전력 설비 에너지 패턴 및 고장 분석 센서 소개
기본탭
데이터셋명 | 전력 설비 에너지 패턴 및 고장 분석 센서 | |||
---|---|---|---|---|
데이터 분야 | 안전 | 데이터 유형 | 센서 | |
구축기관 | 레티그리드 | 데이터 관련 문의처 | 담당자명 | 안영호(레티그리드) |
가공기관 | 프라이머리넷 | 전화번호 | 02-6427-1212 | |
검수기관 | 프라이머리넷 | 이메일 | young@retigrid.com | |
구축 데이터량 | 162만 | 구축년도 | 2020년 | |
버전 | 1.0 | 최종수정일자 | 2021.06.18 | |
소개 | Mbile Energy Meter를 이용한 전기 에너지 사용 패턴 및 고장 진단 분석을 위한 전력 품질 데이터 | |||
주요 키워드 | Mobile Energy Meter, Cloud EMS, 스마트 팩토리, 스마트 그리드, 에너지 효율화, 설비별 이상감지 | |||
저작권 및 이용정책 | 본 데이터는 과학기술정보통신부가 주관하고 한국지능정보사회진흥원이 지원하는 '인공지능 학습용 데이터 구축사업'으로 구축된 데이터입니다. [데이터 이용정책 상세보기] | |||
데이터설명서 | 자료보기 | 구축활용가이드 | 자료보기 | |
샘플데이터 | 다운로드 | 교육활용동영상 | 영상보기 | |
저작도구 | 다운로드 | AI모델 | 다운로드 |
데이터 변경이력
버전 | 일자 | 변경내용 | 비고 |
---|---|---|---|
1.0 | 2021.06.18 | 데이터 최초 개방 |
구축 목적
- 에너지 데이터 기반 AI 학습용 데이터 구축을 통한 인공지능 기술개 발, 인공지능 응용서비스/제품 개발 촉진
활용 분야
- 에너지 효율 분석, 설비 이상 감지, 설비별 에너지 절감률 분석, 전력 피크 관리 서비스, 에너지 요금 합리화 등의 AI 응용 서비스 개발
소개
- Mobile Energy Meter를 이용한 설비별 전력 품질 AI 데이터셋으로, 에너지 효율화 또는 설비별 이상감지 AI 서비스를 개발에 활용될 수 있는 원천 데이터를 확보
구축 내용 및 제공 데이터량
- 원천데이터 7.08억건
- 63개 업체 정보 메타데이터 4,149건
- 461개 설비 정보 메타데이터 2,766건
- AI 학습데이터 168만건
- 설비 10종에 대해 직접 측정한 전력품질 측정값을 입력하여 사용 패턴 분석 결과 제공
- 설비 10종에 대해 직접 측정한 전력품질 측정값을 입력하여 SOH 측정을 통해 진단 필요성 정보 제공
구축 내용 및 제공 데이터량 표 목표 1,620,000 전력 설비 에너지 품질 AI 데이터 구축 데이터 전력 설비 에너지 품질 AI 데이터 설비 SOH 진단 학습용 데이터 실제 1,685,285 목표
(예상)구축
(실제)전류평균 유효전력평균 역률평균 전압고조파평균 전류고조파평균 목표수량
(예상)구축수량
(100%제출)비율 목표수량
(예상)구축수량
(100%제출)비율 목표수량
(예상)구축수량
(100%제출)비율 목표수량
(예상)구축수량
(100%제출)비율 목표수량
(예상)구축수량
(100%제출)비율 설비 종류 펌프/일반모터 50 73 36,000 50,605 140.57% 36,000 50,605 140.57% 36,000 50,605 140.57% 36,000 50,605 140.57% 36,000 50,605 140.57% 공조설비 60 32 43,200 22,599 52.31% 43,200 22,599 52.31% 43,200 22,599 52.31% 43,200 22,599 52.31% 43,200 22,599 52.31% 공기압축기 120 72 86,400 50,754 58.74% 86,400 50,754 58.74% 86,400 50,754 58.74% 86,400 50,754 58.74% 86,400 50,754 58.74% 보일러 10 14 7,200 7,975 110.76% 7,200 7,975 110.76% 7,200 7,975 110.76% 7,200 7,975 110.76% 7,200 7,975 110.76% 가열로 50 10 36,000 8,374 23.36% 36,000 8,374 23.36% 36,000 8,374 23.36% 36,000 8,374 23.36% 36,000 8,374 23.36% 공작기계 100 137 72,000 105,484 146.51% 72,000 105,484 146.51% 72,000 105,484 146.51% 72,000 105,484 146.51% 72,000 105,484 146.51% 압출기 10 15 7,200 10,594 147.14% 7,200 10,594 147.14% 7,200 10,594 147.14% 7,200 10,594 147.14% 7,200 10,594 147.14% 사출기 10 12 7,200 10,822 150.31% 7,200 10,822 150.31% 7,200 10,822 150.31% 7,200 10,822 150.31% 주조기 20 22 14,400 14,585 101.28% 14,400 14,585 101.28% 14,400 14,585 101.28% 14,400 14,585 101.28% 14,400 14,585 101.28% 열처리 20 74 14,400 55,265 383.78% 14,400 55,265 383.78% 14,400 55,265 383.78% 14,400 55,265 383.78% 14,400 55,265 383.78% 합계 450 461 324,000 337,057 104.03% 324,000 337,057 104.03% 324,000 337,057 104.03% 324,000 337,057 104.03% 324,000 337,057 104.03%
