碳说（211007）｜亿欧“碳中和”系列研讨会：科技赋能，“碳”索未来
来源：亿欧 2021-10-06 作者：何少佳
[亿欧导读]
9月29日，亿欧EqualOcean正式开启“碳中和”系列研讨会。本系列开篇研讨会——“科技赋能，'碳’索未来”，联合起点财经，与6位优秀的科技企业创始人、首席官共同探讨科技企业如何赋能碳中和的话题。
题图来自“原创图片”
2021年9月29日，亿欧EqualOcean正式开启“碳中和”系列研讨会。本系列开篇研讨会——“科技赋能，'碳’索未来”，联合了起点财经，与6位优秀的科技企业创始人、首席官共同探讨科技企业如何赋能碳中和的话题。
核心观点：
碳阻迹创始人兼CEO晏路辉：企业要进行碳减排，首先就要对企业内部的碳排放进行量化，即碳盘查。没有量化就没有管理原则，每个企业均需要碳盘查工作。
格物钛创始人兼CEO崔运凯：将主动学习与迁移学习用到AI开发当中，减少对数据采集的依赖，控制AI模型研发过程中的碳排放，助力各行业降本增效。
雪浪云副总裁郑锦泉：基于工业互联网平台构建“碳管理”平台，实现“泛在感知-实时分析-自主决策-精准执行-学习提升”的业务闭环。
和欣控制董事、副总裁朱彦春：建筑行业实现低碳零碳发展需要建筑能源供给侧的天地协同、建筑能源需求侧的节能降耗。
全应科技副总裁乐毅：以人工智能驱动热电生产智能化升级，实现节煤降耗、安全运行、清洁环保、智能运行。
微筑科技首席市场官李淼一：园区作为高经济效益的产品，不能做运动式减排。
企业如何实现碳中和
碳阻迹创始人兼CEO晏路辉阐述了碳阻迹总结的提出碳中和目标的CFOS法则：量化碳排放（Calculating）、预测碳中和的核心要素（Forecasting）、超额制定目标（Overshooting）、传播（Spreading）；以及企业实现碳中和的CREO路径：量化碳排放（Calculating）、减排举措（Reducing）、影响生态伙伴的参与（Engaging）、对不可避免的碳排放做抵消（Offsetting）。
企业要进行碳减排，首先就要对企业内部的碳排放进行量化，即碳盘查。没有量化就没有管理原则，每个企业均需要碳盘查工作，组织盘查一年的排放。碳管理主要包含：组织碳盘查、产品碳足迹/碳减排、场景碳减排核算、CDP碳信息披露、碳管理培训等。
碳阻迹已经为星巴克可再生丝巾、一撕得纸箱智能循环箱、文港毛笔、云南高黎贡山普洱茶等产品做了碳足迹的测算，也为阿里巴巴绿色物流、京东线上购物情景与消费行为、万科试点社区西山庭院小区垃圾分类等场景做了碳减排核算；目前与腾讯、SKP等集团达成了路径规划、平台搭建等战略合作。
此外，碳阻迹为科技互联网公司如何带动用户做减排出谋划策，提供了一个新的平台——碳账户平台。碳账户通过记录人们日常生活中的低碳行为，例如“少开一天车”、“垃圾分类”等行为，量化为碳减排量累计计入个人碳账户中，现已服务低碳旅游、低碳办公、低碳交通等场景。
碳阻迹在绿色会议场景颇有建树，碳阻迹与联合国环境署合作开发了绿色会议指南，为了更广范围地推广绿色会议的理念与实践，碳阻迹团队还提供绿色会议系统平台的开发服务，使绿色会议在更多的领域得到落地实施。且在今年的碳阻迹成立十周年的会议上进行了实操，通过物料控制、参与者全流程减排等举措，将碳排放从原有的28.9吨降低到16.85吨。
以数据为中心，驱动绿色 AI 增长
格物钛创始人兼CEO崔运凯介绍了AI在碳减排中的作用：AI在碳减排过程中担任双重角色，减碳赋能者和重度碳排放者——人工智能依靠三个支柱：算力、算法、和数据，其中数据的收集，算力的大规模使用，模型的训练，产生了大规模碳排放。有数据显示，训练1个AI模型的碳排放量相当于5辆汽车终生碳排量。
AI的发展具有明显的特征：未来AI使用的场景多以非结构化数据为核心，未来数据80%为非结构化数据。在此特征下，AI也将从Model-Centric 走向Data-Centric，这个趋势的走向将减少AI应用过程中的碳排放：在Model-Centric模式下，数据的采集也需要在应用场景下进行，新模型的训练需要不断采集新的数据，这样每次模型的训练都需要消耗大规模的算力。而在Data-Centric模式下，会重复利用已采集数据，注重于提升已采集的数据的质量，同时不需要用多的计算资源训练模型，大大减少了AI应用过程中的碳排放。
