Loading the company…
Loading the company…
㈜에이치에너지(H Energy Co., Ltd)
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 Gyeongbuk, founded in 2018. Industry: Software & IT Services. Revenue for 2025 was ₩95.6bn. It has 170 employees enrolled in the National Pension Service (as of Aug 2026). It is externally audited; the latest audit opinion is “Unqualified”.
Loading…
Latest filing 2026-04-10 · latest registration 2026-08-05 · newest first
본 발명에 따른 시계열 발전 데이터 기반 태양광 어레이 직・병렬 구조 역추정 및 정밀 고장 진단 방법은(a) 전처리 모듈이 태양광 발전설비로부터 데이터 수집 모듈에 의해 수집된 시계열 발전 데이터로 태양광 어레이의 직・병렬 구조 역추정을 위한 2단계 하이브리드 최적화 엔진의 입력 데이터를 생성하는 데이터 전처리 단계; (b) 구조 추론 모듈이 전처리된 시계열 발전 데이터를 이용하여 태양광 어레이의 병렬 수(Np) 및 직렬 수(Ns)를 역추정하는 단계; (c) 구조 확정 모듈이 일 단위로 추정된 태양광 어레이의 직・병렬 구조를 이용하여 최종 기준 구조(Golden Reference)를 확정하는 단계; 및 (d) 정밀 진단 모듈이 확정된 상기 기준 구조와 실시간 계측 데이터를 이용하여 태양광 어레이의 이상 상태를 진단하는 단계;를 포함하여 별도의 현장 전수 조사 없이 소프트웨어적으로 정확한 DB를 구축할 수 있어, 초기 셋업 비용을 획기적으로 절감하고, 데이터 기반의 무결점 관리를 가능하게 하는 효과가 있다.
본 발명의 태양광패널 방위각 자동 추정시스템은, 상기 태양광발전시스템에 구비된 다수의 인버터들 중 방위각을 추정하고자 하는 제1 태양광패널에 연결된 제1 인버터로부터 소정시간 단위의 시계열 발전량 데이터를 수집하는 발전량데이터수집부; 상기 제1 인버터의 설치위치정보, 및 상기 시계열 발전량 데이터가 측정된 시각정보로부터 상기 시계열 발전량 데이터별 태양벡터를 산출하는 태양벡터산출부; 상기 태양벡터를 산출하는 산출시점마다 그 태양벡터별로 내적이 최대가 되는 패널벡터를 탐색하여 상기 제1 태양광패널의 후보방위각을 산출하는 후보방위각산출부; 및 상기 산출시점마다 산출된 다수의 후보방위각들을 통계적으로 통합하여 상기 제1 태양광패널에 대한 하나의 최종방위각을 결정하는 집계처리부를 포함함으로써, 실제 발전량 데이터와 태양의 천문정보를 이용하여 태양광패널의 방위각을 자동으로 추정할 수 있고, 이로 인해, 태양광패널의 방위각 정보의 누락으로 인해 정확한 발전량 예측이 어려운 문제를 해결하여 발전량 예측 정확도를 향상시키는 효과가 있다.
본 발명은 발전 이상 탐지 및 원인 진단이 가능한 태양광 발전 시스템 및 태양광 발전 방법에 관한 것으로, MPPT 유닛의 MPPT 결과를 수집하여 특정 MPPT 유닛의 MPPT 결과를 제외한 MPPT 유닛들의 MPPT 결과를 이용하여 인공지능 학습을 수행하여 인공지능 모델을 구축하며, 인공지능 모델로 추정한 MPPT 결과와 실제 MPPT 결과의 패턴을 비교함으로서, MPPT 수행의 이상이 발생한 MPPT 유닛을 조기에 탐지하고 이상 발생 원인을 진단한다.
환경센서기반의 태양광 발전량 추정방법에 관한 것으로서, 보다 상세하게는 발전소 내 설치된 환경센서에 의해 측정되는 환경데이터, 기상데이터 및 태양위치데이터의 관계 학습을 통해, 기상데이터와 태양위치데이터를 기반으로 환경센싱값을 추정하고, 추정된 환경센싱값에 기반하여 태양광 발전량을 추정할 수 있는 환경센서기반의 태양광 발전량 추정방법에 관한 것이다.
