En el contexto de la crisis energética, se está llevando a cabo una extensa investigación para mejorar la predicción de carga, optimizar el enfoque de los programas de respuesta a la demanda y asesorar a los ocupantes de los edificios sobre acciones para mejorar el rendimiento energético. El análisis de clúster se aplica cada vez más a los datos de uso de todos los tipos de consumidores. Una identificación más precisa de los consumidores se traduce en una mejor planificación de recursos. En el contexto de la Industria 4.0, donde se recopilan datos exhaustivos en diversos ámbitos, proponemos utilizar los datos de sensores existentes de electrodomésticos para extraer los patrones de uso y caracterizar las demandas de recursos de los consumidores de hogares residenciales. Proponemos un flujo de trabajo general para extraer características de los datos brutos de los sensores junto con características globales para agrupar los usos de dispositivos y clasificarlos en función de las series temporales extraídas. Aplicamos el método propuesto a datos reales de tres tipos diferentes de dispositivos domésticos. Proponemos una estrategia para identificar el número de clústeres existentes en datos reales. Empleamos los datos de etiquetas obtenidos de la agrupación para la clasificación de consumidores basada en datos registrados en diferentes rangos de tiempo y logramos un aumento en la precisión de hasta el 15% cuando ampliamos el rango de tiempo para los datos registrados en todo el conjunto de datos, obteniendo una precisión de más del 99.89%. Exploramos además las meta-características de los datos para un conjunto de datos mínimo examinando el intervalo de tiempo necesario para los datos registrados, las dimensiones del conjunto de datos y el conjunto de características. Este análisis tiene como objetivo lograr un equilibrio efectivo entre el tiempo y el rendimiento.