Hyppää sisältöön
    • Suomeksi
    • På svenska
    • In English
  • Suomeksi
  • In English
  • Kirjaudu
Näytä aineisto 
  •   Etusivu
  • LUTPub
  • Kandidaatin tutkintojen opinnäytetyöt
  • Näytä aineisto
  •   Etusivu
  • LUTPub
  • Kandidaatin tutkintojen opinnäytetyöt
  • Näytä aineisto
JavaScript is disabled for your browser. Some features of this site may not work without it.

Analysing electricity consumption data by fast search and find of density peaks

Koponen, Juho-Pekka (2017)

Katso/Avaa
bachelor_thesis.pdf (755.6Kb)
Lataukset: 


Kandidaatintyö

Koponen, Juho-Pekka
2017

School of Engineering Science, Laskennallinen tekniikka

Kaikki oikeudet pidätetään.
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2018062026233

Tiivistelmä

The aim of this thesis is to compare a clustering method called Clustering by fast search and find of density peaks (CFSFDP) (Rodriguez et al. 2014) to two traditional clustering methods in analysis electricity consumption. These traditional methods are k-means and Density-based clustering of applications with noise (DBSCAN). The profiles of the typical days can be described as cluster centroids. The methods were compared by the easiness of the selection of parameter values and the qualities of the resulting clusters.
Based on the comparison, it was more difficult to select the parameter values with CFSFDP than with the other methods with the used dataset. The resulting clusters of CFSFDP were more spread out than those of the other methods. Between k-means and DBSCAN the results were highly similar.
 
Tämän kandidaatintyön tavoitteena on vertailla Klusterointia nopean haun ja tiheyshuippujen avulla (CFSFDP) (Rodriguez et al. 2014) kahteen perinteiseen klusterointimenetelmään sähkönkulutuksen analysoinnissa. Perinteiset menetelmät, joihin CFSFDP:tä verrataan, ovat k:n keskiarvon klusterointimentelmä ja DBSCAN. Tyypillisten päivien kuormitusprofiileja voidaan kuvata klustereiden keskipisteinä. Menetelmiä vertailtiin parametriarvojen valitsemisen helppoudella sekä tuloksena saatujen klustereiden ominaisuuksilla.
Kyseisen datan kanssa CFSFDP:tä käytettäessä oli vaikeampi valita parametriarvot kuin muilla menetelmillä. Tuloksena olevat klusterit olivat levittyneempiä CFSFDP:llä kuin muilla menetelmillä. Tulokset olivat hyvin samanlaisia k:n keskiarvon ja DBSCAN:n välillä.
 
Kokoelmat
  • Kandidaatin tutkintojen opinnäytetyöt [5162]
LUT-yliopisto
PL 20
53851 Lappeenranta
Ota yhteyttä | Tietosuoja | Saavutettavuusseloste
 

 

Tämä kokoelma

JulkaisuajatTekijätNimekkeetKoulutusohjelmaAvainsanatSyöttöajatYhteisöt ja kokoelmat

Omat tiedot

Kirjaudu sisäänRekisteröidy
LUT-yliopisto
PL 20
53851 Lappeenranta
Ota yhteyttä | Tietosuoja | Saavutettavuusseloste