1.一种居家办公环境下的用电负荷状态识别方法，其特征在于该方法包括以下步骤：
步骤1.构建负荷特征模板库
1-1、获取居家或办公环境中用电负荷投切时的有功功率时间序列和无功功率时间序列，将上述的两种功率时间序列记为用电负荷的瞬态功率波形tpw；
获取和投切事件相对应的事件标签，将所有电负荷的瞬态功率波形tpw组成一个完整的数据集dataset；将每一种用电负荷的瞬态功率波形tpw随机取出50％的数据作为训练集，记为tr，用于负荷特征模板库选择；将数据集dataset中另外50％的数据作为测试集，记为te，用于用电负荷状态识别方法的性能测试；
1-2、计算训练集中元素ωi的最大聚类类数mimax，其中ωi表示第i种用电负荷的瞬态功率波形tpw的集合；
1-3、初始情况下，集合ωi中每个样本都为一个单独的类，此时的类间距离和样本间距离相同；计算集合ωi中各个类之间的dtw距离，并得到类间距离矩阵d(ωi)；
1-4、对集合ωi中距离最近的两类样本进行合并，其余类样本保持不变；用c(j,k)表示集合ωi中第j类样本c(j)和第k类样本c(k)合并之后的集合；
其中d(j,k)表示集合ωi中的第j和第k类样本之间的dtw距离
1-5、比较tc-1和预置聚类类数mi之间的关系，若tc-1＝mi，则跳到1-6，输出样本当前的分类情况；若tc-1>mi，则返回到1-3，重新计算类间距离矩阵；
1-6、系统聚类后将数据细分为mi个样本类，集合表示为
其中nr表示第r个集合中样本的个数；
1-7、将集合ωi中选取出来的样本集合表示为kui
其中
1-8、对训练集tr＝{ω1,ω1,…,ωn}中所有的集合都经过聚类筛选可得到完整的负荷特征模板库ku
ku＝{ku1,ku2,…,kui}
步骤2.识别用电负荷状态
2-1、从测试集te中选取待测tpw，记为te，负荷特征模板库ku中的典型模板波形记为tz；
2-2、采用如下电负荷状态识别规则：将te与tz做dtw计算，找出与待测tpw间dtw距离最小的典型模板波形，并将其状态标签给与待测tpw，从而得到用电负荷的负荷状态；
de,z(te,tz)表示计算te和tz间的dtw距离，argmin()表示求取使de,z(te,tz)最小时的变量值，
步骤3.对负荷状态识别方法进行参数优化
3-1：设定负荷状态识别方法的评价指标
用电负荷状态识别的评价指标包括精度、灵敏度以及f度量；精度是指c类样本的概率；灵敏度是指c类样本被正确识别的概率；f度量是精度与灵敏度结合的综合指标；
3-2：参数优化；
1)获取综合评价指标f度量
根据完整的负荷特征模板库ku和测试数据集te，进行最近邻模板匹配，可得到f度量
f＝lab(dtw(g(m1,m2,…,mn,tr),te))
其中n表示用电负荷种类数，m1,m2,…,mn分别表示每一种用电负荷的聚类类数，g(,)表示步骤1构建的负荷特征模板库，dtw(,)表示步骤2-2中的用电负荷状态识别规则，lab(,)表示f度量的映射关系；
2)优化过程
将m1,m2,…,mn作为可变参数，综合评价指标f度量作为优化目标，对负荷识别方法进行pso优化；优化目标函数下所示；
maxf(h)＝lab(dtw(g(h,tr),te))
其中z+表示正整数。
2.根据权利要求1所述的一种居家办公环境下的用电负荷状态识别方法，其特征在于：
精度pc计算如下：
其中，c表示测试集te中用电负荷的总类，tpc表示正确识别为c类样本的数量，fpc表示错误识别为c类样本的数量；
灵敏度sc计算如下：
其中，fnc表示被错误的识别为其他类样本的c类样本；
综合评价指标度量f计算如下：
其中，ni表示第i类用电负荷的样本总数。