Loading the company…
Loading the company…
㈜효성에너지팜
English name as filed with DART, Korea’s corporate disclosure system · Correct the English name ›
Last updated 2026-10-11 · Korean page ›
Verification level — how far we have checked
L0 · Public records — NPS workforce · filed financials · patents — public data
A company based in Seoul, founded in 2020. Industry: Construction & Real Estate. Revenue for 2025 was ₩30.5bn. It has 18 employees enrolled in the National Pension Service (as of Aug 2026). It is externally audited; the latest audit opinion is “Unqualified”.
Loading…
Latest filing 2025-12-31 · latest registration 2026-08-20 · newest first
본 발명은 수직 태양광 발전장치를 제공하되 바람의 영향으로 하부 수직 지지대가 기울어질 경우 이를 측정하여 경보신호를 출력하여 바로잡도록 유도하고, 수직 지지대의 침하가 발생할 경우 침하 정도를 파악하여 외부로 알릴 수 있도록 구성함으로서 안정성을 극대화시키도록 구성한 것을 특징으로 하는 안정성을 극대화시킨 영농형 수직 태양광 발전장치에 관한 것으로, 태양광 에너지를 전기 에너지로 변환하는 태양광 패널(100)과, 상기 태양광 패널의 하부에 장착되어 태양광 패널이 지면으로부터 지지대되도록 유도하는 하부 수직 지지대(200)와, 상기 태양광 패널의 전단부에 일정거리 이격되어 설치되며 하부 수직 지지대를 촬영하여 기울어지는 정도를 파악하는 하부 수직 지지대 기울기 판단수단(300)과, 상기 하부 수직 지지대 기울기 판단수단에 의해서 기준치 이상 기울어진 것으로 판단되면 경보신호를 출력하는 경보신호 출력장치(1000)를 포함하여 이루어지는 것이 특징이다.
본 발명은 작물을 생산하기 위한 농지에 설치되어 생육되는 식물에 광합성을 위한 광량을 조절할 수 있으며, 식물의 광합성에 필요한 광량 이외의 광량을 이용하여 전력을 생산할 수 있는 작물의 일조량 조절이 가능한 것을 특징으로 하는 영농형 수직 태양광 발전장치에 관한 것으로, 태양광 에너지를 전기 에너지를 변환하는 태양광 패널(100)과; 상기 태양광 패널(100)의 높이 조절이 이루어지는 실린더 구조의 하부 수직 지지대(200)와; 상기 태양광 패널(100)의 일측에 구비되어 태양광 패널의 오염을 감지하는 오염감지 센서(300)와; 상기 오염감지 센서에 정보에 따라 태양광 패널의 표면에 에어를 분사하여 오염요소를 제거하기 위한 에어펌핑수단(400)과; 상기 태양광 패널의 주변 풍속을 감지하는 풍속 감지센서(500)와; 상기 오염감지센서와 풍속감지센서와 전기적으로 연결되어 오염 데이터 및 풍속 데이터를 전송받으며, 아울러 높이 승하강 수단 및 에어펌핑수단과 전기적으로 연결되어 풍속이 기준이상이면 높이 승하강수단을 들어올려 바람이 빠져나가는 공간을 확보하도록하고, 아울러 오염이 기준이상이면 에어펌프를 작동시켜 태양광 패널을 청소하도록 제어하는 제어부(600)를 포함하여 이루어지는 것이 특징이다.
본 발명은 인공지능을 이용한 영농형 태양광 발전 관리 시스템에 있어서, 특히 농경지 상부에 설치되는 태양광 발전설비의 각도의 적절히 조절하여 농작물의 생육이 악화되지 않으면서 발전이 가능토록 구성하는 것을 특징으로 하는 인공지능을 이용한 영농형 태양광 발전 관리 시스템에 관한 것으로, 영농형 태양광 발전 시스템의 관리 장치로서, 상기 발전 시스템으로부터, 상기 발전 시스템의 태양광 발전량에 관한 제1 정보 및 상기 발전 시스템이 배치된 농경지에서 경작되는 농작물의 생육에 관한 제2 정보를 실시간으로 수집하는 모니터링부, 상기 모니터링부로부터 상기 제1 정보 및 상기 제2 정보를 수신하고, 외부 서버로부터 상기 농작물의 생육 주기(life cycle) 및 상기 농경지가 포함된 지역의 기상 정보, 대기 환경 정보 및 지형 정보를 포함하는 제3 정보를 수신하는 수집부, 상기 제1 정보 내지 상기 제3 정보를 기초로 하여 상기 발전 시스템의 태양광 발전량과 상기 농작물의 생산량이 균형을 이루는 조건을 산출하는 분석부, 그리고 상기 산출한 조건에 따라 제어 신호를 생성하고, 상기 생성한 제어 신호를 이용하여 상기 발전 시스템의 발전효율 및 상기 농작물의 생육 환경을 실시간으로 제어하는 제어부를 포함하여 이루어지는 것이 특징이다.