대표도면
필요성
- AI 개발용 설비별 전력 에너지 데이터 구축 필요성
- 디지털 ICT 혁신의 핵심인 AI 분야 중 스마트그리드·스마트팩토리 4차 산업혁명의 핵심인 개별 설비·장비별 에너지 효율화·에너지 사용 패턴 분석·설비별 이상 감지 등 AI 핵심 알고리즘 개발을 위한 데이터 수요 급증
- 전력 에너지 데이터는 직접 계측을 통해서 데이터를 구축해야 하며, 특히 개별 설비·장비의 전력 에너지 데이터는 AI 개발사에서는 접근할 수 없는 영역임
- 전력 데이터 중 가장 많은 데이터를 독점하고 있는 한국전력의 경우 공장 및 빌딩 전체의 전력 에너지 사용량을 확보하고 있으나, 개별 설비·장비의 전력 에너지 데이터는 확보하고 있지 못함
- 본 과제에서는 전력 에너지 데이터 수집을 위해 Mobile Energy Meter로 설비별 전력 에너지를 누구나 손쉽게 수집할 수 있는 전력 품질 계측 장비를 이용하여 공장 및 빌딩 내의 설비별 전력 에너지 데이터를 수집함으로써 설비별 전력 에너지 데이터를 이용한 AI 솔루션 개발을 위한 빅데이터 구축
- 에너지 인공지능 융합 솔루션 개발을 위한 핵심 데이터 확보
- 현장에서 전력 에너지 및 전력 품질 기반 AI Solution 필요성 절감
- 설비별 전력 데이터의 부재로 관련 AI 산업 정체
- 에너지 사용 패턴과 설비 SOH 진단을 위한 라벨링 방안 제시
- 국내 최초로 설비별 전력 및 전력 품질 데이터 구축 및 공개
- 구축과 동시에 에너지 패턴 분석 및 설비 이상 감지 AI Solution 제공
데이터 구조
- 데이터 구성
데이터 구성 표 Key Description Type Child Type SVC_NAME 서비스 이름(기동패턴/SOH) String BASE_ITEM 데이터 항목 String DEVICE_ID 센서 ID Int DEVICE_BD_ID 센서 ID Int COMPANY_NAME 회사 이름 String ESTABLISH_YEAR 회사 설립연도 Int LOCATION 회사 위치 String COMPANY_TYPE 업종 String COMPANY_CAT 업태 String MAJOR_PRODUCT 주생산품 String CONTRACT_POWER 계약전력 (kW) Int BILL_OPTION 선택요금제 String KEPCO_INFO 한전 과금조회용ID String facility_name 설비명 String facility_type_name 설비 종류 (10종) String facility_vendor 설비 제조사 String facility_year 설비 설치 연도 Int facility_capacity 설비 정격 전력(kW) Int facility_volt 설비 정격 전압 Int data JsonArray JsonObject [ JsonObject ITEM_NAME 계측데이터 항목명 String ITEM_VALUE 계측 데이터값 Float TIMESTAMP 계측데이터 생성시각
(YYYY-MM-DD hh:mm:ss)String LABEL_NAME 라벨링 값 String ]
- 어노테이션 포맷
어노테이션 포맷 표 No 항목 길이 타입 필수여부 한글명 영문명 1 데이터셋 정보 Y 1-1 서비스 이름 SVC_NAME String Y 1-2 데이터 항목 BASE_ITEM String Y 1-3 센서 ID DEVICE_ID Integer Y 1-4 센서 BD ID DEVICE_BD_ID Integer Y 1-5 회사 이름 COMPANY_NAME String Y 1-6 설립연도 ESTABLISH_YEAR Integer Y 1-7 주소 LOCATION String Y 1-8 업종 CONPANY_TYPE String Y 1-9 업태 COMPANY_TYPE String Y 1-10 주생산품 MAJOR_PRODUCT String Y 1-11 계약전력 CONTRACT_POWER Integer Y 1-12 선택요금제 BILL_OPTION Array Y 1-13 한전 과금조회용ID KEPCO_INFO Array Y 1-14 설비 이름 facility_name Integer Y 1-15 설비 종류 facility_type_name String Y 1-16 제조사 facility_vendor String Y 1-17 설치연도 facility_year Integer Y 1-18 정격 전력 facility_capacity Integer Y 1-19 정격 전압 facility_volt Integer Y 2 data Array Y 2-1 측정값 배열 [ Array Y 2-2 측정값 { JsonObject Y 2-3 측정항목 이름 ITEM_NAME String Y 2-4 측정 값 ITEM_VALUE Float Y 2-5 측정 시각 TIMESTAMP String Y 2-6 라벨명 LABEL_NAME String Y } ]
데이터셋 구축 담당자
수행기관(주관) : 레티그리드
책임자명 | 전화번호 | 대표이메일 | 담당업무 |
---|---|---|---|
안영호 | 02-6427-1212 | young@retigrid.com | · 데이터 구축 총괄 · 전력설비에너지 품질데이터 확보, 제공 |
수행기관(참여)
기관명 | 담당업무 | 기관명 | 담당업무 |
---|---|---|---|
프라이머리넷 | · 데이터 수집, 정제, 가공, 검수 · 라벨링 tool 개발, 응용서비스 개발 |
파파야 | · AI 모델 개발, AI 응용서비스 개발 |