KOIIAAI Ready Data 처음으로

홈›데이터 찾기›한국가스공사_도시가스 피크수요의 기온반응함수

한국가스공사_도시가스 피크수요의 기온반응함수

읽기 쉬운 제목(검토 전) 도시가스 피크수요의 기온반응함수

한국가스공사 · 경제경영연구소 정책연구팀 · 공공데이터포털 원본 ↗

데이터 ID 15130021 · 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 한국가스공사의 도시가스 피크수요 기온반응함수 정보를 제공합니다.

기관이 작성한 데이터 설명 전체
본 데이터는 한국가스공사의 도시가스 피크수요 기온반응함수 정보를 제공합니다. 도시가스 피크수요와 기온 간의 비선형 관계를 함수 형태로 추정한 결과입니다. 데이터의 세부 항목으로는 5대 지역별(수도권·충청권·대경권·호남권·동남권) 기온반응함수 계수, 기준온도, 반응강도, 함수형태 등이 포함되어 있습니다. 본 데이터는 수요예측 담당자, 에너지경제연구원, 기상연구기관, 도시가스사업자, 수리모형 연구자, 한국에너지공단이 기온변화에 따른 피크수요 예측 모델 개발에 활용할 수 있습니다. 정확한 수요예측을 통한 안정적 가스 수급관리와 에너지 정책 수립에 기여할 것으로 기대됩니다.

산업고용 - 에너지및자원개발기온반응함수피크수요도시가스도시가스 관계기온

활용 적합성 요약 팩에서 계산한 값 · 판정 아님

규모

401행 × 원본 6열

CSV 22 KB · Parquet 14 KB

기간

시점 항목 없음

공간 단위

해당 없음

결측

0.0%

항목 평균

연결 기준

1종 · 121개 데이터

시도

정제 범위

0/6 항목

원본 열은 그대로 보존

데이터 내용

기온지역별 피크수요 반응값을 산출하기 위해 함수의 독립변수로 설정한 등간격 온도값유형 숫자형분류 수치결측 0%정제 원본 유지

지역별 피크수요 반응값을 산출하기 위해 함수의 독립변수로 설정한 등간격 온도값

예: -20 6.4 7.4

서울표를 지역 기준으로 펼친 축에서 「서울」에 해당하는 값 · 셀은 0 ~ 0.9502 범위의 실수 수치유형 숫자형분류 —결측 0%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「서울」에 해당하는 값 · 셀은 0 ~ 0.9502 범위의 실수 수치

예: 0.4497 0.95024 0.57872

대전표를 지역 기준으로 펼친 축에서 「대전」에 해당하는 값 · 셀은 0 ~ 1.63 범위의 실수 수치유형 숫자형분류 —결측 0%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「대전」에 해당하는 값 · 셀은 0 ~ 1.63 범위의 실수 수치

예: 1.21782 1.21778 1.2178

대구표를 지역 기준으로 펼친 축에서 「대구」에 해당하는 값 · 셀은 0 ~ 0.321 범위의 실수 수치유형 숫자형분류 —결측 0%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「대구」에 해당하는 값 · 셀은 0 ~ 0.321 범위의 실수 수치

예: 0.321 0.08435 0.07832

광주표를 지역 기준으로 펼친 축에서 「광주」에 해당하는 값 · 셀은 0 ~ 2.92 범위의 실수 수치유형 숫자형분류 —결측 0%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「광주」에 해당하는 값 · 셀은 0 ~ 2.92 범위의 실수 수치

예: 1.52235 0 1.13116

부산표를 지역 기준으로 펼친 축에서 「부산」에 해당하는 값 · 셀은 0 ~ 1.66 범위의 실수 수치유형 숫자형분류 —결측 0%정제 원본 유지

표를 지역 기준으로 펼친 축에서 「부산」에 해당하는 값 · 셀은 0 ~ 1.66 범위의 실수 수치

예: 0.72825 0.73188 0.73318

상위 5행 · 6열 중 6열 · 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

기온서울대전대구광주부산행 식별값
-200.950241.627730.32101.66070_01e3eee1
-19.90.943831.620880.320230.019661.652191_e033c917
-19.80.937431.614080.319440.039291.643672_56a15016
-19.70.931041.607320.318660.058891.635143_85cf0c38
-19.60.924661.600610.317870.078471.62664_f975c728
프로그램 · AI에서 활용 개발자용 코드 예시

필요한 패키지: pandas · pyarrow

import pandas as pd
df = pd.read_parquet("https://aird.idx.or.kr/packages/15130021/data/dataset-15130021.parquet")

에이전트 설정에 붙여 넣어 주세요. 사용하는 도구: get_dataset · find_joinable(데이터 ID 15130021)

{ "mcpServers": { "aird": { "url": "https://aird.idx.or.kr/mcp" } } }
데이터 팩 내려받기 · 36 KBCSV