준비 단계진단에 필요한 기준(참조 데이터 등)이 부족해 품질을 판정하지 않았습니다. AI Ready 전 단계입니다. 품질 판정서 보기 · 준비 단계란?
이 데이터는 한국석유공사가 수집한 국내 주요 석유정제업자의 원유 정제투입량과 대한석유협회에서 발표하는 정제업자별 정제능력을 바탕으로 연간 정제가동률을 계산한 자료입니다.
기관이 작성한 데이터 설명 전체
이 데이터는 한국석유공사가 수집한 국내 주요 석유정제업자의 원유 정제투입량과 대한석유협회에서 발표하는 정제업자별 정제능력을 바탕으로 연간 정제가동률을 계산한 자료입니다. 정제가동률은 정유시설이 설계된 기준 생산능력 대비 실제로 어느 정도 가동되고 있는지를 백분율로 나타낸 수치로, 국내 석유 정제산업의 운영 효율성과 생산성 수준을 파악하는 중요 지표로 활용됩니다. 이 데이터는 에너지 수급 계획 수립, 석유제품 생산량 예측, 국제유가 및 수출입 흐름과의 비교 분석 등 다양한 산업 및 정책 연구에 기반 자료로 활용될 수 있습니다. 데이터는 연간 주기적으로 갱신되며, 신뢰도 높은 국가 기반 에너지 통계자료로 기능합니다.
산업고용 - 에너지및자원개발정제가동율정유시설석유산업원유처리생산능력에너지통계가동현황2024년
활용 적합성 요약 팩에서 계산한 값 · 판정 아님
규모
32행 × 원본 8열 (+정제 1열)
CSV 2 KB · Parquet 5 KB
기간
1993 – 2023
년도 기준 · 99% 범위
공간 단위
해당 없음
결측
0.0%
항목 평균
연결 기준
0종 · 0개 데이터
없음
정제 범위
1/8 항목 · 정제값이 있는 셀 100.0%
원본 열은 그대로 보존
데이터 내용
년도원유 수입·처리 실적과 정제가동률이 집계된 기준 연도유형 숫자형분류 —결측 0%정제 정제 100.0%
원유 수입·처리 실적과 정제가동률이 집계된 기준 연도
정제 열 정제_년도
예: 1993 1994 2023
원유수입(천배럴)해당 연도 동안 해외에서 국내로 들여온 원유의 총량유형 숫자형분류 수치결측 0%정제 원본 유지
해당 연도 동안 해외에서 국내로 들여온 원유의 총량
단위: 천배럴
예: 560563 573024 1005770
연간처리량(천배럴)한 해 동안 국내 정제시설에 투입되어 처리된 원유의 양유형 숫자형분류 수치결측 0%정제 원본 유지
한 해 동안 국내 정제시설에 투입되어 처리된 원유의 양
단위: 천배럴
예: 543969 560866 1006628
월평균 처리량(천배럴)한 해의 원유 정제 처리량을 한 달 기준으로 평균한 양유형 숫자형분류 수치결측 0%정제 원본 유지
한 해의 원유 정제 처리량을 한 달 기준으로 평균한 양
단위: 천배럴
예: 45331 46739 83886
일평균 처리량(천배럴)한 해의 원유 정제 처리량을 하루 기준으로 평균한 양유형 숫자형분류 수치결측 0%정제 원본 유지
한 해의 원유 정제 처리량을 하루 기준으로 평균한 양
단위: 천배럴
예: 1490 1537 2758
증감률(퍼센트)전년도 대비 당해 연도의 수치 변화를 백분율로 나타낸 지표유형 숫자형분류 수치결측 0%정제 원본 유지
전년도 대비 당해 연도의 수치 변화를 백분율로 나타낸 지표
단위: 퍼센트
예: 6.53 3.11 -1.9
정제능력(천BPSD)국내 정제시설이 설계 기준으로 하루에 처리할 수 있는 원유의 양유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
국내 정제시설이 설계 기준으로 하루에 처리할 수 있는 원유의 양
예: 2438 3204 2735
가동률(퍼센트)정제시설의 설계 기준 정제능력 대비 실제 원유 처리량의 비율유형 숫자형분류 수치결측 0%정제 원본 유지
정제시설의 설계 기준 정제능력 대비 실제 원유 처리량의 비율
단위: 퍼센트
예: 84 88.97 81.03
찾는 항목이 없습니다.
상위 5행 · 8열 중 8열 · 첫 열 고정 · 「정제_」 항목이 정리한 값 · 확인 필요 규칙으로 확정하지 못해 원래 값을 그대로 유지한 값(파일에서는 값 앞에 [E]) · 행 식별값은 맨 끝
| 원유수입(천배럴) | 연간처리량(천배럴) | 월평균 처리량(천배럴) | 일평균 처리량(천배럴) | 증감률(퍼센트) | 정제능력(천BPSD) | 가동률(퍼센트) | 년도 | 정제_년도 | 행 식별값 |
|---|---|---|---|---|---|---|---|---|---|
| 560563 | 543969 | 45331 | 1490 | 6.53 | 1675 | 88.97 | 1993 | 1993 | 0_7bae679b |
| 573024 | 560866 | 46739 | 1537 | 3.11 | 1700 | 90.39 | 1994 | 1994 | 1_60fe87c5 |
| 624945 | 631078 | 52590 | 1729 | 12.52 | 1818 | 95.1 | 1995 | 1995 | 2_60a6d9ca |
| 721927 | 720846 | 60070 | 1975 | 14.22 | 2438 | 81.01 | 1996 | 1996 | 3_16cbc922 |
| 873415 | 871974 | 72664 | 2389 | 20.97 | 2438 | 97.99 | 1997 | 1997 | 4_0c21e2d8 |
프로그램 · AI에서 활용 개발자용 코드 예시
필요한 패키지: pandas · pyarrow
import pandas as pd
df = pd.read_parquet("https://aird.idx.or.kr/packages/15045416/data/dataset-15045416.parquet")
에이전트 설정에 붙여 넣어 주세요. 사용하는 도구: get_dataset · find_joinable(데이터 ID 15045416)
{ "mcpServers": { "aird": { "url": "https://aird.idx.or.kr/mcp" } } }