본 발명은 인공지능을 이용한 영농형 태양광 발전 관리장치에 있어서, 특히 농경지 상부에 설치되는 태양광 발전설비의 각도의 적절히 조절하여 농작물의 생육이 악화되지 않으면서 발전이 가능토록 구성하는 것을 특징으로 하는 인공지능을 이용한 영농형 태양광 발전 관리장치에 관한 것으로, 영농형 태양광 발전 시스템의 관리 장치로서, 상기 발전 시스템으로부터, 상기 발전 시스템의 태양광 발전량에 관한 제1 정보 및 상기 발전 시스템이 배치된 농경지에서 경작되는 농작물의 생육에 관한 제2 정보를 실시간으로 수집하는 모니터링부, 상기 모니터링부로부터 상기 제1 정보 및 상기 제2 정보를 수신하고, 외부 서버로부터 상기 농작물의 생육 주기(life cycle) 및 상기 농경지가 포함된 지역의 기상 정보, 대기 환경 정보 및 지형 정보를 포함하는 제3 정보를 수신하는 수집부, 상기 제1 정보 내지 상기 제3 정보를 기초로 하여 상기 발전 시스템의 태양광 발전량과 상기 농작물의 생산량이 균형을 이루는 조건을 산출하는 분석부, 그리고 상기 산출한 조건에 따라 제어 신호를 생성하고, 상기 생성한 제어 신호를 이용하여 상기 발전 시스템의 발전효율 및 상기 농작물의 생육 환경을 실시간으로 제어하는 제어부를 포함하여 이루어지는 것이 특징이다.
본 발명은 인공지능 영농형 태양광 발전 시스템에 관한 것으로서, 지면에 수직상으로 연장된 복수 개의 지주 프레임 사이에 회동가능하게 결합된 회동중심축과, 회동중심축에 지지되게 결합된 지지패널에 상호 이격되게 장착된 태양광 패널을 포함한 태양광 발전유닛과, 태양전지 패널 사이에 장착되어 입사된 광에 대해 설정된 파장대역의 광을 투과 또는 반사시키는 적어도 하나의 다이크로익 미러를 포함하는 투광부와, 회동중심축의 회동각도를 조정하는 패널각도 조정부와, 비가 내리는 지를 검출하는 강우센서와, 눈이 내리는 지를 검출하는 강설센서와, 풍속을 검출하는 풍속감지 센서 중 적어도 하나를 포함하는 센싱부와, 센싱부에서 검출된 정보에 따라 지지패널의 지지각도를 설정된 조정패턴에 따라 조정되게 제어하는 제어부와, 태양광 발전유닛 하부의 식재영역을 촬상하여 제어부에 제공하는 촬상부와, 제어부와 접속되어 상기 촬상부에 의해 촬상되어 제공되는 영상으로부터 병, 해충, 잡초의 종류를 판별하여 방제 또는 제거방법을 추출하여 제공하는 머신러닝부를 구비한다. 이러한 인공지능 영농형 태양광 발전 시스템에 의하면, 태양전지 패널 하부의 영역에 재배되는 작물에 대해 최적화된 성장 환경을 제공할 수 있는 장점을 제공한다.
본 발명의 일 실시예에 따른 태양광 발전량 예측 시스템은, 외기온도 및 태양광 패널의 셀온도를 포함하는 기후요소데이터 및 상기 태양광 패널이 설치된 사이트들의 위치 데이터를 포함하는 필요 데이터를 수집하는 데이터 수집부; 상기 위치 데이터에 기초하여 연산된 천문 요소값에 기초하여 물리 모델값들을 산출하는 물리 모델 연산부; 상기 물리 모델값들에 기초하여 발전량 추정치를 연산하는 발전량 추정 연산부; 상기 발전량 추정치를 입력으로 하는 기계학습을 수행하고 기계학습의 결과에 기초하여 최종 발전량 예측치를 산출하는 기계학습 연산부; 및 상기 사이트들 각각에 대하여 복수의 기계학습 모델 중 어느 하나를 선택하고, 상기 기계학습에 대한 설정값들을 설정하는 제어부를 포함할 수 있다.
