当前，全球多数国家已就本世纪中叶实现碳中和达成共识。“双碳”要求下的产业转型、全社会节能减排的先进方法、绿色低碳新时代下的创新发展路径迫切需要展开深入研究。“双碳”目标将推动能源系统向能源互联网演变、能源服务向精准绿色高效智慧的综合能源服务升级、全社会从以单一煤炭为主的能源向以新能源快速发展为主的综合能源转变，同时城市作为减碳的主战场，通过深入挖掘能耗和碳排放数据，可助力实现新能源清洁低碳的目标。

为推动实现新能源清洁替代和能源综合优化配置的目标，围绕智能电网建设和能源效率提升、新能源消纳率提高，推动城市能源数字化转型就势在必行。然而能源数据壁垒已经成为城市能源数字化转型发展的重大制约，要克服此制约，城市能源数据平台将为城市能源数字化转型提供关键技术支撑。同时，要实现“双碳”目标，首先能源数据采集是实现“双碳”的科学数据支撑，然后通过建设能耗和碳排放数据平台，为相关部门提出降碳策略提供数据支持，从而推动能源领域结构性改革，支撑和推进能源革命，构建以新能源为主体的新型电力系统，以期实现“双碳”目标。

上海方融科技有限责任公司正是利用其自身能源互联网系统管理优势，看中能源行业百年难遇之大变局，抢占先机，突出优势，建设城市数字化转型的“城市‘双碳’大脑技术平台”。

1、平台定位与功能

方融科技建设的城市“双碳”大脑技术平台对标“2030年碳达峰、2060年碳中和”目标，研究城市“风光冷热水电气”多能源“源网荷储用”多环节深度融合大数据机理模型设计、基于区块链“云-边-端”多级分布式能协同管理的数据安全保障等关键技术和核算评价标准，建设碳管理、碳足迹、碳评价、碳应用的城市“双碳”大脑技术平台。

1.1 平台架构和功能

城市“双碳”大脑技术平台架构和功能包括“云—边—端”多级能源分布式“双碳”汇集体系建设，去中心化的分布式网络架构为基础，开放式应用发布环境，可复用的UI组件开发，建成碳足迹、碳管理、碳场景的实施监管功能等。

1)“云—边—端”多级能源分布式“双碳”汇集体系建设。基于区块链技术的分布式“双碳”汇集体系，实现无限分层分级管理和能碳数据融通共享。终端节点能碳数据采集分析处理，通过数据采集汇聚总线上链。就地边缘计算系统进行属地化管理和联防联控分析治理，通过数据治理总线，实现与云中心数据中台同步。云中心对归集的能碳数据进行分析、调度、服务，通过数据总线为各种应用提供统一数据服务，满足城市“双碳”大脑技术平台应用实时对象化展示、共享、分析、挖掘、监管等要求。

2）以去中心化的分布式网络构架为基础，提供能源网数据模型的分布式存储和访问，为平台弹性海量数据存储提供支撑。建立开放式应用发布环境，实现可视化的操作环境，包括地理图、接线图、组态图、台账卡、流程图、看板等。开放式的架构设计，包括元数据[1]模型、微服务、WEB/APP即插即用、Restful API接口、RBCA权限控制等。可复用的UI组件，包括组态画面、台账卡、历史曲线、设备树、图形组件等。

3)建设城市“双碳”大脑技术平台应用，包括碳足迹、碳管理、碳场景的实时监管等相关功能，不断优化“双碳”安全、经济、低碳应用模型，实现碳精准管理、寻优低碳策略。

1.2 平台关键技术

1）城市“双碳”大脑技术平台的区域能耗和碳排放[2-3]特性指标的分析方法。平台通过在区域能耗和碳排放数据采集终端的研发上，制定及规范城市区域多能源能碳数据的采集方法、核算标准等。通过分析区域能耗和碳排放特性指标，发现其区域内的负荷特性周期性和规律性。

