Hyppää sisältöön
    • Suomeksi
    • På svenska
    • In English
  • Suomeksi
  • In English
  • Kirjaudu
Näytä aineisto 
  •   Etusivu
  • LUTPub
  • Diplomityöt ja Pro gradu -tutkielmat
  • Näytä aineisto
  •   Etusivu
  • LUTPub
  • Diplomityöt ja Pro gradu -tutkielmat
  • Näytä aineisto
JavaScript is disabled for your browser. Some features of this site may not work without it.

Klusteroinnin hyväksikäyttö sähkön kulutusdata analysoinnissa

Länsisalmi, Joel (2021)

Katso/Avaa
Kauppatieteiden pro gradu tutkielma - Joel Länsisalmi.pdf (6.876Mb)
Lataukset: 


Pro gradu -tutkielma

Länsisalmi, Joel
2021

School of Business and Management, Kauppatieteet

Kaikki oikeudet pidätetään.
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2021120959742

Tiivistelmä

Tämän gradytyön tavoitteena oli ymmärtää paremmin Keravan energian asiakkaiden sähkönkulutus tottumuksia. Paremman ymmärryksen luomiseksi tutkimuksessa käytetiin aika-sarja klusterointi metodia. Tutkimuksessa etsitään kusteroinnin avulla yhteyttä sähkönkulutus datan ja käyttäytymisen välille.

Gradutyön runkona toimii asiakassegmentoinnin ja klusteroinnin teoriat. Kohdeyrityksen asiakkaiden kulutusdata on peräisin sähkönmittauslaitteista. Data analysoitiin käyttämällä erottelu aikasarja klusterointi metodia.

Tutkimuksessa analysoidaan klusteroinnista saatuja tuloksia ja pyritään ymmärtämään yhteyttä datan ja asiakkaiden käyttäytymisen välillä. Lopulta tutkimuksessa annetaan mahdollisia jatkotutkimus aiheita, joita tutkimus synnytti.
 
This master’s thesis was created that we were able to have better understanding about customers of Kerava energy company. Key objective was to have better understanding of electricity consumption. Main tool in this thesis was timeseries clustering. This study uses clustering to achieve understanding between customer behavior and electricity consumption data.

Main body of this thesis was customer segmentation and clustering theory. Data was originated from machines that count electricity consumption. Data was analyzed by partitioning time-series method.

In this study results are being analyzed to have better understanding of link between electricity consumption data and customer behavior. In the end there is shown different topics for further studies.
 
Kokoelmat
  • Diplomityöt ja Pro gradu -tutkielmat [14178]
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