Tra gli altri scopi, può essere sfruttato come fase preliminare per la previsione del carico, che viene applicata allo stesso modo ai consumatori nello stesso cluster. In letteratura sono stati proposti e sviluppati numerosi algoritmi di clustering e la scelta dell’insieme più appropriato di parametri di clustering è fondamentale per garantire risultati affidabili. In questo documento viene presentato un servizio automatizzato, adatto per analisi di clustering ripetute.

La pipeline è in grado di elaborare un set di dati di serie temporali generiche ed è facilmente regolabile per testare altri parametri di input di clustering; pertanto, può essere utilizzato per trovare il miglior set di parametri con il set di dati specifico. Inoltre, facilita la caratterizzazione ripetuta sui profili di carico in tempo reale con l’obiettivo di rilevare cambiamenti improvvisi dei comportamenti dei consumatori e condizioni esterne variabili, che influenzano l’attività di previsione della potenza reale su una breve scala temporale.