본 발명은 딥러닝 모델 기반 태양광 발전율 예측 시스템에 있어서, 특히 발전율 예측 모델 성능의 저하를 해결하기 위해 기상 유사도를 통해 유사한 지역의 과거 데이터를 활용하는 딥러닝 모델 기반 태양광 발전율 예측 시스템에 관한 것으로, 과거에 측정된 발전량 정보가 풍부한 여러 지역으로부터 기상정보와 태양광 발전량 정보 등을 수집하는 데이터 수집부(100)와; 발전량을 설비용량으로 나눈 발전율 값을 활용하여 표준 정규화를 통해 데이터 수집부(100)가 수집한 데이터를 전처리 하는 데이터 전처리부(200)와; 상기 데이터 전처리부(200)의 결과물로 출력된 발전율 데이터, 기상관측 데이터, 대기질 측정 데이터를 근거로 태양광 발전율 딥러닝 모델을 각각 학습시키는 딥러닝 모델 학습부(300)와; 상기 딥러닝 모델 학습부를 통해 학습된 데이터를 근거로 현재 태양광 패널에 대한 고장 예측 판단을 하는 태양광 패널 에러상태 예측 및 판단부(1000)를 포함하여 이루어지는 것이 특징이다.
본 발명은 인공지능을 이용한 태양광 발전시스템 전용 고장 예측장치에 있어서, 특히 인공지능을 이용한 머신 러닝을 통해 태양광 모듈들의 전압 변화에 대한 추세를 분석하고, 전압 변화 추세에 따른 그룹화를 통해 그룹 내에서 태양광 모듈의 상태 진단이 이루어지도록 함으로써, 태양광 모듈 상태 진단의 정확성을 높일 수 있도록 하는 인공지능을 이용한 태양광 발전시스템 전용 고장 예측장치에 관한 것으로, 다수개의 태양광 모듈이 집합된 태양광 패널로 이루어지고, 태양광을 입사 받아 DC 전력을 생산하는 태양전지 스트링(10)과; 상기 태양전지 스트링(10) 각각이 생산한 DC 전력을 직병렬로 연결해 필요한 전력을 집합시키는 태양광 접속반(20)과; 상기 태양광 접속반(20)으로부터 DC 전력을 전달받아 AC 전력으로 변환하여 전력 계통으로 출력하는 인버터(30)와; 상기 태양광 접속반으로부터 태양광 패널에 대한 각종 데이터를 입력받고 딥러닝 알고리즘을 통해 미리 학습된 데이터를 근거로 현재 태양광 패널에 대한 고장 예측 판단을 하는 태양광 패널 에러상태 예측 및 판단부(1000)와; 상기 태양광 패널 에러상태 예측 및 판단부의 제어에 따라 태양광 패널에 이상 징후가 있을 경우 경보신호를 출력하는 태양광 패널 에러 경보 신호 출력부(1100)를 포함하여 구성함이 특징이다.
본 발명은 인공지능모델 기반의 기업 맞춤형 태양광 PPA솔루션 제공 장치와, 인공지능모델 기반의 기업 맞춤형 태양광 PPA솔루션 제공 방법에 관한 것으로서, 기업 단말로부터 기업 정보를 수신하고, 재생에너지공급자로부터 공급자 정보를 수신하고, 기 설정된 알고리즘에 따라 학습된 인공지능모델에 상기 기업 정보 및 상기 공급자 정보를 입력하여 출력된 출력 값을 기반으로, 현재 한국전력에서 제공하고 있는 복수의 PPA 요금 계획 중, 상기 기업 정보에 대응하는 적어도 하나 이상의 PPA(Power Purchase Agreement) 요금 계획을 선별하여, 상기 기업 단말로, 해당 기업의 현행 전기요금제와, 앞서 선별된 PPA 요금 계획에 따르는 전력구매 요금을 비교하여 절감액 정보를 제공하는, 인공지능모델 기반의 기업 맞춤형 태양광 PPA솔루션 제공 방법 및 장치에 관한 것이다.
