据集同时提供了每个电器开关的标签。以REDD的15khz数据为例，那就只有总电表的15khz采样的数据，没有电器的开关事件，那怎么办呢，你可以用NILMTK中的get_activationseries函数（虽然自己写也不麻烦）和REDD低频的电器有功序列，找到低频数据集中每一次电器开关的大致时刻（因为低频3s采样嘛），然后再从高频电表数据波形中精准定位投切事件在3s中的哪里。（如果你真的不想用NILMTK，也不是不可以，NILMTK基本上也是numpy和pandas实现的）
可能描述起来比较困难，但是如果你做高频事件检测，自然看得懂；做低频功率分解，也就没必要看。
下面继续说这个工具包，工具包的安装就不多介绍了，网站上有安装教程，我用过windows10 和7的64位，使用都是没问题的。linux安装可能不会有什么问题，windows安装的话，注意上面说需要安装：VS C++ compiler。其实有个简单的安装方法，你windows也下个wget，用wget安。
然后是用nilmtk转换和导入数据集。转换的意思是，国外这些公开的数据集原本的格式（比如，可能是每个家庭一个文件夹，每个家庭中的每个电器是csv或者dat或者其他格式的文件），通过NILMTK中的dataset_converters模块转换成一个h5文件，也就是比如，原来的整个REDD数据集，就成了一个REDD.h5文件，原来的UK-jwdpj所有家庭的数据最后整合成了一个UK-jwdpj.h5文件。而这个h5格式的文件是NILMTK能够读取的。具体操作在NILMTK的网站都有示例介绍，我就不多讲了，许多数据集的h5格式，网站里也提供了下载（没提供的说明原数据集需要你自己申请账号（dataport）或者邮件索取（redd））。
具体怎么用，网站上很详细，自己研究吧，最后两部分还提供了fhmm算法和co算法，有兴趣你还可以看看源码怎么实现。
这节对NILMTK的介绍只是为了后面讲解论文和操作流程做铺垫，因此并没有详细讲解。后面讲实际数据处理流程时，用到NILMTK中什么函数，再逐个详细介绍，over。