KOIIAAI Ready Data 처음으로

홈›데이터 찾기›한국가스공사_천연가스 피크수요 발생 당일 5대 지역 평균기온

한국가스공사_천연가스 피크수요 발생 당일 5대 지역 평균기온

읽기 쉬운 제목(검토 전) 천연가스 피크수요 발생 당일 5대 지역 평균기온

한국가스공사 · 경제경영연구소 정책연구팀 · 공공데이터포털 원본 ↗

데이터 ID 15130017 · 버전 1.0.0 · 최초 등록 2024-07-18 · 2025-12-09 갱신 · 수시

준비 단계진단에 필요한 기준(참조 데이터 등)이 부족해 품질을 판정하지 않았습니다. AI Ready 전 단계입니다. 품질 판정서 보기 · 준비 단계란?

본 데이터는 연별 천연가스 피크수요 발생 당일 전국 5대 지역 평균기온 정보를 제공합니다.

기관이 작성한 데이터 설명 전체
본 데이터는 연별 천연가스 피크수요 발생 당일 전국 5대 지역 평균기온 정보를 제공합니다. 기온과 피크수요 간 상관관계 분석을 목적으로 수집되었습니다. 데이터의 세부 항목으로는 연도, 피크수요 발생일, 수도권·충청권·대경권·호남권·동남권의 평균기온 등이 포함되어 있습니다. 피크수요 발생에 영향을 미치는 기온 요인을 지역별로 분석할 수 있습니다. 본 데이터는 천연가스 수요예측 담당자, 기상연구기관, 에너지경제연구원, 도시가스사업자, 수급계획 담당자, 한국에너지공단이 지역별 기온에 따른 피크수요 예측 모델링에 활용할 수 있으며, 안정적 가스 수급관리에 기여합니다.

산업고용 - 에너지및자원개발천연가스 피크수요평군 기온지역별 기온기온피크수요피크수요예측

활용 적합성 요약 팩에서 계산한 값 · 판정 아님

규모

27행 × 원본 7열 (+정제 1열)

CSV 2 KB · Parquet 4 KB

기간

1997 – 2022

연도 기준 · 99% 범위

공간 단위

해당 없음

결측

0.0%

항목 평균

연결 기준

1종 · 121개 데이터

시도

정제 범위

1/7 항목 · 정제값이 있는 셀 100.0%

원본 열은 그대로 보존

데이터 내용

연도피크수요가 발생한 동절기가 시작된 해로, 발생일의 달력상 해와 다를 수 있는 값유형 숫자형분류 —결측 0%정제 정제 100.0%

피크수요가 발생한 동절기가 시작된 해로, 발생일의 달력상 해와 다를 수 있는 값

정제 열 정제_연도

예: 1997 2011 2022

피크수요 발생일해당 연도에 천연가스 수요가 최대치를 기록한 날짜유형 날짜형분류 날짜결측 0%정제 원본 유지

해당 연도에 천연가스 수요가 최대치를 기록한 날짜

예: 1998-01-24 2012-02-02 2022-12-23

서울표를 지역 기준으로 펼친 축에서 「서울」에 해당하는 값 · 셀은 -15.5 ~ -1.4 범위의 실수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「서울」에 해당하는 값 · 셀은 -15.5 ~ -1.4 범위의 실수 수치

예: -7 -6.4 -5.5

대전표를 지역 기준으로 펼친 축에서 「대전」에 해당하는 값 · 셀은 -13.5 ~ -0.9 범위의 실수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「대전」에 해당하는 값 · 셀은 -13.5 ~ -0.9 범위의 실수 수치

예: -6.4 -8.2 -6.6

대구표를 지역 기준으로 펼친 축에서 「대구」에 해당하는 값 · 셀은 -10.4 ~ 0.5 범위의 실수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「대구」에 해당하는 값 · 셀은 -10.4 ~ 0.5 범위의 실수 수치

예: -3.6 -5.9 -6.3

광주표를 지역 기준으로 펼친 축에서 「광주」에 해당하는 값 · 셀은 -9.9 ~ 2.4 범위의 실수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「광주」에 해당하는 값 · 셀은 -9.9 ~ 2.4 범위의 실수 수치

예: -6 -4.5 -3.5

부산표를 지역 기준으로 펼친 축에서 「부산」에 해당하는 값 · 셀은 -8.2 ~ 3.8 범위의 실수 수치유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「부산」에 해당하는 값 · 셀은 -8.2 ~ 3.8 범위의 실수 수치

예: -2.6 -0.4 -1.1

상위 5행 · 7열 중 7열 · 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

피크수요 발생일서울대전대구광주부산연도정제_연도행 식별값
1998-01-24-5.5-2.80.50.13.8199719970_01b91931
1998-12-10-1.4-0.90.42.42199819981_b5521816
2000-01-21-7-6.4-3.6-4.5-2.3199919992_287b02ad
2001-01-15-15.5-12.5-8.5-9-7.2200020003_7c3fa22b
2002-01-08-6.6-3.4-2.7-1.6-0.4200120014_1ae77772
프로그램 · AI에서 활용 개발자용 코드 예시

필요한 패키지: pandas · pyarrow

import pandas as pd
df = pd.read_parquet("https://aird.idx.or.kr/packages/15130017/data/dataset-15130017.parquet")

에이전트 설정에 붙여 넣어 주세요. 사용하는 도구: get_dataset · find_joinable(데이터 ID 15130017)

{ "mcpServers": { "aird": { "url": "https://aird.idx.or.kr/mcp" } } }
데이터 팩 내려받기 · 18 KBCSV