본 발명의 일 실시예에 따른 태양광 발전량 예측 시스템은, 외기온도 및 태양광 패널의 셀온도를 포함하는 기후요소데이터 및 상기 태양광 패널이 설치된 사이트들의 위치 데이터를 포함하는 필요 데이터를 수집하는 데이터 수집부; 상기 위치 데이터에 기초하여 연산된 천문 요소값에 기초하여 물리 모델값들을 산출하는 물리 모델 연산부; 상기 물리 모델값들에 기초하여 발전량 추정치를 연산하는 발전량 추정 연산부; 상기 발전량 추정치를 입력으로 하는 기계학습을 수행하고 기계학습의 결과에 기초하여 최종 발전량 예측치를 산출하는 기계학습 연산부; 및 상기 사이트들 각각에 대하여 복수의 기계학습 모델 중 어느 하나를 선택하고, 상기 기계학습에 대한 설정값들을 설정하는 제어부를 포함할 수 있다.
본 발명은 인공지능을 이용한 태양광 발전시스템 고장 예측장치에 있어서, 특히 인공지능을 이용한 머신 러닝을 통해 태양광 모듈들의 전압 변화에 대한 추세를 분석하고, 전압 변화 추세에 따른 그룹화를 통해 그룹 내에서 태양광 모듈의 상태 진단이 이루어지도록 함으로써, 태양광 모듈 상태 진단의 정확성을 높일 수 있도록 하는 인공지능을 이용한 태양광 발전시스템 고장 예측장치에 관한 것으로, 다수개의 태양광 모듈이 집합된 태양광 패널로 이루어지고, 태양광을 입사 받아 DC 전력을 생산하는 태양전지 스트링(10)과; 상기 태양전지 스트링(10) 각각이 생산한 DC 전력을 직병렬로 연결해 필요한 전력을 집합시키는 태양광 접속반(20)과; 상기 태양광 접속반(20)으로부터 DC 전력을 전달받아 AC 전력으로 변환하여 전력 계통으로 출력하는 인버터(30)와; 상기 태양광 접속반으로부터 태양광 패널에 대한 각종 데이터를 입력받고 딥러닝 알고리즘을 통해 미리 학습된 데이터를 근거로 현재 태양광 패널에 대한 고장 예측 판단을 하는 태양광 패널 에러상태 예측 및 판단부(1000)와; 상기 태양광 패널 에러상태 예측 및 판단부의 제어에 따라 태양광 패널에 이상 징후가 있을 경우 경보신호를 출력하는 태양광 패널 에러 경보 신호 출력부(1100)를 포함하여 구성함이 특징이다.
본 발명은 인공지능 영농형 태양광 발전 시스템에 관한 것으로서, 지면에 수직상으로 연장된 복수 개의 지주 프레임 사이에 회동가능하게 결합된 회동중심축과, 회동중심축에 지지되게 결합된 지지패널에 상호 이격되게 장착된 태양광 패널을 포함한 태양광 발전유닛과, 태양전지 패널 사이에 장착되어 입사된 광에 대해 설정된 파장대역의 광을 투과 또는 반사시키는 적어도 하나의 다이크로익 미러를 포함하는 투광부와, 회동중심축의 회동각도를 조정하는 패널각도 조정부와, 비가 내리는 지를 검출하는 강우센서와, 눈이 내리는 지를 검출하는 강설센서와, 풍속을 검출하는 풍속감지 센서 중 적어도 하나를 포함하는 센싱부와, 센싱부에서 검출된 정보에 따라 지지패널의 지지각도를 설정된 조정패턴에 따라 조정되게 제어하는 제어부와, 태양광 발전유닛 하부의 식재영역을 촬상하여 제어부에 제공하는 촬상부와, 제어부와 접속되어 상기 촬상부에 의해 촬상되어 제공되는 영상으로부터 병, 해충, 잡초의 종류를 판별하여 방제 또는 제거방법을 추출하여 제공하는 머신러닝부를 구비한다. 이러한 인공지능 영농형 태양광 발전 시스템에 의하면, 태양전지 패널 하부의 영역에 재배되는 작물에 대해 최적화된 성장 환경을 제공할 수 있는 장점을 제공한다.
