本发明适用于负荷监测技术领域，提供了一种基于联邦学习的非侵入式负荷监测方法及终端，所述基于联邦学习的非侵入式负荷监测方法包括：云端服务器利用公共数据集和MTL训练Seq2point模型，得到并压缩MTL‑Seq2point模型，将压缩后模型发送至所有客户端，客户端根据客户数据进行数据蒸馏得到的蒸馏数据集训练MTL‑Seq2point模型并生成新的客户模型，将新的客户模型上传至云端服务器更新模型，并分发给每个客户端，重复以上步骤。本发明能够实现数据的隐私保护并减少计算量，从而提高计算速度。