AI 설비 성능 분석가 (Wind Turbine AI Analyzer)

풍력 터빈 운영 데이터를 분석하고 AI 기반 인사이트를 제공하는 웹 애플리케이션입니다. 설비팀이 설비 성능을 쉽게 분석하고 개선 방안을 도출할 수 있도록 도와줍니다.

데이터 출처

https://www.kaggle.com/datasets/mubashirrahim/wind-power-generation-data-forecasting

무엇을 하는 도구인가요?

이 도구는 풍력 터빈에서 수집된 데이터(풍속, 발전량, 온도 등)를 분석해서 다음과 같은 정보를 제공합니다:

성능 현황: 터빈이 얼마나 효율적으로 작동하고 있는지 분석
문제점 발견: 비효율적으로 작동하는 시점과 원인 파악
개선 방안: AI가 분석한 구체적인 성능 개선 제안
예측 기능: 날씨 조건에 따른 발전량 예측

주요 기능

1. 데이터 분석

풍속, 온도, 습도 등 환경 데이터와 발전량의 관계 분석
터빈의 성능 곡선 생성 및 최적 운영 구간 식별
비효율적으로 작동하는 시점과 패턴 자동 탐지

2. AI 인사이트 생성

Google Gemini AI를 활용한 분석 결과 해석
상세한 성능 진단
즉시 실행 가능한 개선 방안 제시
경영진 보고용 종합 리포트 자동 생성

3. 예측 모델

랜덤포레스트 머신러닝 모델로 발전량 예측(모델 교체 가능능)
환경 조건(풍속, 온도, 습도)을 입력하면 예상 발전량 계산
실제 발전량과 예측값 비교를 통한 이상 상황 탐지

4. 웹 인터페이스

파일 업로드만으로 바로 분석 시작
그래프와 차트로 결과를 시각적으로 확인
분석 리포트를 파일로 다운로드 가능

누가 사용하면 좋을까요?

설비팀: 설비 성능 분석 및 개선, 예방 정비 계획 수립
운영팀: 일일 운영 계획 및 성과 분석
관리자: 설비 투자 및 개선 의사결정

설치 및 실행 방법

1. 프로젝트 다운로드

git clone https://github.com/imjeasung/turbine-ai-analyzer.git
cd turbine-ai-analyzer

2. 가상환경 설정

python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

3. 필요한 패키지 설치

pip install -r requirements.txt

4. API 키 설정

프로젝트 폴더에 .env 파일을 만들고 다음 내용을 입력하세요:

GEMINI_API_KEY="your_gemini_api_key_here"

Google AI Studio(https://aistudio.google.com/)에서 API 키를 발급받을 수 있습니다.

5. 애플리케이션 실행

streamlit run app.py

웹 브라우저에서 http://localhost:8501로 접속하면 바로 사용할 수 있습니다.

사용 방법

1. 데이터 준비

다음 컬럼이 포함된 CSV 파일을 준비하세요:

Time: 측정 시간
Power: 발전량 (kW)
windspeed_100m: 100m 높이 풍속 (m/s)
winddirection_100m: 100m 높이 풍향 (도)
temperature_2m: 2m 높이 온도 (°C)
relativehumidity_2m: 2m 높이 상대습도 (%)
dewpoint_2m: 2m 높이 이슬점 (°C)

2. 분석 실행

웹 애플리케이션의 사이드바에서 데이터 파일 업로드
"분석 시작" 버튼 클릭
분석 완료까지 대기 (보통 1-2분 소요)

3. 결과 확인

데이터 개요: 기본 통계 및 데이터 품질 확인
성능 분석: 성능 곡선과 환경 요인 간의 관계
효율성 진단: 비효율 발생 현황 및 패턴
AI 인사이트: AI가 생성한 분석 결과 해석
종합 리포트: 최종 분석 결과 및 개선 방안

기술 구성

Python: 데이터 분석 및 머신러닝
Streamlit: 웹 인터페이스
Pandas & NumPy: 데이터 처리
Scikit-learn: 머신러닝 모델
Matplotlib & Plotly: 데이터 시각화
Google Gemini: AI 인사이트 생성

프로젝트 구조

turbine_ai_analyzer/
├── app.py                # Streamlit 웹 애플리케이션
├── config.py             # 설정 관리
├── data_analyzer.py      # 데이터 분석 엔진
├── llm_interface.py      # AI 인사이트 생성
├── utils.py              # 공통 유틸리티
├── requirements.txt      # 필요 패키지 목록
├── .env                  # API 키 설정
└── data/
    └── Location1.csv    # 샘플 데이터