데이터셋 상세
환경 빅데이터
가우스랩 - 기상정보 기반 신재생에너지 고효율 AI 데이터 솔루션
신재생에너지 기상정보 AI 데이터는 기상 데이터를 활용하여신재생에너지 발전 효율성을 극대화할 수 있도록 돕는고급 인공지능 데이터 솔루션입니다.태양광, 풍력, 수력 등 다양한 신재생에너지 분야에서 활용될 수 있으며,기상 조건에 따른 에너지 생산 예측과 최적화에 탁월한 성능을 자랑합니다.가우스랩은 1940년 ~ 2023년 1시간 단위의 데이터를 보유하고 있으며,샘플 데이터를 확인 후 데이터 구매나 API를 희망하시는 고객께서는02-3280-0730으로 연락 바랍니다. 신재생에너지 기상정보 AI 데이터는 태양광 발전소에서 발전 효율성을 극대화하는 데 활용될 수 있습니다.일사량 데이터를 기반으로 하루 동안의 태양광 발전을 예측하고,이를 토대로 패널의 각도와 배치를 최적화함으로써 에너지 생산을 최대화할 수 있습니다.풍력 발전소에서도 이 데이터를 통해 운영을 개선할 수 있습니다.풍속과 풍향을 정확하게 예측하여 터빈의 회전 속도를 조절하고,기상 조건에 맞춰 효율적으로 운영함으로써 발전량을 증대시킬 수 있습니다.수력 발전소 역시 기상정보 AI 데이터를 활용하여 효율성을 높일 수 있습니다.강수량과 수온 데이터를 실시간으로 모니터링하여 저수지 수위를 사전에 조절하고,급격한 수위 변화에 대비함으로써 물 자원을 효과적으로 관리할 수 있습니다.종합 에너지 관리 시스템에도 신재생에너지 기상정보 AI 데이터를 도입할 수 있습니다.다양한 신재생에너지원을 운영하는 종합 에너지 회사는기상 조건과 에너지 수요를 예측하여 각 에너지원의 발전 비율을 조정하고에너지 저장 시스템을 최적화함으로써 에너지 사용 효율을 높일 수 있습니다.이처럼 신재생에너지 기상정보 AI 데이터는태양광, 풍력, 수력 등 다양한 신재생에너지 분야에서 활용될 수 있으며,기상 데이터를 통한 예측과 최적화를 통해 발전 효율성을 극대화하고비용을 절감하는 데 큰 도움이 될 것입니다.
연관 데이터
한국기상산업기술원 AI 학습모델 기반 기상자료 활용 전국단위 전력량 수요 예측
공공데이터포털
한국기상산업기술원에서 생산한 AI 학습모델 기반 기상자료 활용 전국단위 전력량 수요 예측 데이터입니다.해당 데이터는 기상 자료를 활용하여 전력수요량 예측 가능성을 확인하여 향후 업무(후속연구) 추진 등의 가능성을 보기 위한 사전 검증 자료임을 알려드립니다.1. 데이터 기준년도: 2023년2. 자료 출처: 한국기상산업기술원3. 자료 형태: 정형데이터가. training_data: 시간, 현재수요(MW)나. result_data: 시간, 현재수요(MW), 예측수요(MW)
한국기상산업기술원 광주 솔라 에너지 머신러닝 훈련자료
공공데이터포털
한국기상산업기술원에서 생산한 AI 학습모델 기반 기상정보 활용 광주 솔라 에너지 예측 데이터 및 훈련 데이터입니다.해당 데이터는 기상자료를 활용하여 광주 솔라 에너지 발전량 예측 가능성을 확인하여 향후 업무(후속연구) 추진 등의 가능성을 보기 위한 사전 검증 자료임을 알려드립니다.1. 데이터 기준년도: AI 학습을 위해 사용된 학습자료 및 발전량 예측자료(2024)2. 자료 출처: 한국기상산업기술원4. 자료 형태: 정형데이터가. 컬럼정보: 일시, 태양방위각, 태양고도각, 발전량태그(단일), 발전량태그, 기온, 강수량, 풍속, 풍향, 습도, 증기압, 이슬점온도, 현지기압, 해면기압, 일조, 일사, 전운량, 지면온도, 일사합성0~9, 발전량
한국기상산업기술원 - AI 학습모델 기반 기상자료 활용 전국단위 전력량 수요 예측
공공데이터포털
한국기상산업기술원에서 생산한 AI 학습모델 기반 기상자료 활용 전국단위 전력량 수요 예측 데이터입니다.해당 데이터는 기상 자료를 활용하여 전력수요량 예측 가능성을 확인하여 향후 업무(후속연구) 추진 등의 가능성을 보기 위한 사전 검증 자료임을 알려드립니다.1. 데이터 기준년도: 2023년2. 자료 출처: 한국기상산업기술원3. 업데이트 주기: 1회성 데이터4. 자료 형태: 정형데이터가. training_data: 시간, 현재수요(MW)나. result_data: 시간, 현재수요(MW), 예측수요(MW) 전국단위 전력량 예측을 통한 서비스 개발, 전력 수요대응
아이렉스넷 - 미세먼지 태양광 정보
공공데이터포털
미세먼지와 태양광 발전량을 융복합한 데이터 미세먼지와 태양광 발전량과의 상관관계나 가시화 등에 활용할 수 있습니다.
