Antalitics PV Insight
태양광 설비 시계열 데이터를 분석해 발전량 예측, 이상탐지, 고장 위험 진단을 제공합니다.
96%
발전량 예측 정확도
30분
이상 탐지 알림 시간
15%
발전 효율 개선
* 도입 기대 효과 (환경에 따라 상이)
현장의 문제
대응 지연
발전량 변동 원인 파악이 늦어 대응이 지연됩니다.
알람 피로
알람이 많아 운영자가 핵심 이슈를 놓치기 쉽습니다.
예측 부정확
발전량 예측이 부정확하면 운영/정산 리스크가 커집니다.
주요 기능
태양광 설비 데이터를 분석해 예측·탐지·리포팅을 제공합니다
데이터 수집/정제
SCADA/인버터/기상/환경 데이터를 수집하고 정제합니다.
발전량 예측
일/주/월 단위 발전량을 예측하여 운영 계획을 지원합니다.
이상탐지
출력 저하/센서 이상/고장 징후를 조기에 감지합니다.
리포팅
운영 리포트를 자동 생성하여(주/월) 의사결정을 지원합니다.
온프레미스 배포
클라우드 또는 폐쇄망 설치형으로 유연하게 배포합니다.
온프레미스 배포
폐쇄망·내부망 설치 지원
데이터 외부 반출 제로
설비 데이터 사내 처리
AI바우처 공급기업
정부 지원 사업 활용 가능
SCADA 연동
기존 모니터링 시스템 통합
필요 데이터
설비 지표
발전량/출력/전압/전류/온도 등
기상 데이터
일사량/온도/풍속 등
고장/정비 이력
라벨 데이터 (가능 시)
성과 지표
PoC 및 운영 단계에서 측정하는 정량 지표입니다
| 평가 항목 | 측정 지표 | 설명 |
|---|---|---|
| 발전량 예측 | MAPE | 평균 절대 백분율 오차 — 예측 정확도의 핵심 지표 |
| MAE | 평균 절대 오차 — 실제 발전량과의 편차(kWh) | |
| 이상탐지 | Precision / Recall | 정밀도·재현율 — 오탐과 미탐의 균형 |
| F1 Score | Precision과 Recall의 조화 평균 | |
| 조기 경보 | Lead Time | 이상 발생 전 경보까지의 시간 (n시간 ~ n일) |
도입 절차
데이터 진단
포맷/결측/품질을 확인하고 분석 가능성을 평가합니다.
PoC 범위·KPI 정의
정량지표를 포함한 PoC 범위와 성공 기준을 정의합니다.
모델 개발 + 대시보드
예측/이상탐지 모델을 개발하고 대시보드를 구축합니다.
현장 검증/고도화
현장 피드백을 반영하여 모델을 고도화합니다.
운영 전환
교육/매뉴얼과 함께 안정적으로 운영 환경에 전환합니다.
도입 효과 시뮬레이션
PV Insight 도입 시 기대할 수 있는 변화입니다.
발전량 예측 최적화
기상·위성 데이터를 결합해 정확한 발전량을 예측하고 전력 거래 수익을 극대화합니다.
고장 사전 감지
인버터·모듈 이상을 사전에 탐지하여 불필요한 현장 출동을 줄입니다.
다수 사이트 통합 모니터링
전국 분산 발전소의 성능을 대시보드 하나로 통합 관리합니다.
* 위 시나리오는 도입 효과 시뮬레이션이며, 실제 환경에 따라 다를 수 있습니다.
도입 대상
발전소 운영사(O&M)
발전사업자(IPP)
EPC
인버터/모듈/ESS 운영사
개발 배경
사내 운영 경험에서 출발한 솔루션
Antalitics PV Insight는 자사가 직접 태양광 발전 데이터를 분석·운영하는 과정에서 개발되었습니다. 현장에서 반복되는 발전량 예측 오차, 알람 과다, 대응 지연 문제를 해결하기 위해 내부 도구로 먼저 구축하였고, 실 운영 환경에서 검증·개선을 거쳐 제품화하였습니다.
실제 발전소 데이터를 기반으로 예측 모델을 튜닝하고 이상탐지 로직을 고도화한 경험이 솔루션의 핵심 기반입니다. 이러한 현장 운영 노하우를 바탕으로 AI바우처 공급기업에 선정되어, 다양한 발전 환경에 맞춘 솔루션을 제공하고 있습니다.
자주 묻는 질문
가능합니다. 고객사가 보유한 일조분석 데이터(GHI/DNI/DHI, 일사량 시계열 등)를 외부 기상 데이터와 함께 입력으로 활용할 수 있습니다.
- 임의 지점 예측: 해당 위치의 일사량·기상 데이터가 확보되면, 설비 사양(모듈/인버터 용량)과 결합하여 일/주/월 단위 발전량을 예측합니다.
- 데이터 통합: 고객사 SCADA/모니터링 시스템의 설비 지표와 일조분석 데이터를 통합 분석합니다.
- 신규 부지: 운영 이력이 없는 경우, 유사 조건 발전소 데이터 기반 전이학습(Transfer Learning)으로 초기 모델을 구성합니다.
PoC 단계에서 고객사 데이터 기반 예측 정확도를 검증한 후 본 도입을 결정하는 프로세스를 권장합니다.
예측 정확도는 데이터 품질, 설비 조건, 기상 변동성에 따라 달라지며, MAPE(평균 절대 백분율 오차), MAE(평균 절대 오차), R² Score(결정계수)로 정량 측정합니다.
데이터 품질이 양호한 경우, 일반적으로 일 단위 MAPE 10% 이내를 목표로 설정합니다. 구체적인 목표 오차율은 PoC 단계에서 고객사 데이터를 진단한 후 KPI로 합의합니다.
REST API를 제공합니다. 고객사의 기존 모니터링 시스템, ERP, 에너지 관리 플랫폼 등과 연동할 수 있습니다.
- 예측 결과 API: 일/주/월 발전량 예측값 조회, 이상탐지 알림 이벤트 수신 (JSON/CSV)
- 데이터 입력 API: SCADA/인버터/기상 데이터 실시간 전송 (배치 및 스트리밍 지원)
- Webhook: 이상탐지 이벤트 발생 시 외부 시스템 자동 알림
API 스펙 문서는 도입 협의 단계에서 제공됩니다.
고객사 요구사항에 맞춘 웹 기반 전용 대시보드를 구축합니다. 실시간 발전량 모니터링, 예측 vs 실적 비교 차트, 이상탐지 이벤트 관리, 자동 리포트(주/월) 생성 기능을 포함합니다.
기존 대시보드를 사용 중이라면 API 연동 방식으로 데이터를 통합할 수도 있습니다.
가능합니다. 클라우드 배포와 온프레미스(폐쇄망) 설치형 모두 지원합니다. 고객사 보안 정책에 따라 데이터가 외부로 반출되지 않는 독립 환경을 구성할 수 있습니다.