본 리포트는 Mockup 이며, 샘플 데이터로 생성되었습니다.
5년 전력 데이터를 기반으로 AI가 분석한 우리 사업장 전력 진단 리포트
샘플공장A | 계약: 산업용(을)고압A 선택Ⅲ | 계약전력 40,000 kW | 분석기간 2021.06 ~ 2026.05
종합 점수 = round(0.30×평균수요/최대수요 + 0.30×실사용률 +
0.25×이상징후율 + 0.15×요금제적정성)
= round(20.6 + 10.5 + 23.2 +
9.0) = 63점 · 등급 C
| 평가 항목 | 계산 공식 | 가중치 | 실측값 | 항목 점수 | 반영 점수 |
|---|---|---|---|---|---|
| 평균수요/최대수요 |
실측 = mean(시간별 사용량) ÷ max(시간별 최대수요) × 100
= 6,226.1 ÷ 12,707.1 × 100 = 49.0% 항목 점수 = min(100, 실측 × 1.4) = min(100, 49.0 × 1.4) = 68.6 |
30% | 49.0% | 68.6 | 20.6 |
| 계약전력 대비 실사용률 |
실측 = 연간 최대수요 ÷ 계약전력 × 100
= 12,707.1 ÷ 40,000 × 100 = 31.8% 항목 점수 = max(0, 100 − |실측 − 75| × 1.5) = max(0, 100 − |31.8 − 75| × 1.5) = 35.2 |
30% | 31.8% | 35.2 | 10.5 |
| 단기 이상징후율 |
실측 = 이상징후 일수 ÷ 분석 일수 × 100
= 33 ÷ 1,824 × 100 = 1.8% 항목 점수 = max(0, 100 − 실측 × 4) = max(0, 100 − 1.8 × 4) = 92.8 |
25% | 1.8% (33일/1,824일) | 92.8 | 23.2 |
| 요금제 적정성 |
실측 = 요금제 시뮬레이션 연간 총요금 비교
→ 선택Ⅰ 변경 시 2.1억원 절감 가능 항목 점수 = 60 (개선 여지) = 60.0 |
15% | 개선 여지 (2.1억원) | 60.0 | 9.0 |
| 합계 (반올림) | 63점 · 등급 C | ||||
| 등급 | 점수 구간 | 해석 |
|---|---|---|
| A | 85~100 | 매우 우수 |
| B | 70~84 | 양호 |
| C | 55~69 | 보통 |
| D | 40~54 | 주의 |
| E | 0~39 | 개선 시급 |
본 섹션의 사용량·최대수요는 한전 파워플래너 일별·시간별 조회 기준이며, 실제 청구서의 사용량·요금적용전력과 같지 않을 수 있습니다.
2025년 05월 31일 ~ 2026년 05월 31일
본 그래프는 한전 파워플래너 시간별 최대수요 조회(최근 1년) 기준 피크 발생 시점·부하 패턴이며, 청구서 요금적용전력과 같지 않을 수 있습니다.
상위 20건 중 경부하 13건 · 중간부하 4건 · 최대부하 3건 — 피크가 저요금 시간대에 몰리면 요금·계약전력 관리 여지가 큽니다.
본 섹션은 선택요금제별 연간 요금을 신요금(2026.4.16 이후)으로 재계산한 시뮬레이션이며, 실제 월별 청구서와 같지 않을 수 있습니다.
기본요금 단가가 다른 3가지 옵션(Ⅰ·Ⅱ·Ⅲ)입니다. 같은 전기를 써도 사용 패턴에 따라 연간 총액이 달라집니다. 연간 최저 현재 계약
① 사용 데이터
분석 기간 동안 매일의 일최고기온(℃)과
일 전력 사용량(kWh)을 짝지어 사용합니다.
② 모델 (변화점 회귀)
하루 사용량을 다음처럼 가정합니다.
일 사용량 = 기저 + 냉방계수 × max(0,
일최고기온 − Tc) + 난방계수 × max(0, Th −
일최고기온)
③ 균형점 Tc, Th 자동 탐색
Tc(냉방 시작
기온)은 20~30℃, Th(난방 시작 기온)은 8~18℃ 범위에서 조합을 바꿔
가며, 기온으로 일 사용량 변동을 가장 잘 설명하는 모델(수정 결정계수 R²
최대)을 고릅니다.
④ 카드 숫자의 뜻
| 표시 항목 | 의미 | 읽는 법 |
|---|---|---|
| 냉방 민감도 | 냉방계수 (kWh/℃) | 일최고기온이 Tc보다 높을 때, 기온이 1℃ 더 오르면 그날 사용량이 늘어나는 kWh |
| 난방 민감도 | 난방계수 (kWh/℃) | 일최고기온이 Th보다 낮을 때, 기온이 1℃ 더 내려가면 그날 사용량이 늘어나는 kWh |
| 기온 무관 기저 | 절편 (kWh/일) | 냉·난방 영향을 뺀, 매일 기본으로 쓰는 전력(상시 가동 설비·생산라인 등) |
| 모델 설명력 (R²) | 0~100% | 일별 사용량 변동 중 기온(냉·난방)으로 설명되는 비율. 높을수록 기온 영향이 뚜렷함 |
⑤ 원형 그래프 (연간 비중)
분석 기간 전체에 대해 기저
합계 = 기저×일수, 냉방 합계 = 냉방계수×Σmax(0,
기온−Tc), 난방 합계 = 난방계수×Σmax(0, Th−기온)으로
연간 사용량을 세 부분으로 나눈 뒤 비율(%)을 표시합니다.
※ 통계적 추정치이며 생산량·설비 가동·공휴일 등 기온 외 요인은 반영되지 않습니다. 절대값보다 기저 vs 냉난방 비중으로 보시면 됩니다.
| 구분 | 개선 과제 | 권장 행동 | 근거 |
|---|---|---|---|
| 지금 검토 | 요금제 재선택 | 시뮬레이션상 가장 유리한 선택Ⅰ로 변경 가능한지 한전과 확인 | §5 요금제 ↗ |
| 지금 검토 | 2026.4.16 부하시간 개정 대비 | 더 비싼 시간대로 옮겨가는 사용을 낮 시간대로 조정해 영향 최소화 | §4 부하개정 ↗ |
| 조건 확인 후 | 계약전력 적정성 점검 | 여유가 큰 계약전력을 낮출 수 있는지 설비 용량·피크 조건을 한전과 확인 | §6 최대수요 ↗ |
| 상시 관리 | 피크 분산 운영 | 최대수요가 몰리는 시간대의 설비 가동을 분산·예약해 기본요금 상승 억제 | §6 피크컷 ↗ |
| 상시 관리 | 이상 사용 모니터링 | 평소와 다른 사용이 나타난 날의 원인을 추적하고 반복 여부 확인 | §3 이상징후 ↗ |
| 중장기 | 수요예측 기반 운영계획 | 12개월 예측으로 피크·비용을 미리 보고 설비 운영·증설을 사전 계획 | §4 예측 ↗ |
| 중장기 | 탄소·ESG 대응 | 연 18,018 tCO₂ 기준 감축 목표를 세우고 효율 개선과 연계 | §7 탄소 ↗ |
본 리포트는 5년 일별 + 1년 시간별 전력 데이터를 기반으로 AI가 자동
생성했습니다.
생성일 2026-09-09 · 분석기간 2021.06 ~ 2026.05 ·
데이터 소스 샘플공장A_analysisData.RData
분석 도구: R · highcharter
· plotly(시뮬) · randomForest · 앙상블 예측(Prophet+ARIMA+XGBoost)