본 발명은 인공지능을 이용한 영농형 태양광 발전 시스템 관리장치에 있어서, 특히 농경지 상부에 설치되는 태양광 발전설비의 각도의 적절히 조절하여 농작물의 생육이 악화되지 않으면서 발전이 가능토록 구성하는 것을 특징으로 하는 인공지능을 이용한 영농형 태양광 발전 시스템 관리장치에 관한 것으로, 영농형 태양광 발전 시스템의 관리 장치로서, 상기 발전 시스템으로부터, 상기 발전 시스템의 태양광 발전량에 관한 제1 정보 및 상기 발전 시스템이 배치된 농경지에서 경작되는 농작물의 생육에 관한 제2 정보를 실시간으로 수집하는 모니터링부, 상기 모니터링부로부터 상기 제1 정보 및 상기 제2 정보를 수신하고, 외부 서버로부터 상기 농작물의 생육 주기(life cycle) 및 상기 농경지가 포함된 지역의 기상 정보, 대기 환경 정보 및 지형 정보를 포함하는 제3 정보를 수신하는 수집부, 상기 제1 정보 내지 상기 제3 정보를 기초로 하여 상기 발전 시스템의 태양광 발전량과 상기 농작물의 생산량이 균형을 이루는 조건을 산출하는 분석부, 그리고 상기 산출한 조건에 따라 제어 신호를 생성하고, 상기 생성한 제어 신호를 이용하여 상기 발전 시스템의 발전효율 및 상기 농작물의 생육 환경을 실시간으로 제어하는 제어부를 포함하여 이루어지는 것이 특징이다.
본 발명은 딥러닝 모델 기반 태양광 발전율 예측장치에 있어서, 특히 발전율 예측 모델 성능의 저하를 해결하기 위해 기상 유사도를 통해 유사한 지역의 과거 데이터를 활용하는 딥러닝 모델 기반 태양광 발전율 예측장치에 관한 것으로, 과거에 측정된 발전량 정보가 풍부한 여러 지역으로부터 기상정보와 태양광 발전량 정보 등을 수집하는 데이터 수집부(100)와; 발전량을 설비용량으로 나눈 발전율 값을 활용하여 표준 정규화를 통해 데이터 수집부(100)가 수집한 데이터를 전처리 하는 데이터 전처리부(200)와; 상기 데이터 전처리부(200)의 결과물로 출력된 발전율 데이터, 기상관측 데이터, 대기질 측정 데이터를 근거로 태양광 발전율 딥러닝 모델을 각각 학습시키는 딥러닝 모델 학습부(300)와; 상기 딥러닝 모델 학습부를 통해 학습된 데이터를 근거로 현재 태양광 패널에 대한 고장 예측 판단을 하는 태양광 패널 에러상태 예측 및 판단부(1000)를 포함하여 이루어지는 것이 특징이다.
KIPO KIPRIS · checked 2026-10-15 · newest filings first · right: registration date (filing date if not yet registered) · 14 of 14 · titles and abstracts are in Korean as filed · click a row for details ▾
For now we hold public records only (National Pension Service · DART filings · patents · registers · press). When the company files material in our IR Room, it moves to L1. We do not score or rate companies — we only state how far we have checked.
| KRW bn | 2024 | 2025 |
|---|---|---|
| Revenue | 26.8 | 30.5 |
| Cost of sales | 22.4 | 26.7 |
| Gross profit (loss) | 4.5 | 3.9 |
| Selling, general and administrative expenses | 2.9 | 2.5 |
| Operating income (loss) | 1.6 | 1.3 |
| Non-operating income | 0.0 | 0.1 |
| Other gains | 0.0 | 0.0 |
| Finance income | 0.0 | 0.0 |
| Other | 0.0 | 0.1 |
| Non-operating expenses | 0.1 | 0.1 |
| Other losses | 0.0 | 0.0 |
| Finance costs | 0.1 | 0.1 |
| Other | — | 0.0 |
| Profit (loss) before tax | 1.5 | 1.3 |
| Income tax expense | 0.2 | 0.2 |
| Net income (loss) | 1.4 | 1.1 |
Revenue ₩30.5bn, up 13.8% YoY.
Operating margin 4.4% (prior 5.9%).
Net income ₩1.1bn.
Need more than is shown here? Ask for more information — full review report · valuation · executive teaser · IM · competitor analysis · due diligence. Tell us what you need and we will reply by email with scope, cost and timing.
Is this your company?
If anything here is wrong, tell us — we check it against the original and correct it. You do not need to join. If you would like your financials verified and this page completed, that is a separate process.