本发明公开了一种基于无监督预训练神经网络的非侵入式负荷分解方法，在序列到点卷积神经网络架构的基础上，利用同一数据集中其他家庭的大量无标签数据对网络进行无监督预训练，再利用目标家庭中少量有标签数据对网络参数进行微调。通过将无监督预训练与有监督微调相结合的训练方式，训练获得可用于负荷分解的深度神经网络模型，以提高网络在少量有标签数据下的分解性能。该方法主要是针对每个电器训练一个相对应的神经网络，训练好的神经网络可从用户用电总功率数据中分解出单个电器的功率。本发明方法在目标家庭有标签数据很少的情况下，有效地提高了深度学习进行非侵入式负荷分解的效果，具有较高的负荷分解潜力。