한국기상산업기술원 - 재생에너지(태양광, 풍력) 특화 기상예측 보정데이터
공공데이터포털
본 데이터는 특정 발전소 위치에 대한 재생에너지(태양광, 풍력) 특화 기상예측 보정 데이터(샘플) 입니다.문의 시 샘플과 같은 기상 예보데이터를 API 및 e-mail로 제공 가능합니다.(더 많은 기상변수 제공 가능)재생에너지 예측을 제공사(식스티헤르츠)가 직접 수행해 제공 가능합니다.ㅇ확장자: CSV, JSONㅇ제공자: 식스티헤르츠 주식회사ㅇ열람 활용방법: 범용프로그램을 통하여 데이터 열람* SAMPLE 데이터 이므로, 추가 필요시 담당자에게 연락 바랍니다. 태양광, 풍력 등 재생에너지 발전량 예측
한국기상산업기술원 - 광주 솔라 에너지 머신러닝 훈련자료
공공데이터포털
한국기상산업기술원에서 생산한 AI 학습모델 기반 기상정보 활용 광주 솔라 에너지 예측 데이터 및 훈련 데이터입니다.해당 데이터는 기상자료를 활용하여 광주 솔라 에너지 발전량 예측 가능성을 확인하여 향후 업무(후속연구) 추진 등의 가능성을 보기 위한 사전 검증 자료임을 알려드립니다.1. 데이터 기준년도: AI 학습을 위해 사용된 학습자료 및 발전량 예측자료(2024)2. 자료 출처: 한국기상산업기술원3. 업데이트 주기: 1회성 데이터4. 자료 형태: 정형데이터가. 컬럼정보: 일시, 태양방위각, 태양고도각, 발전량태그(단일), 발전량태그, 기온, 강수량, 풍속, 풍향, 습도, 증기압, 이슬점온도, 현지기압, 해면기압, 일조, 일사, 전운량, 지면온도, 일사합성0~9, 발전량 기상정보 활용 AI 학습 및 예측모델 개발
한국기상산업기술원 - 태양광 발전단지 일사량 및 발전량 예측 자료
공공데이터포털
본 데이터는 태양광 발전단지 일사량 및 발전량 예측 자료입니다.기상청 기상예측 자료 기반으로 ML, DL 기법을 활용한 해당 단지에 특화된 기상(일사량 등) 자료 생산 및 태양광 발전단지의 발전량을 예측합니다.(ESS가 포함되어 있는 경우, ESS 충방전량 예측 포함)※ 상세 예측을 위해서는 단지 설비정보 및 발전실적 기반 학습 필요※ 샘플데이터는 발전단지를 특정하지 않은 임의의 난수로 생성일 4회, 발표시각으로부터 +48hr 예측합니다.ㅇ확장자: JSONㅇ제공자: (주)에코브레인ㅇ열람 활용방법: 범용프로그램을 통하여 데이터 열람* SAMPLE 데이터 이므로, 추가 필요시 담당자에게 연락 바랍니다. 지역 특화 일사량 및 발전량 예측
한국기상산업기술원 - 태양광 발전량 통계분석 데이터
공공데이터포털
본 데이터는 태양광 발전량 데이터와 천리안위성 전운량 데이터를 결합한 학습데이터입니다.ㅇ확장자: CSVㅇ제공자: (주)월드텍ㅇ열람 활용방법: 범용프로그램을 통하여 데이터 열람* SAMPLE 데이터 이므로, 추가 필요시 담당자에게 연락 바랍니다. 태양광 발전량 예측 모델 구축 등
한국기상산업기술원 신재생에너지 태양광 발전량 예측을 위한 기상기후 데이터셋
공공데이터포털
해당 데이터는 신재생에너지(태양광) 발전량 예측을 위해 생성한 기상기후 데이터셋입니다.1. 데이터 개요가. 데이터 기준년도: 2021년나. 자료 출처: 한국기상산업기술원 자체 생산 데이터다. 자료 형태- 정형데이터: 해당 날짜에 대한 수치 자료 목록- 비정형데이터: 정형데이터를 시계열그래프로 시각화한 자료2. 데이터 생성가. 생성 목적: 머신러닝 기반의 기상예측 보정모델 성능 개선을 위한 학습 데이터로 수치모델을 활용하여 기후시나리오 4종(FNL1~4)에 대한 변수 추출나. 생성 변수: 지표면 부근 고도 기온(TEMP) 및 하향 단파복사(SWDOWN)다. 활용 모델: WAF(Weather Research and Forcasting Model) v.4.2.1라. 대상 지역: 서울 관측소(종로구 송월동)마. 모의 기간: 2021. 1. 1. ~ 2022. 6. 30.바. 모의 영역: 한반도사. 출력 기간: 2021년 1월, 4월, 7월, 10월 (각 계절의 중간 기간)아. 변수 단위- 기온: Kelvin (K)- 하향 단파복사: Watt per Square Meter (W/m^2)3. 기후시나리오 목록가. 적운모수화(공통): Kain_Fritcsh나. 미세물리 모수화- 기후시나리오1(FNL1) 및 기후시나리오3(FNL3): WSM5- 기후시나리오2(FNL2) 및 기후시나리오4(FNL4): WSM6다. 대기복사 모델- 기후시나리오1(FNL1) 및 기후시나리오3(FNL2): RRTM- 기후시나리오3(FNL3) 및 기후시나리오4(FNL4): GODDARD
강원대학교 - 태양광 잠재 발전 가능량 데이터
공공데이터포털
범위 : 전국 시도별내용 : 일사량이 가지고 있는 잠재량에 설비용량을 적용하여 에너지 생산량을 추정하여 제공Data 형태 : CSV 태양광 에너지 잠재량 데이터를 활용하여 그 지역의 태양광 발전량이 얼마나 생산되는지 추정에 활용