所以，格物钛注重以数据为中心的方式驱动AI行业的绿色增长，其中要解决两个问题：怎样提高AI本身的使用效率；怎样通过AI的大规模使用，实现自动化的同时，进一步减少碳排放。
在数据为中心的趋势下，产生的两个提高数据与模型应用效率的算法，这是格物钛主要应用的算法，即主动学习与迁移学习。
主动学习强调用更少的数据训练优秀数据模型的方法：通过构建一个模型，筛选出问题数据，标注，人工对数据进行调整，算法模型再对调整后数据做训练，如此迭代，最终得到可以输出更优质、精确的结果的模型。主动学习算法使用已有数据 相对固定的模型做训练，不断提升模型性能。
迁移学习强调使用与当前场景不同的应用场景得到的数据来训练模型：如果已经为A场景采集了数据，训练出了A模型，那在构建B场景的模型时，以A模型作为B场景模型的基座，再额外加入B场景的少量数据，优化A模型，得到B模型。迁移学习想要达到过去采集的数据与使用的模型不被浪费，加上少量数据得到高性能模型的效果。
格物钛致力于帮助客户实现闭环，开发了数据管理平台，平台面向非结构化数据，将主动学习与迁移学习用到AI开发当中，减少对数据采集的依赖，控制AI模型研发过程中的碳排放，助力各行业降本增效。
此外，格物钛还将平台开放给全世界公司，免费托管公开数据集，分享一部分公开数据，帮助开发者减少数据采集的成本、数据模型训练的成本。通过免费开发平台的方式，推动数据、模型的贡献，推动减排。
节能增效是实现碳中和的重要途径
雪浪云副总裁郑锦泉博士表示，在解振华院士提出的落实碳达峰碳中和目标的十大行动中，推动产业与工业优化的升级如何用更少的资源换取更高速、更大规模的发展，一直是雪浪云关注的重点。
我国作为世界第一大流程制造业国家，对于以石油、天然气、煤、矿石、生物质等资源为主要原料，需要复杂的物质转化的流程工业，如何实现碳的高质量管理已成为核心。
目前，碳高质量管理存在三个问题：缺乏平台对工业碳排放的感知；碳管理平台过程中多个业务系统分散，形成数据孤岛无法互联；缺乏平台对碳数据汇聚分析、建模，以形成管理决策模型。
解决问题，需要优质的工业互联网平台，向下对接设备、仪器、产品，向上支撑碳管理工业智能化应用的开发与部署。基于工业互联网平台构建“碳管理”平台，实现“泛在感知-实时分析-自主决策-精准执行-学习提升”的业务闭环。
雪浪云提供的碳管理平台，实现了以上的功能。雪浪云依靠其“4 1 X”智能制造范式，即：
4：雪浪虎符（数据资源集成与管理）
雪浪算盘（混合建模与联合计算）
雪浪河图（运筹优化与群体智能）
雪浪共工（工业APP应用开发系统）
1：雪浪数字驾驶舱系统
X：工业知识与工业机理提炼（从现场级->车间级->企业级）
提供了管理碳数据系统、使用好碳管理知识系统、全局优化规划系统、解决碳管理实际需求的应用系统，实现了从数据到信息到知识到应用。
通过结合碳管理平台、碳排放核算方法、发展目标体系，对各工各业进行碳减排实施路径的规划。与此同时，构建评价体系，形成了“数据平台 目标体系 实施路径 评价体系”的全链条，对工业碳排放全过程进行管控与评估。
节能增效是实现碳中和的重要途径
和欣控制副总裁朱彦春介绍道，和欣控制一直专注于建筑能源系统，而面对碳中和这个新的机遇，也对战略、业务有了新的调整。
建筑行业实现低碳零碳发展需要建筑能源供给侧的天地协同、建筑能源需求侧的节能降耗与被动房建筑的铺设。
针对建筑能源互联网行业的数字化水平低、从业人员技术水平低、系统割裂等问题，和欣控制做了许多完善措施，应用于“以电为中心，冷热电器互联互通的零碳示范校园”的建设过程。技术路线分为四步：
绿色低碳：使用建筑光伏一体化，太阳能光伏为核心的本地微电网储能系统（直流微电网技术）；以电代气，用电炊具代替天然气；充分利用空气能建立空气源热泵。
先进高效：
照明系统：节约20%左右的能耗；节水改造：改造为节水型用水器具（AI远程抄表系统），使用中水回用系统；建筑结构节能：幕墙改造、屋面改造为隔热保温；利用削峰填谷：利用谷电时间电蓄热，谷电时间冰蓄冷；中央空调系统改造：以前的定频水冷机组改为变频冷水机组，负荷端使用柔性调节参数调节空调用电负荷，通过多联机实现用电系统联控。
智慧协同：对冷热电气进行控、管、维一体化，能耗统计和分析，负荷柔性控制，负荷模拟仿真，提高校园运行的数字化和自动化。