본 발명은 유사 과거데이터기반 태양광 발전 추적을 활용한 이상감지방법에 관한 것이다. 보다 구체적으로, 유사 과거데이터기반 태양광 발전 추적을 활용한 이상감지방법은 실측 기상데이터 및 태양위치데이터를 포함하는 과거데이터를 기반으로 태양광 발전량에 미치는 변수 중요도를 추출하는 단계, 이상발전 검출 대상 시점에 대한, 실측 기상데이터, 태양광위치데이터 및 실측 발전량을 포함하는 대상데이터를 수집하는 단계, 추출된 변수 중요도에 기초하여 변수별 가중치를 계산하고, 변수별 가중치를 고려하여 대상데이터와 과거데이터간의 유사도를 산출하는 단계, 산출된 유사도가 높은 순의 기설정 개수의 과거데이터를 추출하여 대상데이터에 대한 발전량을 예측하는 단계 및 이상발전 검출대상 시점의 실측발전량과 예측된 이상발전 검출대상 시점의 대상데이터에 대해 예측된 발전량에 기초하여 이상발전을 검출하는 단계를 포함한다.
본 발명은 신경망 예측모델기반 자원조합방법에 관한 것이다. 보다 구체적으로, 본 발명의 신경망 예측모델기반 자원조합방법은 (a) 기정의된 k개의 집합에 대해, 발전소 단위로 자원을 랜덤 배정하는 단계, (b) 자원이 랜덤 배정된 k개의 집합 각각에 대해 회귀모델에 기반한 학습 및 최적화를 수행하는 단계, (c) 학습 및 최적화가 수행된 k개의 집합에 대한 평균 예측오차율을 산출하는 단계, (d) 평균 예측오차율이 기준 예측오차율 보다 작으면 상기 (a) 내지 (c) 단계를 반복수행하는 단계 및 (e) 상기 (a) 내지 (c) 단계를 기설정 횟수 반복수행 시, 평균 예측오차율이 최소화될 때, K개의 집합별 자원조합을 최적 구성으로 결정하는 단계를 포함할 수 있다.
본 발명은 태양광 발전량 예측 시스템에 관한 것이다. 보다 구체적으로, 태양광 발전량 예측 시스템은 태양광 발전량 예측을 위한 과거데이터들을 학습하여 생성된 LGBM 예측모델에 기반하여 예측 대상 데이터에 대한 제1 예측값을 예측하는 LGBM 예측부, 예측 대상 데이터와 상기 과거데이터들의 유사도를 산출하고, 유사도가 높은 순의 기설정 개수의 과거데이터에 기초하여 상기 예측 대상 데이터에 대한 제2 예측값을 예측하는 유사도기반 예측부 및 상기 예측된 제1 예측값이 설정된 신뢰구간에 포함되면 상기 예측된 제1 예측값을 최종발전량 예측값으로 출력하고, 상기 예측된 제1 예측값이 설정된 신뢰구간을 벗어나면 상기 제2 예측값을 최종 발전량 예측값으로 출력하는 최종 예측부를 포함한다.
본 발명은 I-V커브기반 태양광모듈의 이상탐지시스템에 관한 것이다. 보다 구체적으로, I-V커브기반 태양광모듈의 이상탐지시스템은 복수의 태양광 모듈에 대한 MPPT별 I-V커브 데이터를 RTU로부터 수집하는 수집부, MPPT별로, 해당 MPPT의 최대 출력 I-V커브 데이터에 기초하여 각 I-V커브 데이터를 정규화하는 정규화부 및 발전소별 또는 MPPT별 정규화된 최대 출력 I-V커브 데이터에 기초하여 태양광모듈의 이상여부를 학습한 이미지분류모델에 정규화된 I-V커브 데이터를 입력하여, MPPT별 태양광모듈의 정상 또는 비정상을 판단하는 이상탐지부를 포함할 수 있다.
본 발명은 태양광발전 예측모델 동적 선택방법에 관한 것이다. 보다 구체적으로, 태양광발전 예측모델 동적 선택방법은 태양광발전 예측을 위한 예측모델 동적 선택기를 학습하는 단계 및 학습된 예측모델 동적 선택기를 통해, 기상 데이터 및 태양정보 데이터에 대해 태양광 발전 예측오차를 최소화시키는 최적 예측모델을 선정하는 단계를 포함하고, 학습하는 단계는 (a) 복수의 태양광 발전소에 대한 기상 데이터 및 태양정보 데이터를 오토인코더로 학습하여 잠재변수를 추출하는 단계, (b) 추출된 복수 개의 잠재변수를 유사도기반으로 복수 개의 클러스터로 분류하는 단계, (c) 클러스터별 잠재변수에 대해, 복수 개의 서로 다른 예측모델을 학습시키는 단계 및 (d) 학습된 복수 개의 예측모델 중, 클러스터별 최적 예측모델을 동적선택하는 단계를 포함할 수 있다.
본 발명의 ESS 충방전 제어 시스템은, ESS 운용 기록 데이터를 수집하는 데이터 수집부; ESS 운용 기록 데이터에 기초하여 OCV-SoC 테이블을 생성하는 데이터 학습부; OCV-SoC 테이블, ESS 운용 기록 데이터에 기초하여 산출한 충전 중 V-SoC 테이블 및 방전 중 V-SoC 테이블에 기초하여 충방전 전압 상한을 산출하는 전압 상한 산출부; 산출된 전압 상한에 따라 충전 및 방전 SoC 범위를 산출하고, 산출된 충전 및 방전 SoC 범위에 따른 출력 상한을 산출하는 출력 상한 산출부; 및 상기 충전 및 방전 SoC 범위, 산출된 충전 및 방전 SoC 범위에 따른 출력 상한에 기초하여 ESS 충방전 명령을 수행하는 ESS 운전부를 포함할 수 있다.
본 발명에 따른 태양광 모듈 오류 검출 시스템은, 복수의 태양광 모듈을 직렬로 연결한 복수의 그룹에 연결된 I-V 커브 스캐너; 상기 I-V 커브 스캐너로부터 I-V 커브 데이터를 수신할 수 있는 RTU; 상기 I-V 커브 데이터로부터 추출한 대표 벡터보다 차원이 낮고 주성분 분석(PCA)에 기초한 오류 판단 모델에 의하여 상기 I-V 커브 데이터에 해당하는 그룹의 태양광 모듈의 오류 여부 및 오류 종류를 판단하는 오류검출부; 및 상기 RTU에 I-V 커브 스캔 명령을 전송하며, 상기 오류검출부에 상기 I-V 커브 데이터를 전송하는 제어부를 포함할 수 있다.
기상정보를 포함하는 데이터셋으로 예측 발전량을 도출하는 블랙박스 모델과, 상기 블랙박스 모델에 적용되는 사후분석 모듈이 탑재된 장치에서 수행되는 태양광 발전량 예측 방법으로서, 상기 사후분석 모듈로, 데이터셋 변화에 대한 예측 발전량 변화를 추출하는 b 단계와; 상기 예측 발전량 변화에 대한 데이터셋에 포함된 입력 변수들의 기여도를 분석하고, 입력 변수 및 해당 입력 변수의 분석 기여도를 상기 장치의 표시부에 표시하는 c 단계;를 포함하는, 태양광 발전량 예측 방법이 개시된다.
본 발명의 실시예에 따른 사업장 수요 특성을 고려한 최적 ESS 사업성 평가 방법은, ESS 설치 예정자로부터 사업성 평가 요청 정보를 수신하는 단계; 상기 사업성 평가 요청 정보에 기초하여 상기 ESS 설치 예정자의 사업장에 대한 과거 전력 수요 데이터를 수집하는 단계; 상기 과거 전력 수요 데이터에 기초하여 상기 사업장에 적용 가능한 ESS 구성을 제공하는 단계; 상기 과거 전력 수요 데이터를 클러스터링 하고 미래의 요일 특성 정보를 반영하여 미래 수요량을 예측하는 단계; 및 상기 미래 수요량에 기초하여 전기요금 절감량을 극대화하기 위한 ESS 충방전 운용계획을 생성하여 사업성 분석을 수행하는 단계를 포함할 수 있다.
본 발명의 실시예에 따른 예측제고 정산금 수익 극대화를 위한 저비용 태양광 예측 시스템은, 태양광 발전량 데이터 및 기상 예측 데이터를 포함하는 발전 자원 데이터를 수집하는 발전 자원 데이터 수집부; 무선 네트워크를 이용하여 발전 자원 데이터 수집 모듈로부터 발전 자원 데이터를 수신하고 저장하는 데이터베이스; 발전 자원 데이터로부터 맑은 날에 기초한 발전속성을 추출하는 발전속성 추출부; 추출된 발전속성을 이용하여 발전속성 모델을 생성하는 발전속성 모델 생성부; 태양광 발전량 데이터와 기상 예측 데이터의 관계를 학습하여 발전속성 예측 모델을 생성하는 발전속성 예측 모델 생성부; 일 단위로 수집되는 태양광 발전량 데이터에 대해 정규화를 수행하여 표준발전 패턴을 생성하는 표준발전 패턴 생성부(160); 및 발전 시점 하루 전에 수집되는 기상 예측 데이터를 발전속성 모델 및 발전속성 예측 모델 생성부에 적용하여 발전 시점의 발전속성을 예측하는 발전 예측부를 포함하되, 발전 시점의 발전속성을 표준발전 패턴에 적용하여 발전량을 예측할 수 있다.
본 발명에 따른 날씨 예측 데이터를 이용한 확률적 시나리오 기법의 최적 입찰량 결정 시스템은, 기상예측 데이터 및 태양광 발전량 데이터를 수집하는 데이터 수집부; 수집된 기상예측 데이터를 리스케일링하고 차원 축소 알고리즘을 통해 기상예측 데이터의 차원을 축소한 후, 차원 축소된 기상예측 데이터와 합해진 발전량 데이터에 대해 2차 리스케일링을 수행한 뒤에 차원 축소된 기상예측 데이터와 합하는 데이터 전처리부; 리스케일링된 기상예측 데이터 및 발전량 데이터를 EM알고리즘으로 가우시안 믹스처 모델 피팅을 수행하고 혼합기상모델을 생성하는 모델 생성부; 혼합기상모델에 의해 학습된 가우시안 믹스처 모델의 파라미터를 이용하여 발전량을 예측하는 발전 예측부; 및 혼합기상모델에 기초하여 최적 입찰량을 산출하는 입찰부;를 포함할 수 있다.
본 발명의 실시예에 따른 적응적 SoC 추정을 통한 ESS 최적 운전 시스템은 과거 배터리의 순시전류, 순시전압, SoC 및 전력수요를 포함하는 과거 ESS 데이터 및 실시간 ESS 상태 데이터를 수집하는 데이터 수집부; 과거 ESS 데이터를 기초로 OCV-SoC 테이블을 구성하고 적응적으로 변경하는 데이터 학습부; 및 실시간 ESS 상태 데이터의 상태에 기초하여 현재 시간의 SoC를 추정하는 SoC 추정부;를 포함할 수 있다.
본 발명의 실시예에 따른 사업장 수요 특성을 고려한 최적 ESS 사업성 평가 방법은, ESS 설치 예정자로부터 사업성 평가 요청 정보를 수신하는 단계; 상기 사업성 평가 요청 정보에 기초하여 상기 ESS 설치 예정자의 사업장에 대한 과거 전력 수요 데이터를 수집하는 단계; 상기 과거 전력 수요 데이터에 기초하여 상기 사업장에 적용 가능한 ESS 구성을 제공하는 단계; 상기 과거 전력 수요 데이터를 클러스터링 하고 미래의 요일 특성 정보를 반영하여 미래 수요량을 예측하는 단계; 및 상기 미래 수요량에 기초하여 전기요금 절감량을 극대화하기 위한 ESS 충방전 운용계획을 생성하여 사업성 분석을 수행하는 단계를 포함할 수 있다.
본 발명의 실시예에 따른 무결성 확보가 가능한 ESS 운용정보 모니터링 시스템은, 통신 네트워크를 통해 배터리 및 PCS(Power Conditioning System)로부터 상태정보를 수집하는 원본 데이터 수집부 및 상태정보에 대한 디지털 서명 요청 정보를 전송하는 디지털 서명 요청부를 포함하는 수집 서버; 디지털 서명 요청 정보에 기초하여 상태정보에 대한 디지털 서명을 생성하는 디지털 서명 처리부를 포함하는 서명 서버; 원본 데이터를 저장하는 원본 데이터 저장부 및 디지털 서명에 대한 유효성 검증을 수행하여 유효하다고 판단된 유효 서명을 저장하는 디지털 서명 저장부를 포함하는 저장 서버; 및 저장 서버에 저장된 배터리 및 PCS의 상태정보를 실시간으로 모니터링하는 모니터링 서버를 포함할 수 있다.
본 발명의 실시예에 따른 예측제고 정산금 수익 극대화를 위한 저비용 태양광 예측 시스템은, 태양광 발전량 데이터 및 기상 예측 데이터를 포함하는 발전 자원 데이터를 수집하는 발전 자원 데이터 수집부; 무선 네트워크를 이용하여 발전 자원 데이터 수집 모듈로부터 발전 자원 데이터를 수신하고 저장하는 데이터베이스; 발전 자원 데이터로부터 맑은 날에 기초한 발전속성을 추출하는 발전속성 추출부; 추출된 발전속성을 이용하여 발전속성 모델을 생성하는 발전속성 모델 생성부; 태양광 발전량 데이터와 기상 예측 데이터의 관계를 학습하여 발전속성 예측 모델을 생성하는 발전속성 예측 모델 생성부; 일 단위로 수집되는 태양광 발전량 데이터에 대해 정규화를 수행하여 표준발전 패턴을 생성하는 표준발전 패턴 생성부(160); 및 발전 시점 하루 전에 수집되는 기상 예측 데이터를 발전속성 모델 및 발전속성 예측 모델 생성부에 적용하여 발전 시점의 발전속성을 예측하는 발전 예측부를 포함하되, 발전 시점의 발전속성을 표준발전 패턴에 적용하여 발전량을 예측할 수 있다.
본 발명은 가상 발전 플랫폼 제어 시스템에 관한 것으로서, 오픈 API(OPEN Application Programming Interface)에 의해 연결된 참여자 서버들로부터 복수의 분산 자원 데이터를 수집하는 데이터수집부; 수집한 복수의 분산 자원 데이터에 기초하여 복수의 가상 발전 알고리즘을 제공하는 오픈 플랫폼; 오픈 플랫폼으로부터 수집한 복수의 분산 자원 데이터를 저장하는 데이터베이스부; 데이터베이스부에 저장된 평가지표를 이용하여 가상 발전소 수익을 예측할 수 있는 퍼포먼스 메트릭을 산출하는 퍼포먼스 메트릭 산출부; 및 퍼포먼스 메트릭에 기초하여 복수의 가상 발전 알고리즘을 실시간으로 평가하여 최고의 VPP 수익을 발생시키는 최적의 알고리즘을 설정하는 가상발전 시나리오 설정부;를 포함하고, 복수의 분산 자원 데이터는 태양광 발전량 데이터, 날씨 데이터 및 전력 사용량 데이터를 포함할 수 있다.
본 발명은, 전력 거래 시스템; 및 전력 거래 시스템에 의해 입찰 및 낙찰을 수행하는 전력 중개 시스템을 포함하되, 전력 중개 시스템은, 전력 거래 시스템으로부터 태양광 발전 및 사업장의 입찰 당일 이전의 과거 데이터를 수신하는 수신부; 입찰 당일 이전의 과거 데이터를 비지도 학습에 의해 클러스터링(Clustering)하여 미리 정해진 시간 범위별로 클러스터를 구성하는 클러스터 생성부; 구성된 클러스터를 기초로 지도 학습에 의해 트리(Tree) 형태의 실현 시나리오를 생성하여 실현 시나리오에 상응하는 입찰량을 산출하는 입찰량 결정부; 및 실현 시나리오에 대해 발전 판매 수익 및 ESS사업장 요금 절감의 합이 최대가 되는 입찰량에 기초하여 ESS(Energy Storage System) 운전을 수정 및 수행하는 ESS운전부를 포함하고, 클러스터 생성부는 과거 데이터 클러스터링 시, ESS사업장의 수요 데이터 및 태양광의 발전 데이터와 기상 데이터를 동시에 고려하여 클러스터링하도록 구성된 의 실시예에 따른 클러스터를 이용한 최적 발전 입찰량 결정 시스템이다.
본 발명은 전전력 수요 데이터를 제공하는 전력 정보 공급 장치; 전력 수요 데이터를 클러스터링하여 예측하고자 하는 예측 시점 이전의 특정 시간대 내에서 생성된 하나의 예상 클러스터(Cluster) 및 예상 클러스터에 포함된 복수의 요소들의 평균 또는 중간값을 산출하여 최종 클러스터를 포함하는 클러스터링 데이터를 생성하고, 클러스터링 데이터를 기반으로 예측 전력 사용량을 산출하는 분석서버; 및 예측 전력 사용량에 기초하여 최적 ESS 충방전 전략을 생성하며, 최적 ESS 충방전 전략에 기초하여 ESS 시스템을 제어하는 제어기를 포함하고, 예상 클러스터는 특정 시간대의 과거 데이터를 비지도 학습하여 구성되며, 최종 클러스터 중 특정 시간대에서 실제 전력 수요 패턴과 가장 가까운 패턴을 갖는 클러스터를 예측 시점 이후의 예측 데이터로서 사용할 대표 클러스터인 것으로 결정하도록 구성된 클러스터링 기반 예측적 ESS 충방전 운용 시스템이다.
본 발명의 실시예에 따른 발전 및 수요 불확실성을 고려한 최적 발전 입찰량 결정 시스템은, 전력 거래 시스템; 및 전력 거래 시스템에 의해 입찰 및 낙찰을 수행하는 전력 중개 시스템을 포함하고, 전력 중개 시스템은, 전력 거래 시스템으로부터 미리 정해진 시간에 대한 발전 및 예측량을 수신하는 수신부; 기계학습에 의해 미리 정해진 시간 다음 날에 대한 발전 및 예측 모델 데이터를 생성하는 예측부; 예측 모델 데이터를 기초로 트리(Tree) 형태의 시나리오를 생성하여 시나리오에 상응하는 입찰량을 산출하는 입찰량 결정부; 및 시나리오에 대해 발전 판매 수익 및 ESS사업장 요금 절감의 합이 최대가 되는 입찰량에 기초하여 ESS(Energy Storage System) 운전을 수정 및 수행하는 ESS운전부를 포함할 수 있다.
본 발명의 실시예에 따른 인공지능 기반 ESS 제어 시스템은, 전력 사용량 정보를 제공하는 전력 정보 공급 장치; 전력 사용량 정보를 이용하여 전력 사용량 예측 모델을 생성하고, 뉴럴 네트워크를 이용하여 학습된 모델 데이터를 전송하는 분석 서버; 및 학습된 모델 데이터에 기초하여 전력 사용량 정보에 따라 전력 사용량 예측 데이터를 생성하고, 전력 사용량 예측 데이터에 기초하여 최적 ESS 충방전 전략을 생성하며, 최적 ESS 충방전 전략에 기초하여 ESS 시스템을 제어하는 예측적 충방전 제어기를 포함할 수 있다.
KIPO KIPRIS · checked 2026-10-15 · newest filings first · right: registration date (filing date if not yet registered) · 24 of 24 · 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 | 102.3 | 95.6 |
| Cost of sales | 66.1 | 68.1 |
| Gross profit (loss) | 36.2 | 27.6 |
| Selling, general and administrative expenses | 21.4 | 22.4 |
| Operating income (loss) | 14.8 | 5.2 |
| Non-operating income | 1.4 | 2.1 |
| Other gains | 0.2 | 0.1 |
| Finance income | 1.2 | 1.4 |
| Other | 0.0 | 0.6 |
| Non-operating expenses | 2.1 | 1.2 |
| Other losses | 0.1 | 0.1 |
| Finance costs | 0.5 | 1.0 |
| Other | 1.5 | 0.1 |
| Profit (loss) before tax | 14.1 | 6.1 |
| Income tax expense | 3.6 | 0.4 |
| Net income (loss) | 10.5 | 5.7 |
Revenue ₩95.6bn, down 6.5% YoY.
Operating margin 5.4% (prior 14.5%).
Net income ₩5.7bn.
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.
Headlines and links to public articles only · not checked by us (original ↗) · articles are in Korean — English headlines are our translation; where none is shown, “Read in English ›” opens a machine translation · “Broker view” is a forecast, not reported results · checked 2026-11-05