本发明公开了一种多变量时间序列数据聚类方法，包括对多变量时间序列数据进行归一化预处理；构建深度学习无监督学习模型稀疏自编码器，对多变量时间序列数据进行特征提取以构建新特征序列；获取样本数据新特征序列的聚类K值；基于欧式距离计算不同样本数据新特征序列之间的距离；对样本数据的新特征序列集进行聚类；根据聚类结果分析多变量时间序列数据的潜在模式。本发明通过稀疏自编码器模型和聚类方法，提高处理大规模数据的效率，并构建稀疏自编码器模型以提高模型对多变量时间序列数据提取新特征序列的性能，同时根据欧式距离构建了多变量距离计算模型以实现对多变量时间序列数据的聚类。