홈›데이터 찾기›한국가스공사_삼척기지본부 풍향풍속 데이터
한국가스공사_삼척기지본부 풍향풍속 데이터
읽기 쉬운 제목(검토 전) 삼척기지본부 풍향풍속 데이터
한국가스공사 · 삼척기지본부 계전보전부 · 공공데이터포털 원본 ↗
준비 단계진단에 필요한 기준(참조 데이터 등)이 부족해 품질을 판정하지 않았습니다. AI Ready 전 단계입니다. 품질 판정서 보기 · 준비 단계란?
해당 데이터는 가스공사 삼척기지 내 풍향, 풍속 데이터를 csv 형식으로 업로드한 자료입니다.
기관이 작성한 데이터 설명 전체
해당 데이터는 가스공사 삼척기지 내 풍향, 풍속 데이터를 csv 형식으로 업로드한 자료입니다. 설비가 위치한 장소는 기지 설비지역내 6변전소입니다. csv 파일 내 데이터는 크게 각 1분 평균/최대, 10분 평균/최대 풍향 및 풍속을 다루고 있으며, 풍향 : 범위는 0~360이며, 단위는 각도입니다. 풍속 : m/s 단위입니다. 금번 데이터는 2021.08.04. ~ 2023.07.31. 기간 내 데이터입니다. 본 데이터를 활용하면 삼척기지의 풍향풍속 패턴 분석, 가스 확산 모델링 및 시뮬레이션, 신규 설비 설치 시 환경 조건 검토, 비상 대피 계획 수립, 기상재해 대비 계획 수립에 기초자료로 활용할 수 있어 LNG 생산기지 안전 운영과 재난 대응 역량 강화에 기여할 것으로 기대됩니다.
환경기상 - 자연풍향풍속해안환경생산기지가스
활용 적합성 요약 팩에서 계산한 값 · 판정 아님
규모
11,496행 × 원본 9열 (+정제 1열)
CSV 951 KB · Parquet 244 KB
기간
2024 – 2025
시간 기준 · 99% 범위
공간 단위
해당 없음
결측
0.0%
항목 평균
연결 기준
0종 · 0개 데이터
없음
정제 범위
1/9 항목 · 정제값이 있는 셀 100.0%
원본 열은 그대로 보존
데이터 내용
시간각 행의 바람 관측 통계값이 기록된 시점을 연월일과 시각으로 함께 나타낸 관측 일시유형 날짜형분류 날짜결측 0%정제 정제 100.0%
각 행의 바람 관측 통계값이 기록된 시점을 연월일과 시각으로 함께 나타낸 관측 일시
정제 열 정제_시간
예: 2024-06-01 00:00:00 2025-04-16 22:00:00 2025-04-16 02:00:00
1분평균풍속1분 동안 관측된 바람 속도의 평균값유형 숫자형분류 수치결측 0%정제 원본 유지
1분 동안 관측된 바람 속도의 평균값
예: 1.4(519) · 1.3(517) · 1…
1분평균풍향1분 동안 관측한 바람이 불어오는 방향의 평균값유형 숫자형분류 수치결측 0%정제 원본 유지
1분 동안 관측한 바람이 불어오는 방향의 평균값
예: 288 284 285
1분최대풍속1분 동안 관측한 바람 속도의 최댓값유형 숫자형분류 수치결측 0%정제 원본 유지
1분 동안 관측한 바람 속도의 최댓값
예: 2.1(336) · 2.5(325) · 2…
1분최대풍향1분 관측 구간 중 최대풍속이 관측된 순간의 풍향 방위각유형 숫자형분류 수치결측 0%정제 원본 유지
1분 관측 구간 중 최대풍속이 관측된 순간의 풍향 방위각
예: 285 284 283
10분평균풍속10분 동안 관측한 바람 속도의 평균값유형 숫자형분류 수치결측 0%정제 원본 유지
10분 동안 관측한 바람 속도의 평균값
예: 1.6(520) · 1.5(512) · 1…
10분평균풍향10분 동안 관측한 바람이 불어오는 방향의 평균값유형 숫자형분류 수치결측 0%정제 원본 유지
10분 동안 관측한 바람이 불어오는 방향의 평균값
예: 281 280 284
10분최대풍속10분 동안 관측한 바람 속도의 최댓값유형 숫자형분류 수치결측 0%정제 원본 유지
10분 동안 관측한 바람 속도의 최댓값
예: 3.4(276) · 3.1(276) · 3…
10분최대풍향10분 관측 구간 중 최대풍속이 관측된 순간의 풍향 방위각유형 숫자형분류 수치결측 0%정제 원본 유지
10분 관측 구간 중 최대풍속이 관측된 순간의 풍향 방위각
예: 295 298 294
찾는 항목이 없습니다.
상위 5행 · 9열 중 9열 · 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
| 1분평균풍속 | 1분평균풍향 | 1분최대풍속 | 1분최대풍향 | 10분평균풍속 | 10분평균풍향 | 10분최대풍속 | 10분최대풍향 | 시간 | 정제_시간 | 행 식별값 |
|---|---|---|---|---|---|---|---|---|---|---|
| 1.6 | 288 | 2.6 | 272 | 1.6 | 292 | 3.5 | 287 | 2024-06-01 00:00:00 | 2024-06-01 00:00:00 | 0_5f8a6546 |
| 1.7 | 275 | 2.7 | 271 | 1.6 | 257 | 3.6 | 306 | 2024-06-01 01:00:00 | 2024-06-01 01:00:00 | 1_7cbd85d1 |
| 1.5 | 278 | 2.4 | 282 | 1.7 | 304 | 3.3 | 296 | 2024-06-01 02:00:00 | 2024-06-01 02:00:00 | 2_539cb798 |
| 1.2 | 285 | 2 | 286 | 1.2 | 307 | 2.9 | 302 | 2024-06-01 03:00:00 | 2024-06-01 03:00:00 | 3_3cfa6013 |
| 1 | 248 | 1.5 | 265 | 1 | 275 | 2.2 | 268 | 2024-06-01 04:00:00 | 2024-06-01 04:00:00 | 4_2345e785 |
프로그램 · AI에서 활용 개발자용 코드 예시
필요한 패키지: pandas · pyarrow
import pandas as pd
df = pd.read_parquet("https://aird.idx.or.kr/packages/15090029/data/dataset-15090029.parquet")
에이전트 설정에 붙여 넣어 주세요. 사용하는 도구: get_dataset · find_joinable(데이터 ID 15090029)
{ "mcpServers": { "aird": { "url": "https://aird.idx.or.kr/mcp" } } }