融会贯通：从前期规划、设计、施工到后期管理运维等全方位切入，打造基于全寿命周期能源管理体系，植入绿色建筑理念，打造绿色低碳校园建筑智慧建筑设备设施智能化管理云平台。
“碳”索科技力量，全应科技高效落地热电智能化场景
全应科技副总裁乐毅表示，全应科技注重热电生产的智能化发展，聚焦热电生产过程，以人工智能驱动热电生产智能化升级，实现节煤降耗、安全运行、清洁环保、智能运行。
热电生产过程中大量产生二氧化碳，中国拥有70万台工业锅炉，其中46万台为燃煤锅炉，年耗40亿吨标准煤，1吨煤能耗为2.7吨二氧化碳。如此算来，整个热电行业碳排放亟需向更高效清洁的方向发展，即燃料清洁化、锅炉效率提升、热电运行智能化的方向。
热电生产控制拥有非线性、强耦合、大延迟、多时变的特性，一直依靠人工操盘和传统DCS控制系统。传统DCS控制技术无法实现自动化控制，应用效果主要依靠掌握技术的人员的熟练程度，是不可控的。
而热电生产工况是动态变化的，用能需求变化、辅机工况变化、燃煤品质变化、传感器漂移、锅炉工况变化、仪表精度变化等，这些变化也是人工无法控制的。
目前，热电生产面临着精准控制难、负荷分配难、岗位协作难、需求预测难的巨大挑战带来的表现是总体系统能效降低，DCS控制中人和工具漂移的变化对人造成了极大的安全隐患，下游端用户的频繁波动使上游操控不平稳造成蒸汽的不平稳，排放大量硫化物氮化物环保难达标。
为解决问题，全应科技提供全应热电云，致力于收集热电生产全局的数据，进行端到端的运行控制优化，帮助一线操作人员得到分秒级控制参数。
全应科技在工业场景通过数字孪生技术构建数字的工业生产的场景，通过数据统计模型、人工智能模型、根据工况所产生的的专家知识模型、不同行业工业的机理模型，四个模型矩阵完善数字孪生的架构。通过云 边 端体系，即边端的数据采集上传到云端，进行模型构建，再下发到边端，边端完成数字运算后操作人员通过数据看板实时监控。
全应科技曾帮助某热电生产企业，通过能效分析、温度压力联合寻优、汽机效率分析、锅炉效率分析、供热管网的指标比对等举措，使得企业热电生产综合能效提升2.8%。目前，全应科技业务已经覆盖11个省。
微筑低碳数字园区解决方案
微筑科技首席市场官李淼一介绍道，微筑科技提供智慧建筑建设与智能低碳数字园区的解决方案，通过对国内外同类园区建设的对标分析，提供低碳数字园区的管理解决方案。
园区包含办公、研发、工业、生产等整体生态，涉及人员、车辆、设施、安防、环境、能效等各种数据。微筑科技对数据进行收集与分析，管理园区的低碳举措、能耗使用、运营三大部分，涉及低碳管理、用能管理、运营管理三大块业务。
园区低碳管理包含智能代维、能源管理、可视化管理、市场化购售电、碳中和认证等。从能源发电侧和输配电侧层面，综合考虑经济效益和ESG效益，打造智慧能源综合服务平台，实现电力的智能代维、低碳综合能源管理等功能。提供代维服务，实现园区楼栋的电力运维。通过数字化的平台运维，利用巡检派单系统调配自身员工团队及外包产商，大幅降低运维成本。分钟级采集数据，每月自动化生成使用报告，包括用电分析、报表分析。提供低碳可视化与系统环境综合一体化分析。
园区用能管理：包含能耗采集、能耗监测、能耗分析、用能策略优化、能源系统采集等。从能源用户侧层面，集成相关能源系统，通过与智能硬件的结合，实现能源的智能采集、监测、预警、告警，实时监测真实的能耗情况，自动生成报表，实现能耗节能管理。
园区运营管理：提供综合安防、应急联动（消防）、智慧通行、设备智管、信息发布、资产管理等智慧园区服务。
微筑科技能够提供的低碳措施和可视化显示，拥有节能成效高、成本低、复制性推广的特点，可以帮助园区实现智慧建筑、零碳建筑、绿建先锋的建设、获得零碳建筑证书等。
接下来，亿欧“碳中和”系列研讨会还将围绕AIOT 碳中和、碳资产管理、绿色基金、ESG、绿色低碳数据中心、双碳规划等话题展开系列线上研讨会，欢迎业内碳中和领域上下游企业与我们一同参与、交流分享。亿欧也成立了碳中和行业交流群，每天分享碳中和最新的行业资讯和研究报告，定期也会组织标杆企业的参访，可以联系工作人员邀请您入群（微信：fraryflash)，如果您对我们的活动有任何的建议、想法，欢迎与我们联系、报名、咨询与合作。
-----------------------------------------------------------------------