本发明公开了一种自监督对比学习的非侵入性负荷识别方法及其系统，包括数据增强从合成数据中提取多标签操作特征；格拉姆矩阵编码：使用格拉姆角场编码将电源序列转换为图像矩阵，实现特征自动提取；自监督对比学习架构：利用包含两个卷积子神经网络的对比学习架构，从主监测通道和设备监测通道中分别提取特征，并在该架构中应用infoNCE损失函数，以进行参数优化，缩小特征空间的类内距离，扩大类间距离。最后，测试样本的标签由从训练集中提取的支持集内每个类别的样本的平均相似性确定。通过两个典型的NILM公共数据集REDD和ECO验证了所提算法的有效性，这些数据集包含低频功率数据，结果表明，算法不仅拥有识别多标签用电器操作的高准确率。