本申请公开了一种基于联邦学习的边缘计算非侵入式负荷辨识方法及装置，其中，方法包括：在各边缘设备侧本地部署全局模型的轻量化模型；下发全局模型参数至各边缘设备，其中，各边缘设备加载全局模型参数，并对本地模型进行训练，上传训练完成的本地模型参数；聚合各边缘设备上传的本地模型参数，根据聚合的本地模型参数更新全局模型参数，并下发更新后的全局模型参数至各边缘设备，直到全局模型满足目标条件时停止联邦学习，其中，各边缘设备根据联邦学习得到的本地模型进行非侵入式负荷辨识。由此，解决了相关技术中基于联邦学习的非侵入式负荷辨识的过程中，边缘资源受限、训练数据稀缺以及容易出现数据隐私等问题。