区域能耗和碳排放特性指标的分析方法一般有指标法、曲线法和比较法三种。

指标法是通过各种负荷特性的指标来表示负荷特性，其中包括反映负荷特性总体状况的指标、反映负荷特性水平状态的指标等。运用指标法分析负荷特性可以定量描述负荷特性的发展变化。曲线法是最直接的一种负荷特性分析方法，利用指标法中的相关负荷特性指标（如日最大负荷、月最大负荷等），通过绘制负荷曲线可以直观地表示负荷特性，通过不同地区、不同时间负荷曲线的比较可以发现负荷特性的变化规律。曲线法主要用于定性分析负荷特性。比较法主要用于不同地区、不同时间负荷特性的比较，是指标法和曲线法的延伸。通过比较法可以发现负荷特性在不同地区、不同时间的变化规律。

在城市“双碳”大脑技术平台中，这三种方法往往不是孤立使用的，而是相互结合、相互补充的。通过综合运用指标法、曲线法和比较法，可以更加全面、深入地分析区域能耗和碳排放的特性指标，发现其负荷特性周期性和规律性，为城市“双碳”政策制定和规划提供科学依据。

2）城市“双碳”大脑技术平台的区域能耗和碳排放数据的大数据挖掘分析。采用Hadoop云计算框架，通过大数据挖掘技术，全面采集分析和挖掘利用区域的能耗和碳排放数据，为指导企业、楼宇制定有效的节能措施提供依据。

数据挖掘分析包括且不限于能碳数据通用计算支持，包括能以公式表达的各类数学运算，支持公式的嵌套并自动分析计算次序。计算结果可以为任意应用、数据库、类、属性。可以提供四则运算、代数运算、三角运算、逻辑运算、函数运算、脚本计算。周期单位可以是秒、分、小时、天。定时可以是每周、每旬、每月、每季、每年。数据挖掘分析可支持公式嵌套计算，自动分析计算的层次和先后次序，保证计算的准确性，计算定义工具支持公式分组、公式复制、模拟计算。

2、城市“双碳”大脑技术平台在城市场景的应用——区域能耗和碳排放数据分析平台

2.1 平台整体研究思路

城市“双碳”大脑技术平台在城市场景应用于浙江省杭州市某区的23个街道。平台数据采集包括工业、能源、建筑、交通、农业居民生活6大重点行业，接入2 500+规上企业能源消费和碳排放情况，建成区域能耗和碳排放分析平台。平台与“数智杭州平台”互通，完成了跨领域、跨部门、跨区域、跨层级、跨系统的业务协同，基于“浙政钉”和“浙里办”提供了碳达峰碳中和数智平台入口。

该区域能耗和碳排放数据分析平台根据能耗与碳计量体系的建设要求，在现有体系的基础上，完善能源资源计量仪表/设备管理、数据采集与转换标准化、数据自动报送与实时监控、核查报告自动生成与报送、数据核查与跟踪等各项功能。

通过能碳管理系统（中心）分析、汇总相关数据和核算结果，根据用途生成不同类型的统计分析报表和图表，可以分析各个企业能源与碳数据瞬时值和累计值（按天、按月、按年）的变化趋势，并以曲线图、饼图、柱状图等进行展现。可以按不同能源介质、不同时间段（月度、季度、年度等）为分析维度，将各个企业能源消耗量换算成标煤（或标油），通过企业各种能源介质逐年变化的情况，分析出企业碳排放的变化趋势等。以此为基础，平台实现下列功能：

1）相关数据可用于对用能单位能效评估，为用能单位建立能耗指标，制定合理的能效指标区间。将相关企业的指标和指标区间进行比对，可对该指标相关联的因素进行追溯。

2）实现对用能单位碳资产评估与管理提供数据支撑。对企业及工业园区的能耗设备和碳资产进行监测、盘查及摸底，收集并汇总企业资产的能耗和碳排放数据，对已建、改扩建、新建的固定资产进行统一管理，并对其碳排放总量、碳排放强度及减碳量等指标进行评估。

3）实现对用能单位碳排放核算及考核指标的管理。系统可以按照行政区域、所属行业，从源头上有效监控高能耗、高排放、高污染的资产，推动企业向低碳转型，促进低碳经济发展。维护能耗及碳排放的考核指标，包括量化指标。核算企业的碳排量，为企业参与碳交易和自愿减排量核证奠定准确的数据基础。

2.2 平台系统架构

区域能耗和碳排放数据分析平台充分利用大数据、云计算等新技术，基于智慧能源综合服务平台，构建从数据采集、边缘处理、算法集成到数据可视化的区域能耗和碳排放监测系统（见图1）。平台采用“云—边—端”多级分布式体系，利用去中心化分布式架构技术，实现云端大脑中枢系统资源共享、信息同步、全网协同，分级调控，挖掘增值服务。“云—边—端”多级神经网络各司其职，又互为支撑，充分利用自身资源和上下游资源，完成区域综合能源[4]节点无限弹性接入、数据采集、智能运算、分析预测、决策支持、智能治理，端神经末梢利用各种测控设备，实现终端应用安全生产动态感知，自主寻优。该平台有利于分级管理和智能学习、智慧调控，解决大数据高冗余、高并发对系统的冲撞，确保系统的安全可靠，有利于安全隐患快速分析预判、全网消息传递和超前处理。

区域能耗和碳排放数据分析平台数据模型层采用五维[5]分布式时空数据库引擎，引擎的构建基于能源元数据描述的实时、历史、图形、拓扑、关系五维时空一体化数据库，以此元数据描述动态扩展生成能源碳排五维数据结构，并实例化能源碳排放预测对象。利用数据模型统一，解决各能源系统的孤立运行和并网风险，满足不断演变的复杂多场景能源统一监管、测算以及预测等多维场景需求。

图1区域能耗和碳排放数据分析平台架构

2.3 平台数据构成

区域能耗和碳排放数据分析平台所有数据包括三种来源，不同来源的数据有各自的处理方式和更新频次：

1）采集数据

采集数据主要指智慧能源综合服务平台真实接入站点的各种电力数据。在智慧能源综合服务平台有对应的企业和站点。该数据作为企业的用电能耗计算基础，更新和存储频次为15 min。

2）归集数据

城市大脑归集数据包括浙江省杭州市下辖区某区所有企业的产值、增加值信息。原煤、天然气、液化天然气、汽油、柴油、热力、电力等能耗信息。企业名称、信用代码、所属区域、国标行业、地址、经纬度、建筑面积、联系人、联系方式等企业基本信息。系统更新存储频次为定时任务自动执行，每日一次。数据更新情况则以数舱中提供数据部门决定。

3）录入数据

不可采集且在城市大脑数据编目之外的各类综合数据。该部分数据由平台提供专属录入界面录入平台。更新和存储频次按照使用场景分为每月录入一次或者每年录入一次。

2.4 系统主要功能

区域能耗和碳排放数据分析平台围绕“六大领域”通过企业消费的末端碳源追踪，逐级汇总至街镇和全区，形成区域能耗和碳排放碳地图总览，并绘制一张全景数字碳流地图，实现全流程穿透分析和精准掌控。

区域能耗和碳排放碳地图总览可将光标移至对应的镇街范围，可以看到对应镇街碳排放强度数据。通过简单的光标移动和时间选择操作，用户能够深入了解特定区域的碳排放状况，为制定和调整碳减排策略提供了直观、方便的工具（见图2）。

图2区域能耗和碳排放数据分析平台主要功能

2.5 碳流追踪

区域能耗和碳排放全景数字碳流地图分为工业、能源、建筑、交通、居民、农业6大领域。为制定和调整生产计划提供了直观的参考，有助于制定更具针对性的能源管理策略，促使用户在实践中更加科学和高效地运用能源资源。

在全景数字碳流工业领域碳足迹图中，可查看各项能源类型与工业能流情况，使用户能够追踪和分析工业生产中能源的分配和流向，从而更好地理解和优化能源利用，有助于制定更具针对性的能源管理策略（见图3）。

在全景数字碳流能源领域碳足迹图中，用户可以通过查看各项能源类型与能源能流情况的能流图来全面了解能源的分布与流动情况（见图4）。

在全景数字碳流建筑领域碳足迹图中，用户利用能流图能够清晰地了解不同类型能源在建筑中的分布与流动情况，使用户能够选择感兴趣的时间段，以了解系统能源流动的时序变化。这为用户提供了更具时效性的数据，有助于识别能源使用的峰谷时段，优化能源调度策略，以及更好地应对能源需求的季节性变化。通过这一功能，用户能够根据具体需求，灵活调整时间尺度，进行更深入的时间维度分析，为能源管理和决策提供更为准确和全面的依据（见图5）。

图3工业领域碳足迹图

图4能源领域碳足迹图

在全景数字碳流居民领域碳足迹图中，用户通过直观的能流图能够清晰地了解不同类型能源在居民生活中的分布和流动情况，可实现对居民领域的实时监测。此图可以更好地识别出潜在的能源利用趋势和模式。不仅提升了用户对居民能源系统的操作灵活性，还为居民出行方式、居民用能方式的选择，提供了绿色降碳决策支持（见图6）。

图5建筑领域碳足迹图

在全景数字碳流交通领域碳足迹图中，用户通过清晰的能流图，可以直观地了解不同类型能源在交通运输中的分布和流动状况，实现对交通领域的实时监测。这一设计不仅帮助用户全面了解交通能源系统的使用情况，还为科学管理和规划交通领域的能源提供了实用的工具，能为用户提供更准确、实时的决策支持，有助于推动交通领域向更加可持续和高效的能源利用方向发展（见图7）。

图6居民领域碳足迹图

在全景数字碳流农业领域碳足迹图中，用户透过直观的能流图，能够清晰地了解不同类型能源在农业生产中的分布和流动情况。让用户全面了解农业能源系统的使用状况，也为科学管理和规划农业领域的能源提供了实用的工具，推动农业领域朝着更加可持续和高效的能源利用方向发展（见图8）。

图7交通领域碳足迹图

图8农业领域碳足迹图

3、结论

城市“双碳”大脑技术平台建设的多级分布式能碳数据管理方法，主要包括通过智慧能源综合服务平台获取采集数据和录入数据。根据采集数据、录入数据和归集数据，针对能源、工业、建筑、交通、农业及居民生活6大碳消费领域，分别根据碳排放数据计算各个领域的排放指标。排放指标包括碳排放总量、碳排放强度、能源消费总量和能耗强度等。根据排放指标生成各个领域的碳排放分析图。获取各领域的碳排放计划。对各领域的碳排放分析图、碳排放计划进行可视化。该能碳数据管理方法能够对各领域的碳排放情况、碳排放计划进行可视化，为相关部门提出降碳策略提供数据支持，相关部门也能轻松实现“碳治理”的可视化、全流程掌控的功能。

城市“双碳”大脑技术平台以“双碳”目标为要求，可倒逼产业结构调整，可有效抑制发展高耗能产业的冲动，同时推动战略性新兴产业、高技术产业、现代服务业进步，拉动巨量的绿色金融投资，带来新经济增长点和新就业机会，推动产业科学转型，把握好节奏、积极稳妥推进，既能防止“一刀切”简单化，又能防止转型不力带来落后和无效投资等问题。平台也可大幅推动城市区域节能和能效提升，加快构建以非化石能源为主体的新型电力体系，可积极推动各领域充分认识，并采用碳汇、碳捕集、利用与封存(CCUS)等碳移除和碳利用技术，坚实实现平台在碳中和中的支撑作用。

城市“双碳”大脑技术平台适用于指导城市区域能耗和碳排放展示分析平台，可直接适用于多种场景下的区域能耗和碳排放展示与分析，也可以以模块化方式嵌入各类能耗和碳排放展示分析系统之中，向国内“双碳”领域的相关单位进行推广，科学指导推进城市、区域、园区等领域“双碳”目标的实现。

参考文献:

[1]蒋晔,邵燕,张勇跃.一种基于元数据的综合能源一体化e-CIM模型设计方法[P].中国专利.专利申请号:CN201811179584.8.公告号:CN109272248A.

[2]张自然,何竞.数字经济发展对城市碳排放的影响——基于国家大数据综合试验区的准实验[J].经济问题探索,2024(6).

[3]王雅晴,谭德明,张佳田,等我国城市发展与能源碳排放关系的面板数据分析[J].生态学报,2020, 40(21):7897-7907.

[4]唐文,蒋晔,王卉.区域综合能源深度融合一体化模型研究[J].上海节能,2021(7):660-667.

[5]王卉,唐文,曾綦.能碳五维时空分布式数据库底座技术研究[J].分布式能源,2022(4):8-13.

基金资助:浦东新区科技发展基金“城市‘双碳’大脑技术平台建设”(PKS2023-27);

文章来源:唐文,蒋晔,曾綦.城市“双碳”大脑技术平台在城市场景的应用分析[J].上海节能,2024,(10):1651-1658.