Klāsteru analīzes pielietošana svētku dienu tipisko elektroenerģijas patēriņa grafiku noteikšanai

Abstract

Darba mērķis ir noteikt tipisko svētku dienu patēriņa grafiku skaitu un pašus grafikus. Darbā tiek izmantota divu posmu klāsterizācija - pirmkārt, tiek veikta objekta ietvaros dienu klāsterizācijas. Otrkārt, pēc tam, kad ir iegūts katra objekta svētku dienu tipiskais grafiks, tiek veikta šo grafiku klāsterizācija. Šinī procesā tiek pielietoti un salīdzināti trīs dažādi klāsterizācijas algoritmi - k-vidējais (k-mean), pašorganizējošās kartes (self-organizing map) un hierarhiskā (hierarchica} klāsterizācija. Darba rezultātā tika iegūts, ka ir izšķirami svētku dienās divu veidu grafiki. Un piemērotākais klāsterizācijas algoritms gan objekta dienu, gan tipisko dienu klāsterizācijai ir k-vidējā klāsterizācijas algoritms.

Atslēgas vārdi: klāsteru analîze, k-vidējais, pašorganizējošās kartes, hierarhiskā klāsterizācija, Silhouette indekssThe aim of this work is to evaluate typical holiday load graph number and typical loads themself. Two-stage clustering is used in the work - first, clustering is done for the days of each object. Second, after acquiring typical holiday graph for each object we proceed to the clustering of those typical graphs. In this process three different clustering algorithms are used - k-mean, self-organizing maps and hierarchical clustering. As a result two holiday graphs were acquired. And it was concluded that the most appropriate clustering algorithm for our aim is the k-means clustering algorithm.

Keywords: cluster analysis, k-mean, self-organizing map, hierarchical clustering, Silhouette index