Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Organizing, Visualizing and Understanding Households Electricity Consumption Data through Clustering Analysis.
Blekinge Tekniska Högskola, Fakulteten för datavetenskaper, Institutionen för datalogi och datorsystemteknik.
Blekinge Tekniska Högskola, Fakulteten för datavetenskaper, Institutionen för datalogi och datorsystemteknik.ORCID-id: 0000-0001-9947-1088
Blekinge Tekniska Högskola, Fakulteten för datavetenskaper, Institutionen för datalogi och datorsystemteknik.
Blekinge Tekniska Högskola, Fakulteten för datavetenskaper, Institutionen för datalogi och datorsystemteknik.ORCID-id: 0000-0003-3128-191x
2018 (Engelska)Ingår i: Organizing, Visualizing and Understanding Households Electricity Consumption Data through Clustering Analysis, https://sites.google.com/view/arial2018/accepted-papersprogram , 2018Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

We propose a cluster analysis approach for organizing, visualizing and understanding households’ electricity consumption data. We initially partition the consumption data into a number of clusters with similar daily electricity consumption profiles. The centroids of each cluster can be seen as representative signatures of a household’s electricity consumption behaviors. We evaluate the proposed approach by conducting a number of experiments on electricity consumption data of ten selected households. Our results show that the approach is suitable for data analysis, understanding and creating electricity consumption behavior models.

Ort, förlag, år, upplaga, sidor
https://sites.google.com/view/arial2018/accepted-papersprogram , 2018.
Nationell ämneskategori
Annan data- och informationsvetenskap
Identifikatorer
URN: urn:nbn:se:bth-17439OAI: oai:DiVA.org:bth-17439DiVA, id: diva2:1272601
Konferens
2ND WORKSHOP ON AI FOR AGING, REHABILITATION AND INDEPENDENT ASSISTED LIVING (ARIAL) @IJCAI'18, Stockholm
Projekt
BigData@BTHTillgänglig från: 2018-12-19 Skapad: 2018-12-19 Senast uppdaterad: 2019-01-16Bibliografiskt granskad

Open Access i DiVA

fulltext(425 kB)44 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 425 kBChecksumma SHA-512
d97e950d74207f5fa0a17f2dce99d80c68ba8f080950325b7d80058af41e7943fcac067f913aa4008a127620bd1ceff0be10a4aa9d156d74b2da01b61c16c508
Typ fulltextMimetyp application/pdf

Personposter BETA

Nordahl, ChristianGrahn, HåkanPersson, MarieBoeva, Veselka

Sök vidare i DiVA

Av författaren/redaktören
Nordahl, ChristianGrahn, HåkanPersson, MarieBoeva, Veselka
Av organisationen
Institutionen för datalogi och datorsystemteknik
Annan data- och informationsvetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 44 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 186 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf