先进计算技术在工业数字化碳管理领域的应用研究

 

鲁楠 梁林俊 翟兆瑞 李贺

（中国信息通信研究院信息化与工业化融合研究所，北京 100191）

 

作者简介

 

鲁楠：中国信息通信研究院信息化与工业化融合研究所工程师，长期从事先进计算、绿色低碳等领域的研究工作。

梁林俊：中国信息通信研究院信息化与工业化融合研究所工程师，长期从事先进计算、光电子器件等领域的研究工作。

翟兆瑞：中国信息通信研究院信息化与工业化融合研究所工程师，长期从事数字经济、绿色低碳等领域的研究工作。

李贺：中国信息通信研究院信息化与工业化融合研究所副研究员，长期从事工业经济、绿色低碳等领域的研究工作。

 

摘要：工业是我国能源消耗与温室气体排放的重点领域，由于气候变化法规日益严格以及碳排放成本持续上涨，工业企业、园区对碳排放管理系统的需求不断增加。在大数据、人工智能、区块链等先进计算技术的综合赋能下，我国数字化碳管理技术体系基本形成，如何加快数字化碳管理系统应用推广和深化发展对我国构建工业碳排放双控基础能力至关重要。从国内外数字化碳管理发展现状研究出发，解析了工业数字化碳管理系统架构与先进计算技术应用情况，分析了先进计算技术赋能工业数字化碳管理发展的热点趋势，并结合当前应用推广面临的关键问题，提出我国工业数字化碳管理发展建议。

 

关键词：温室气体排放；先进计算技术；工业数字化碳管理

 

引言

 

近年来，全球气候变化形势日趋严峻，众多国家在“碳达峰、碳中和”问题上达成共识，力争在2050—2060年前后实现本国“碳中和”目标。我国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和^[1]。由于工业是我国全社会二氧化碳排放的重点领域，基于产业发展实际情况，科学谋划适合我国工业碳排放控制的方式方法，是如期实现“碳达峰、碳中和”目标所面临的重要课题。在数字技术蓬勃发展和经济低碳转型的双重背景下，我国工业企业、园区及政府主管部门积极布局建设数字化碳管理基础能力，通过数字化、智能化手段实现组织和产品层面的碳排放统计与管控。本文将研究总结先进计算技术赋能工业数字化碳管理发展现状，探讨技术创新促进工业碳管理科学发展新路径，提出我国工业数字化碳管理发展建议。

 

1 工业数字化碳管理发展现状

 

1.1 我国工业数字化碳管理发展驱动因素

 

受政策环境、经济环境、技术环境的共同驱动，我国数字化碳管理基础能力近年来取得显著发展，逐步从人工核算、信息系统核算走向数字化碳管理的普及应用阶段。

 

一是政策因素。我国从顶层政策规划到行业管理措施等多方面广泛推动数字化碳管理基础能力建设。在全国推动建设重点用能单位能耗在线监测系统，为数字化碳管理积累了丰富的政策实施经验、专项及配套资金激励经验以及企业推广应用经验，形成一定的产业实践基础^[2]。开展数字化碳管理试点，将数字化碳管理作为推动工业“碳达峰、碳中和”的重要手段^[3]。

 

二是经济因素。受产业结构调整、供应链脱碳、贸易壁垒等因素影响，相关生产和出口部门积极推进双碳管理工作。在地方产业结构转型中，化工、冶金等高耗能行业扩产受到一定限制，节能减排压力倒逼企业进行绿色低碳转型；苹果、宝马等跨国企业积极开展供应链脱碳，上游供应链企业面临协同减碳的要求，促使相关企业使用碳管理软件来协助实施碳减排^[4]；随着欧盟“碳边境调节机制”（Carbon Border Adjustment Mechanism，CBAM）、《净零工业法案》（Net-Zero Industry Act）的实施，我国约60%的出口企业面临绿色贸易壁垒限制，企业需对出口产品实施碳足迹管理和碳减排措施^[5]。

 

三是技术因素。随着我国工业领域数字化转型逐步推广，先进计算、工业互联网技术应用加速普及，越来越多的企业引进智能化生产管理系统，持续加大在工业数据采集、设备联网、算力部署等方面的投入，温室气体排放连续监测终端与能碳管理数字化系统也随之不断涌现，为工业数字化碳管理的应用推广创造良好条件^[6]。加强碳足迹背景数据库建设，鼓励在碳足迹背景数据库建设中使用5G、大数据、区块链等技术，发挥工业互联网标识解析体系作用，提升数据监测、采集、存储、核算、校验的可靠性与即时性。

 

1.2 国内外数字化碳管理发展现状

 

由于气候变化法规的日益严格、碳排放成本的不断增加以及碳管理相关技术的不断发展，全社会对碳管理系统的需求不断增加。当前，全球碳管理系统最大的市场为北美，而亚太地区则为碳管理增长最快的市场^[7]。

 

美国通过建立碳排放相关数据库为利益相关者提供认证指导。美国能源部建立了多个能源效率数据库，帮助企业评估将节能措施集成到设备中的可能性^[8]。2023年5月17日，美国能源部宣布拨款2.51 亿美元，支持7个州12个碳管理项目，减少发电和工业过程的碳排放^[9]。美国加利福尼亚州碳排放限额交易计划是世界第四大排放计划，仅次于中国、欧盟和韩国。

 

欧盟在“地平线欧洲”计划中宣布未来两年将提供7.24 亿欧元拨款支持制造业和建筑业的数字化并减少行业碳足迹[^10]。根据欧盟《新电池法》，从2026年起，所有新购买的电动汽车电池、 轻型交通工具电池和大型工业电池，单个电池超过2度电时必须拥有电池护照才能进入欧洲市场，以此推动电池生命周期的碳数据管理^[11]。欧盟议会已于2023年6月14日正式通过了《欧盟电池与废电池法》，要求所有在欧盟销售的电池产品提供碳足迹声明和碳足迹性能等级等信息。

 

我国通过碳排放权交易体系的构建，逐步推动重点用能行业完善碳管理体系建设。当前，我国强制纳入碳排放交易市场的重点控排企业超过2 000 家，被所在组织要求披露碳排放的企业超过6 000 家，基于企业平台建设等因素自愿参与减排或实施碳管理企业超过1 万家^[12]。2024年，扩大全国碳市场行业覆盖范围被写入我国政府工作报告。未来，在电力之后，碳排放将逐步纳入石化、化工、钢铁、有色、造纸等行业，控排企业将达到甚至超过万家^[13]。根据对700 余个工业数字化转型案例进行分析，数字技术赋能工业绿色低碳发展在生产协同增效场景、用能设备管理场景应用渗透度最高，数字赋能能耗降低成效范围为8%~22.3%^[14]。

 

2 工业数字化碳管理系统架构与先进计算技术应用

 

受限于碳管理行业属性的差异，当前诸多领域对数字化碳管理的功能体系架构尚未形成统一发展范式。根据《碳达峰碳中和管理与服务平台 第1部分：架构规范》（T/ISC 0029—2023），可将工业数字化碳管理平台体系架构按照层级进行划分，分为数据采集层、基础设施层、数据管理层、算法模型层、应用层、展示层（见图1）。大数据、人工智能、区块链等先进计算技术与工业碳管理交叉融合，在不同的功能层级发挥着较为显著的应用价值，助力数字化碳管理向更便捷、更全面、更安全的方向演进。

 

图1 数字化碳管理系统（平台）功能架构

 

2.1 数据采集层

 

数据采集层负责数据填报、物联网设备接入、系统对接等功能，综合人工填报、物联网采集、实测等多种方式实现碳排放相关数据的收集。常用的物联网监测设备包括具备4G/5G、Wi-Fi或总线通信功能的智能水表、电表、燃气表、烟感传感器、电力传感器等，构建起覆盖总厂、分厂/生产车间、班组/重点机台/设备的多级计量体系，并通过智能网关汇总工厂内成千上万个采集节点数据，使企业每个生产环节的碳足迹都可以实时监控、记录及分析，大大提升了碳排放数据获取的实时性、精准性、便捷性。在《绿色工厂评价通则》（GB/T 36132—2018）中，将能源计量设施的部署作为绿色工厂评定的关键考核指标之一。

 

2.2 基础设施层

 

基础设施层由计算设备、储存设备和网络环境组成，主要为平台支撑层、数据管理层及平台算法层的数据交互提供IT基础设施支撑。在大型制造企业，为实现全流程高效控制与管理，往往会打通产品研发到生产制造、质量管理各环节，构建智能制造信息化架构体系，部署数字化制造现场“人—机—料—法—环—测”智能感知和数据获取应用能力，利用数字孪生技术管理零部件调配、工序管理、用能管理等环节，促使企业不断重视算力设施、存储设施、网络实施等的建设与部署。以汽车行业为例，2025年全国车企数字化转型应用算力需求预计超过175 PFLOPS，存储规模超过1 400 PB^[15]。数字化碳管理在感知、网络、计算等方面对工业算力基础设施提出新的要求，并不断促进碳管理与研发设计、生产制造、物流运输等环节的协同优化。

 

2.3 数据管理层

 

数据管理层负责汇聚工业生产制造中大量结构化和非结构化的生产、能耗、碳排放等数据，形成基础数据库、采集数据库、业务数据库、碳排放因子库等，并进行相关数据的汇总、清洗、储存。在实践中传统零散的数据难以发挥价值，需运用大数据、人工智能等技术消除数据孤岛，实现数据要素的融合贯通，满足主管部门、园区管委会和运营方针对企业、能耗、碳排放等不同维度的数据分析需求，服务于工业园区、企业的碳盘查计算、碳资产管理以及各类产品的全生命周期评价等^[16]。2023年，辽宁省构建了基于能源大数据的碳结构态势感知平台，基于“电-碳分析模型”开展“电力看双碳”大数据应用，实现全省14 个地市、11 个行业的碳排放监测，从区域、产业布局等角度深入挖掘排放特性^[17]。

 

2.4 算法模型层

 

算法模型层调用数据管理层中相关数据资源，通过温室气体排放核算方法学与模型实现不同核算对象、不同核算边界范围内的排放量核算与量化。近年来，相关人工智能算法应用快速发展，显著提高复杂工业场景下碳数据处理和分析效率，典型的算法应用包括基于卷积神经网络、长短时记忆等人工智能算法模型对基线用能负荷数据的特性分析与模型训练，通过监督学习方式对其运行数据进行标注从而提高模型准确性和训练速度，利用机器学习模型预测和优化碳排放，以帮助企业或组织制定更有效的碳减排策略。2023年7月，极熵科技发布“人工智能精益能源管理专家”，实现场景化能源建模、人工智能能源基线管理及绩效指标考核评定、节能改造收益的预测及实时追踪评估等功能；普华永道和微软的一项联合研究表明，到2030年人工智能杠杆可能减少高达4%的全球温室气体排放量，相当于减少24 亿吨碳排放^[18]。

 

2.5 应用层

 

应用层基于碳排放数据采集与核算结果，为系统应用主体（行业主管部门、园区、企业、个人等）提供组织碳盘查、碳排放报告生成、双碳目标管理、碳减排规划、碳资产与碳交易管理等碳数据展示、流通应用服务。区块链凭借去中心化、不可篡改、公开透明、追溯、安全隐私、全程留痕的技术特性在碳管理领域拥有巨大的应用潜力^[19]。通过区块链技术可以帮助企业对原材料开采、产品生产（或服务提供）、运输、使用到最终再生利用和处置等多个阶段碳排放数据进行记录、存证，实现整个碳排放过程数据的可信、可追溯，便于组织碳排放、产品碳足迹的在线认证^[20]。目前，区块链技术已在碳资产管理、气候合作、碳市场交易等领域落地应用，2023年7月中国环境保护集团设计开发的“中国环保区块链碳资产核证平台”正式上线，成为国内首个互联网碳资产管理与核证平台。

 

2.6 展示层

 

展示层是碳排放统计、核算、分析的展示窗口，根据应用主体的需求，实现碳排放数据、分析结果、信息管理的可视化。随着云边协同与数字孪生技术在工业领域的渗透，对实时生产与碳监测数据进行云深度分析、展示、控制成为应用趋势，实现碳数据与减排控制任务“可视即可控”。卡奥斯COSMOPlat基于区块链即服务引擎运用数字孪生技术打造园区企业配电系统、生产设备能耗、空压冷热公辅系统、光储充智能微网等场景能碳管理产品，在中德海尔智慧园区、天津八里台工业园等园区及企业工厂投入使用。

 

3 先进计算技术背景下工业数字化碳管理发展趋势

 

3.1 先进计算助力工业数字化碳管理实现“可视”到“协同”

 

工业数字化碳管理的最终目标是实现充分、高效的生产调度与资源协同，在先进计算技术的赋能下，工业节能降碳呈现循序渐进、逐步深化的过程，总体可划分为4个主要阶段（见图2）。

 

图2 数字化碳管理系统演进阶段

 

阶段1是通过物联网（Internet of Things，IoT）、5G等感知、通信技术对各领域/各流程的环境量、物理量、状态量、行为量等参数进行采集监测，实现生产过程能源消耗与碳排放数据的统计与展示，帮助企业看清“碳家底”。

 

阶段2是运用人工智能、大数据技术将采集数据进行汇总分类处理，实现生产数据的分析、洞察与利用，从数据中发掘研发设计、生产工艺流程中可能蕴藏的节能减排机遇。

 

阶段3是通过应用数字孪生、工业互联网等技术形成各领域生产过程、服务过程及业务过程的全流程数字化与智能化管理，实现能源、资源、碳排放的自主性智能控制优化。

 

阶段4是运用人工智能大模型、多变量模型预测控制等技术实现跨流程、跨行业、跨领域的多维数据要素融合，形成产业链/供应链协同互动、多方资源友好的绿色低碳工业体系（见图3）。

 

图3 工业数字化碳管理实施流程

 

3.2 云边协同拓展碳管理软件运营服务功能边界

 

自全国范围内推行重点用能单位能耗在线监测系统以来，多数重点控排企业已完成本地化监测系统建设。在软件上云的趋势下，能耗在线监测服务商、碳管理服务提供商不断提高云服务研发投入，推动能碳管理部署方式发生转变，提高企业能碳管理效率与灵活性[21]。相较于传统本地化碳管理业务，基于软件运营服务的碳管理服务充分调动云端数据与算力资源，打通主体匹配、盘查过程、数据反馈、结果认证等环节。根据核算组织类型，进行核算边界确认，智能分配核算应用模板。在盘查过程中，调用本地智能终端设备数据以及企业生产运营管理系统数据，实现碳排放数据在线采集填报，基于对碳排放范围、结构数据进行统计分析，在云端可视化展现企业碳排放数据结果及排放特点。同时，通过与相关认证机构进行合作，在线对企业碳排放认证结果进行核验、存证，线上核发认证证书。

 

3.3 量子计算推动前沿碳计量技术深化发展

 

近年来，我国在量子传感、高性能时空计算等先进技术方面取得突破，促使原子钟、原子电场传感器在大气遥感探测等领域实现应用，为高精度碳排放计量监测带来新的探索方向。《关于印发建立健全碳达峰碳中和标准计量体系实施方案的通知》（国市监计量发〔2022〕92号）提出，加强基于量子效应和物理常数的量子传感技术和碳计量技术研究，开展在线、动态、远程量值传递溯源技术和精密测量技术研究与应用，建立健全碳计量基准、计量标准和标准物质体系。随着各地区区域碳排放管理的逐步重视，园区、城市级碳排放、碳汇监测与推演等成为区域碳管理的重要抓手。由此带动城市时空碳排放计量监测反演、卫星遥感、气候大模型等先进计算技术应用需求，依托先进传感器、超算中心等先进计算设备与基础设施的支持逐步提升时空碳监测管理的智能化、数字化、网络化水平。

 

3.4 可信数据空间为碳数据管理提供安全保障

 

可信数据空间是在现有信息网络上搭建数据集聚、共享、流通和应用的分布式关键数据基础设施，通过体系化的技术安排确保数据流通协议的确认、履行和维护，解决数据要素提供方、使用方、服务方、监管方等主体间的安全与信任问题[22]。当前，江苏省、重庆市、北京市、浙江省等都已推进开展可信数据空间行业试点工作，家纺、电子、家电、装备等行业已开展可信数据空间测试床建设。结合工业碳排放数据在企业数据安全、碳交易安全等方面的重要性，未来可信数据空间将为区域、园区、企业等组织数字化碳管理带来极大便捷与安全赋能。

 

4 工业数字化碳管理关键问题与先进计算赋能发展建议

 

从全国工业碳管理实施情况来看，数字化碳管理技术水平整体尚处于起步阶段，具体表现为碳计量基础设施建设有待普及，工业生产“数据孤岛”有待破除，碳管理智能化有待加强，数据安全保障有待完善。需发挥先进技术创新主导作用，着眼碳计量技术、碳管理基础设施、碳管理软件应用、碳数据安全等重点环节赋能，充分释放数字化碳管理的脱碳潜力。

 

4.1 工业数字化碳管理应用推广面临的关键问题

 

一是碳排放监测基础设施建设滞后。当前碳排放在线监测终端、碳排放管理一体机等数字化碳管理设备设施建设在多数工业企业、组织中尚不普及，数字化碳管理系统建设严重落后于企业生产经营类信息系统，使得碳排放数据计量、收集、监测、分析等工作无法有效开展，从而难以实现能耗与碳排放的精益化、智能化管控。

 

二是工业生产过程面临“信息孤岛”。在工业组织碳盘查与产品碳足迹核算过程中，需准确拆解原材料供应、运输、工业生产过程能耗等全生命周期相关数据。但当前多数企业受限于设备采集和联网功能有限、制造装备及软件集成难度大、通信标准协议不普及、供应链数据难以打通等因素，无法根据生产工艺流程追溯能源消耗与碳排放实际数据，亦无法有效指导设计研发、生产制造过程实施碳减排。

 

三是碳管理算法水平有待提升。诸多企业面向生产管理的算法开发能力有限，大量生产数据、能耗数据、碳排放数据未实现有效分析利用，生产与能碳管理模型、逻辑、决策不能动态调整，数据要素价值无法发挥，从而导致数据偏差、操作误判等情况的出现，亟需通过人工智能、大数据等技术手段优化数据发掘与利用，提升生产制造与能耗管理的智能化分析决策水平。

 

四是碳数据安全成为企业隐忧。在欧盟CBAM、《新电池法案》等碳信息披露要求影响下，出口企业不得不在一定范围内披露组织碳排放数据、产品碳足迹数据等，部分区域、行业碳管理平台亦要求企业接入并提供碳排放数据，相关数据在采集、传输、处理、披露等环节均面临数据安全风险，现阶段仍缺乏系统完善的数据安全保障制度与措施。

 

4.2 先进计算技术赋能发展建议

 

一是强化先进碳监测计量技术创新。开展碳监测计量技术创新研究，鼓励利用量子传感、时空计算、卫星遥感大数据等先进计算技术提升我国碳排放监测统计整体水平，完善工业碳排放测量方法和碳计量技术体系，提升碳计量监测精确性、全面性，推动宏观“碳核算”与精准“碳计量”并行发展。

 

二是加快工业领域先进计算基础设施与绿色标准建设。面向碳排放连续在线监测、碳核算分析、碳排放动态管控等重点碳管理应用场景，推动工业人工智能物联网、工业互联网、云边协同等先进计算基础设施建设，研究制定大规模无线局域网节能通信协议等标准，制定面向节能低碳目标的数据中心等信息基础设施参考架构、规划布局、使用计量、运营管理等标准。

 

三是鼓励碳管理相关算法与软件发展。鼓励先进计算技术在数字化碳管理领域的应用创新，支持利用大数据、数字孪生、人工智能大模型深入发掘工业能碳数据要素价值，开发绿色低碳领域的专用软件、工业APP、排放因子数据库等，着力提升碳核算、碳管理水平，推进数字化碳管理与企业数字化转型深度融合。

 

四是强化数字化碳管理安全能力建设。着眼我国制造业安全发展，支持利用区块链、标识解析、可信数据空间等关键技术提升碳监测、碳资产管理、碳交易安全水平，在企业可持续发展信息披露与对外贸易中严守数据安全、信息安全底线，推动国内数字化碳管理标准与国际标准体系、贸易规则衔接互认。

 

5 结束语

 

在我国工业绿色低碳发展相关政策的指引下，工业数字化碳管理发展路径逐步明确，发展时机基本成熟，应用场景不断丰富，工业实践越来越广泛。随着“碳达峰、碳中和”窗口期的日益临近，仍需针对不同工业行业特点，持续加快先进计算技术与绿色降碳管理场景融合创新，积极推动工业数字化碳管理平台普及应用。在能耗双控向碳排放双控的转变过程中，加快数据、网络、算法、平台、安全等碳排放双控基础能力建设，促进企业实施有效的减碳管理，助力降低企业运营与管理成本，进一步缓解工业碳减排压力，推动我国工业绿色化转型升级，实现绿色高质量发展。

 

本文刊于《信息通信技术与政策》2024年 第6期

 

先进计算技术在工业数字化碳管理领域的应用研究

 

鲁楠 梁林俊 翟兆瑞 李贺

（中国信息通信研究院信息化与工业化融合研究所，北京 100191）

 

作者简介

 

鲁楠：中国信息通信研究院信息化与工业化融合研究所工程师，长期从事先进计算、绿色低碳等领域的研究工作。

梁林俊：中国信息通信研究院信息化与工业化融合研究所工程师，长期从事先进计算、光电子器件等领域的研究工作。

翟兆瑞：中国信息通信研究院信息化与工业化融合研究所工程师，长期从事数字经济、绿色低碳等领域的研究工作。

李贺：中国信息通信研究院信息化与工业化融合研究所副研究员，长期从事工业经济、绿色低碳等领域的研究工作。

 

摘要：工业是我国能源消耗与温室气体排放的重点领域，由于气候变化法规日益严格以及碳排放成本持续上涨，工业企业、园区对碳排放管理系统的需求不断增加。在大数据、人工智能、区块链等先进计算技术的综合赋能下，我国数字化碳管理技术体系基本形成，如何加快数字化碳管理系统应用推广和深化发展对我国构建工业碳排放双控基础能力至关重要。从国内外数字化碳管理发展现状研究出发，解析了工业数字化碳管理系统架构与先进计算技术应用情况，分析了先进计算技术赋能工业数字化碳管理发展的热点趋势，并结合当前应用推广面临的关键问题，提出我国工业数字化碳管理发展建议。

 

关键词：温室气体排放；先进计算技术；工业数字化碳管理

 

引言

 

近年来，全球气候变化形势日趋严峻，众多国家在“碳达峰、碳中和”问题上达成共识，力争在2050—2060年前后实现本国“碳中和”目标。我国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和^[1]。由于工业是我国全社会二氧化碳排放的重点领域，基于产业发展实际情况，科学谋划适合我国工业碳排放控制的方式方法，是如期实现“碳达峰、碳中和”目标所面临的重要课题。在数字技术蓬勃发展和经济低碳转型的双重背景下，我国工业企业、园区及政府主管部门积极布局建设数字化碳管理基础能力，通过数字化、智能化手段实现组织和产品层面的碳排放统计与管控。本文将研究总结先进计算技术赋能工业数字化碳管理发展现状，探讨技术创新促进工业碳管理科学发展新路径，提出我国工业数字化碳管理发展建议。

 

1 工业数字化碳管理发展现状

 

1.1 我国工业数字化碳管理发展驱动因素

 

受政策环境、经济环境、技术环境的共同驱动，我国数字化碳管理基础能力近年来取得显著发展，逐步从人工核算、信息系统核算走向数字化碳管理的普及应用阶段。

 

一是政策因素。我国从顶层政策规划到行业管理措施等多方面广泛推动数字化碳管理基础能力建设。在全国推动建设重点用能单位能耗在线监测系统，为数字化碳管理积累了丰富的政策实施经验、专项及配套资金激励经验以及企业推广应用经验，形成一定的产业实践基础^[2]。开展数字化碳管理试点，将数字化碳管理作为推动工业“碳达峰、碳中和”的重要手段^[3]。

 

二是经济因素。受产业结构调整、供应链脱碳、贸易壁垒等因素影响，相关生产和出口部门积极推进双碳管理工作。在地方产业结构转型中，化工、冶金等高耗能行业扩产受到一定限制，节能减排压力倒逼企业进行绿色低碳转型；苹果、宝马等跨国企业积极开展供应链脱碳，上游供应链企业面临协同减碳的要求，促使相关企业使用碳管理软件来协助实施碳减排^[4]；随着欧盟“碳边境调节机制”（Carbon Border Adjustment Mechanism，CBAM）、《净零工业法案》（Net-Zero Industry Act）的实施，我国约60%的出口企业面临绿色贸易壁垒限制，企业需对出口产品实施碳足迹管理和碳减排措施^[5]。

 

三是技术因素。随着我国工业领域数字化转型逐步推广，先进计算、工业互联网技术应用加速普及，越来越多的企业引进智能化生产管理系统，持续加大在工业数据采集、设备联网、算力部署等方面的投入，温室气体排放连续监测终端与能碳管理数字化系统也随之不断涌现，为工业数字化碳管理的应用推广创造良好条件^[6]。加强碳足迹背景数据库建设，鼓励在碳足迹背景数据库建设中使用5G、大数据、区块链等技术，发挥工业互联网标识解析体系作用，提升数据监测、采集、存储、核算、校验的可靠性与即时性。

 

1.2 国内外数字化碳管理发展现状

 

由于气候变化法规的日益严格、碳排放成本的不断增加以及碳管理相关技术的不断发展，全社会对碳管理系统的需求不断增加。当前，全球碳管理系统最大的市场为北美，而亚太地区则为碳管理增长最快的市场^[7]。

 

美国通过建立碳排放相关数据库为利益相关者提供认证指导。美国能源部建立了多个能源效率数据库，帮助企业评估将节能措施集成到设备中的可能性^[8]。2023年5月17日，美国能源部宣布拨款2.51 亿美元，支持7个州12个碳管理项目，减少发电和工业过程的碳排放^[9]。美国加利福尼亚州碳排放限额交易计划是世界第四大排放计划，仅次于中国、欧盟和韩国。

 

欧盟在“地平线欧洲”计划中宣布未来两年将提供7.24 亿欧元拨款支持制造业和建筑业的数字化并减少行业碳足迹[^10]。根据欧盟《新电池法》，从2026年起，所有新购买的电动汽车电池、 轻型交通工具电池和大型工业电池，单个电池超过2度电时必须拥有电池护照才能进入欧洲市场，以此推动电池生命周期的碳数据管理^[11]。欧盟议会已于2023年6月14日正式通过了《欧盟电池与废电池法》，要求所有在欧盟销售的电池产品提供碳足迹声明和碳足迹性能等级等信息。

 

我国通过碳排放权交易体系的构建，逐步推动重点用能行业完善碳管理体系建设。当前，我国强制纳入碳排放交易市场的重点控排企业超过2 000 家，被所在组织要求披露碳排放的企业超过6 000 家，基于企业平台建设等因素自愿参与减排或实施碳管理企业超过1 万家^[12]。2024年，扩大全国碳市场行业覆盖范围被写入我国政府工作报告。未来，在电力之后，碳排放将逐步纳入石化、化工、钢铁、有色、造纸等行业，控排企业将达到甚至超过万家^[13]。根据对700 余个工业数字化转型案例进行分析，数字技术赋能工业绿色低碳发展在生产协同增效场景、用能设备管理场景应用渗透度最高，数字赋能能耗降低成效范围为8%~22.3%^[14]。

 

2 工业数字化碳管理系统架构与先进计算技术应用

 

受限于碳管理行业属性的差异，当前诸多领域对数字化碳管理的功能体系架构尚未形成统一发展范式。根据《碳达峰碳中和管理与服务平台 第1部分：架构规范》（T/ISC 0029—2023），可将工业数字化碳管理平台体系架构按照层级进行划分，分为数据采集层、基础设施层、数据管理层、算法模型层、应用层、展示层（见图1）。大数据、人工智能、区块链等先进计算技术与工业碳管理交叉融合，在不同的功能层级发挥着较为显著的应用价值，助力数字化碳管理向更便捷、更全面、更安全的方向演进。

 

图1 数字化碳管理系统（平台）功能架构

 

2.1 数据采集层

 

数据采集层负责数据填报、物联网设备接入、系统对接等功能，综合人工填报、物联网采集、实测等多种方式实现碳排放相关数据的收集。常用的物联网监测设备包括具备4G/5G、Wi-Fi或总线通信功能的智能水表、电表、燃气表、烟感传感器、电力传感器等，构建起覆盖总厂、分厂/生产车间、班组/重点机台/设备的多级计量体系，并通过智能网关汇总工厂内成千上万个采集节点数据，使企业每个生产环节的碳足迹都可以实时监控、记录及分析，大大提升了碳排放数据获取的实时性、精准性、便捷性。在《绿色工厂评价通则》（GB/T 36132—2018）中，将能源计量设施的部署作为绿色工厂评定的关键考核指标之一。

 

2.2 基础设施层

 

基础设施层由计算设备、储存设备和网络环境组成，主要为平台支撑层、数据管理层及平台算法层的数据交互提供IT基础设施支撑。在大型制造企业，为实现全流程高效控制与管理，往往会打通产品研发到生产制造、质量管理各环节，构建智能制造信息化架构体系，部署数字化制造现场“人—机—料—法—环—测”智能感知和数据获取应用能力，利用数字孪生技术管理零部件调配、工序管理、用能管理等环节，促使企业不断重视算力设施、存储设施、网络实施等的建设与部署。以汽车行业为例，2025年全国车企数字化转型应用算力需求预计超过175 PFLOPS，存储规模超过1 400 PB^[15]。数字化碳管理在感知、网络、计算等方面对工业算力基础设施提出新的要求，并不断促进碳管理与研发设计、生产制造、物流运输等环节的协同优化。

 

2.3 数据管理层

 

数据管理层负责汇聚工业生产制造中大量结构化和非结构化的生产、能耗、碳排放等数据，形成基础数据库、采集数据库、业务数据库、碳排放因子库等，并进行相关数据的汇总、清洗、储存。在实践中传统零散的数据难以发挥价值，需运用大数据、人工智能等技术消除数据孤岛，实现数据要素的融合贯通，满足主管部门、园区管委会和运营方针对企业、能耗、碳排放等不同维度的数据分析需求，服务于工业园区、企业的碳盘查计算、碳资产管理以及各类产品的全生命周期评价等^[16]。2023年，辽宁省构建了基于能源大数据的碳结构态势感知平台，基于“电-碳分析模型”开展“电力看双碳”大数据应用，实现全省14 个地市、11 个行业的碳排放监测，从区域、产业布局等角度深入挖掘排放特性^[17]。

 

2.4 算法模型层

 

算法模型层调用数据管理层中相关数据资源，通过温室气体排放核算方法学与模型实现不同核算对象、不同核算边界范围内的排放量核算与量化。近年来，相关人工智能算法应用快速发展，显著提高复杂工业场景下碳数据处理和分析效率，典型的算法应用包括基于卷积神经网络、长短时记忆等人工智能算法模型对基线用能负荷数据的特性分析与模型训练，通过监督学习方式对其运行数据进行标注从而提高模型准确性和训练速度，利用机器学习模型预测和优化碳排放，以帮助企业或组织制定更有效的碳减排策略。2023年7月，极熵科技发布“人工智能精益能源管理专家”，实现场景化能源建模、人工智能能源基线管理及绩效指标考核评定、节能改造收益的预测及实时追踪评估等功能；普华永道和微软的一项联合研究表明，到2030年人工智能杠杆可能减少高达4%的全球温室气体排放量，相当于减少24 亿吨碳排放^[18]。

 

2.5 应用层

 

应用层基于碳排放数据采集与核算结果，为系统应用主体（行业主管部门、园区、企业、个人等）提供组织碳盘查、碳排放报告生成、双碳目标管理、碳减排规划、碳资产与碳交易管理等碳数据展示、流通应用服务。区块链凭借去中心化、不可篡改、公开透明、追溯、安全隐私、全程留痕的技术特性在碳管理领域拥有巨大的应用潜力^[19]。通过区块链技术可以帮助企业对原材料开采、产品生产（或服务提供）、运输、使用到最终再生利用和处置等多个阶段碳排放数据进行记录、存证，实现整个碳排放过程数据的可信、可追溯，便于组织碳排放、产品碳足迹的在线认证^[20]。目前，区块链技术已在碳资产管理、气候合作、碳市场交易等领域落地应用，2023年7月中国环境保护集团设计开发的“中国环保区块链碳资产核证平台”正式上线，成为国内首个互联网碳资产管理与核证平台。

 

2.6 展示层

 

展示层是碳排放统计、核算、分析的展示窗口，根据应用主体的需求，实现碳排放数据、分析结果、信息管理的可视化。随着云边协同与数字孪生技术在工业领域的渗透，对实时生产与碳监测数据进行云深度分析、展示、控制成为应用趋势，实现碳数据与减排控制任务“可视即可控”。卡奥斯COSMOPlat基于区块链即服务引擎运用数字孪生技术打造园区企业配电系统、生产设备能耗、空压冷热公辅系统、光储充智能微网等场景能碳管理产品，在中德海尔智慧园区、天津八里台工业园等园区及企业工厂投入使用。

 

3 先进计算技术背景下工业数字化碳管理发展趋势

 

3.1 先进计算助力工业数字化碳管理实现“可视”到“协同”

 

工业数字化碳管理的最终目标是实现充分、高效的生产调度与资源协同，在先进计算技术的赋能下，工业节能降碳呈现循序渐进、逐步深化的过程，总体可划分为4个主要阶段（见图2）。

 

图2 数字化碳管理系统演进阶段

 

阶段1是通过物联网（Internet of Things，IoT）、5G等感知、通信技术对各领域/各流程的环境量、物理量、状态量、行为量等参数进行采集监测，实现生产过程能源消耗与碳排放数据的统计与展示，帮助企业看清“碳家底”。

 

阶段2是运用人工智能、大数据技术将采集数据进行汇总分类处理，实现生产数据的分析、洞察与利用，从数据中发掘研发设计、生产工艺流程中可能蕴藏的节能减排机遇。

 

阶段3是通过应用数字孪生、工业互联网等技术形成各领域生产过程、服务过程及业务过程的全流程数字化与智能化管理，实现能源、资源、碳排放的自主性智能控制优化。

 

阶段4是运用人工智能大模型、多变量模型预测控制等技术实现跨流程、跨行业、跨领域的多维数据要素融合，形成产业链/供应链协同互动、多方资源友好的绿色低碳工业体系（见图3）。

 

图3 工业数字化碳管理实施流程

 

3.2 云边协同拓展碳管理软件运营服务功能边界

 

自全国范围内推行重点用能单位能耗在线监测系统以来，多数重点控排企业已完成本地化监测系统建设。在软件上云的趋势下，能耗在线监测服务商、碳管理服务提供商不断提高云服务研发投入，推动能碳管理部署方式发生转变，提高企业能碳管理效率与灵活性[21]。相较于传统本地化碳管理业务，基于软件运营服务的碳管理服务充分调动云端数据与算力资源，打通主体匹配、盘查过程、数据反馈、结果认证等环节。根据核算组织类型，进行核算边界确认，智能分配核算应用模板。在盘查过程中，调用本地智能终端设备数据以及企业生产运营管理系统数据，实现碳排放数据在线采集填报，基于对碳排放范围、结构数据进行统计分析，在云端可视化展现企业碳排放数据结果及排放特点。同时，通过与相关认证机构进行合作，在线对企业碳排放认证结果进行核验、存证，线上核发认证证书。

 

3.3 量子计算推动前沿碳计量技术深化发展

 

近年来，我国在量子传感、高性能时空计算等先进技术方面取得突破，促使原子钟、原子电场传感器在大气遥感探测等领域实现应用，为高精度碳排放计量监测带来新的探索方向。《关于印发建立健全碳达峰碳中和标准计量体系实施方案的通知》（国市监计量发〔2022〕92号）提出，加强基于量子效应和物理常数的量子传感技术和碳计量技术研究，开展在线、动态、远程量值传递溯源技术和精密测量技术研究与应用，建立健全碳计量基准、计量标准和标准物质体系。随着各地区区域碳排放管理的逐步重视，园区、城市级碳排放、碳汇监测与推演等成为区域碳管理的重要抓手。由此带动城市时空碳排放计量监测反演、卫星遥感、气候大模型等先进计算技术应用需求，依托先进传感器、超算中心等先进计算设备与基础设施的支持逐步提升时空碳监测管理的智能化、数字化、网络化水平。

 

3.4 可信数据空间为碳数据管理提供安全保障

 

可信数据空间是在现有信息网络上搭建数据集聚、共享、流通和应用的分布式关键数据基础设施，通过体系化的技术安排确保数据流通协议的确认、履行和维护，解决数据要素提供方、使用方、服务方、监管方等主体间的安全与信任问题[22]。当前，江苏省、重庆市、北京市、浙江省等都已推进开展可信数据空间行业试点工作，家纺、电子、家电、装备等行业已开展可信数据空间测试床建设。结合工业碳排放数据在企业数据安全、碳交易安全等方面的重要性，未来可信数据空间将为区域、园区、企业等组织数字化碳管理带来极大便捷与安全赋能。

 

4 工业数字化碳管理关键问题与先进计算赋能发展建议

 

从全国工业碳管理实施情况来看，数字化碳管理技术水平整体尚处于起步阶段，具体表现为碳计量基础设施建设有待普及，工业生产“数据孤岛”有待破除，碳管理智能化有待加强，数据安全保障有待完善。需发挥先进技术创新主导作用，着眼碳计量技术、碳管理基础设施、碳管理软件应用、碳数据安全等重点环节赋能，充分释放数字化碳管理的脱碳潜力。

 

4.1 工业数字化碳管理应用推广面临的关键问题

 

一是碳排放监测基础设施建设滞后。当前碳排放在线监测终端、碳排放管理一体机等数字化碳管理设备设施建设在多数工业企业、组织中尚不普及，数字化碳管理系统建设严重落后于企业生产经营类信息系统，使得碳排放数据计量、收集、监测、分析等工作无法有效开展，从而难以实现能耗与碳排放的精益化、智能化管控。

 

二是工业生产过程面临“信息孤岛”。在工业组织碳盘查与产品碳足迹核算过程中，需准确拆解原材料供应、运输、工业生产过程能耗等全生命周期相关数据。但当前多数企业受限于设备采集和联网功能有限、制造装备及软件集成难度大、通信标准协议不普及、供应链数据难以打通等因素，无法根据生产工艺流程追溯能源消耗与碳排放实际数据，亦无法有效指导设计研发、生产制造过程实施碳减排。

 

三是碳管理算法水平有待提升。诸多企业面向生产管理的算法开发能力有限，大量生产数据、能耗数据、碳排放数据未实现有效分析利用，生产与能碳管理模型、逻辑、决策不能动态调整，数据要素价值无法发挥，从而导致数据偏差、操作误判等情况的出现，亟需通过人工智能、大数据等技术手段优化数据发掘与利用，提升生产制造与能耗管理的智能化分析决策水平。

 

四是碳数据安全成为企业隐忧。在欧盟CBAM、《新电池法案》等碳信息披露要求影响下，出口企业不得不在一定范围内披露组织碳排放数据、产品碳足迹数据等，部分区域、行业碳管理平台亦要求企业接入并提供碳排放数据，相关数据在采集、传输、处理、披露等环节均面临数据安全风险，现阶段仍缺乏系统完善的数据安全保障制度与措施。

 

4.2 先进计算技术赋能发展建议

 

一是强化先进碳监测计量技术创新。开展碳监测计量技术创新研究，鼓励利用量子传感、时空计算、卫星遥感大数据等先进计算技术提升我国碳排放监测统计整体水平，完善工业碳排放测量方法和碳计量技术体系，提升碳计量监测精确性、全面性，推动宏观“碳核算”与精准“碳计量”并行发展。

 

二是加快工业领域先进计算基础设施与绿色标准建设。面向碳排放连续在线监测、碳核算分析、碳排放动态管控等重点碳管理应用场景，推动工业人工智能物联网、工业互联网、云边协同等先进计算基础设施建设，研究制定大规模无线局域网节能通信协议等标准，制定面向节能低碳目标的数据中心等信息基础设施参考架构、规划布局、使用计量、运营管理等标准。

 

三是鼓励碳管理相关算法与软件发展。鼓励先进计算技术在数字化碳管理领域的应用创新，支持利用大数据、数字孪生、人工智能大模型深入发掘工业能碳数据要素价值，开发绿色低碳领域的专用软件、工业APP、排放因子数据库等，着力提升碳核算、碳管理水平，推进数字化碳管理与企业数字化转型深度融合。

 

四是强化数字化碳管理安全能力建设。着眼我国制造业安全发展，支持利用区块链、标识解析、可信数据空间等关键技术提升碳监测、碳资产管理、碳交易安全水平，在企业可持续发展信息披露与对外贸易中严守数据安全、信息安全底线，推动国内数字化碳管理标准与国际标准体系、贸易规则衔接互认。

 

5 结束语

 

在我国工业绿色低碳发展相关政策的指引下，工业数字化碳管理发展路径逐步明确，发展时机基本成熟，应用场景不断丰富，工业实践越来越广泛。随着“碳达峰、碳中和”窗口期的日益临近，仍需针对不同工业行业特点，持续加快先进计算技术与绿色降碳管理场景融合创新，积极推动工业数字化碳管理平台普及应用。在能耗双控向碳排放双控的转变过程中，加快数据、网络、算法、平台、安全等碳排放双控基础能力建设，促进企业实施有效的减碳管理，助力降低企业运营与管理成本，进一步缓解工业碳减排压力，推动我国工业绿色化转型升级，实现绿色高质量发展。

 

本文刊于《信息通信技术与政策》2024年 第6期