科研速递 | 理工学院赵俊华教授团队在IEEE TII文章

近日，香港中文大学（深圳）理工学院赵俊华教授团队在IEEE旗下Trans系列的顶级期刊 IEEE Transactions on Industrial Informatics发表以“Real-Time Corporate Carbon Footprint Estimation Methodology Based on Appliance Identification”为题的文章。

01

期刊介绍

IEEE Transactions on Industrial Informatics为IEEE旗下Trans系列的顶级期刊，侧重于以知识为基础的工业自动化作为一种手段，以提高工业制造和制造过程。这包含了一组使用信息分析、操作和分发的技术以实现工业环境中更高的效率、有效性、可靠性和/或安全性。该期刊的范围包括报告、定义、提供讨论论坛，并向读者介绍智能和计算机控制系统、机器人、工厂通信和自动化、柔性制造、视觉系统、数据采集和信号处理等方面的最新发展。收稿范围包括但不限于生物工程、通信，网络与广播、元器件，电路，设备及系统、计算与处理、工程材料，电介质与等离子体、场，波和电磁、地球科学、电力，能源及工业应用、机器人与控制系统、信号处理与分析、交通运输。IEEE Transactions on Industrial Informatics最新影响因子为10.215，JCR分区Q1。

////    

02

研究背景

碳排放估算是实现减缓气候变化、碳中和、可持续发展社会等环境目标的基础，可以有效推动低碳经济转型。工业是碳排放的主要来源之一，准确估算工厂的碳排放非常重要。企业碳足迹（corporate carbon footprint, CCF）估算可以得到具体的排放量，清楚地了解企业的排放情况，从而为减排提供支持。目前，与企业碳足迹估算相关的研究大多只考虑企业生产过程中的直接碳排放，而没有考虑其用电导致的间接碳排放。此外，目前的研究估算碳排放量主要基于企业年报等披露信息，估算的时间粒度太粗，估算准确率低，不能满足实时、准确的碳减排需求。

////    

03

研究方法

本文提出了一种实时企业碳足迹估算方法，其通过对企业负荷数据的分析，获得相应的设备状态，从而实现企业准确、实时的碳排放估算。在提出的方法论中，企业碳排放分为两部分：生产过程中的直接排放和用电导致的间接排放。对于直接碳排放部分，首先通过负荷识别方法分析企业负荷数据，确定其生产设备的运行状态。然后，通过设备的运行状态和相应的设备直接碳排放强度计算得到直接碳排放量。对于间接碳排放，首先，根据负荷数据计算每个估计时间间隔的用电量。然后，通过求解直流最优潮流（DC-OPF）得到企业所接入电网节点的边际碳排放因子。最后，通过得到的用电量和边际碳排放因子计算得到间接碳排放。所提出方法如图1所示。

图1 实时企业碳足迹估计方法

对于负荷识别部分，本文提出了一种基于多头自注意力机制和门控循环单元的设备状态识别方法。该方法如图2所示。

图2 所提出的负荷识别方法

三个公开数据集，包括 AMPds2、UK-DALE 和 IAID，用于验证所提出的负荷识别方法的性能。AMPds2 和 UK-DALE 是家庭负荷数据集，IAID 是本文作者收集的工业负荷数据集。实验结果表明，该方法可以学习家庭和工业环境中的不同设备的关键特性，从而准确识别了设备状态。

图3 UK-DALE 和 AMPds2 中不同方法的数据集总准确率

图4 UK-DALE 和 AMPds2 中 F1-score的箱线图

图5 IAID 中 F1-score的箱线图

实验结果还表明，所提出的方法可以实现工厂的实时企业碳足迹估计。

图6 实际和估算的直接碳排放

图7 工厂碳排放结果

图 8 钢铁和玻璃的用电量和节点边际碳排放因子

////    

04

研究结论

本文提出了一种实时企业碳足迹估计方法，用于估算工业用户的直接和间接碳排放。还收集并发布了一个数据集，即 IAID，其中包含六个行业的设备和设备状态数据，以供进一步研究。在所提出的方法中，工厂的直接碳排放由从负荷识别中获得的设备状态和相应的设备直接排放强度确定。本文还提出了一种基于多头自注意力机制和门控循环单元网络的负荷识别方法，用于识别工业设备的状态。间接碳排放由工厂所接入电网节点的边际碳排放强度和相应时间段内的用电量决定。实验结果表明，所提出的负荷识别方法在家庭和工业数据集中都明显优于基准方法。所提出的方法可以实现经过后处理后的直接碳排放估算差异小于2%。通过在六个行业的工厂进行实验验证了所提方法的有效性，仿真结果证明可以实时准确地估计企业碳足迹。

////    

05

作者简介

香港中文大学（深圳）赵俊华教授和悉尼大学邱靖博士为本文的共同通讯作者。

赵俊华教授分别于2003年和2007年在西安交通大学和澳大利亚昆士兰大学获得学士和博士学位。赵俊华教授是香港中文大学（深圳）理工学院副教授，深圳高等金融研究院能源市场与能源金融实验室主任，深圳人工智能与机器人研究院研究员，招商银行总部特聘能源行业专家。长期从事智能电网、能源经济、低碳转型、人工智能等领域研究。在加入港中大（深圳）之前，他担任澳大利亚纽卡斯尔大学智能电网中心的高级讲师，并兼任主任科学家。他已发表了120多篇学术论文，其中60多篇发表在国内外的顶尖期刊上。他一次获得浙江省自然科学奖，两次获得湖南省科技进步奖，一次获得中电联“电力科技创新奖”，2014年IEEE电力与能源大会最佳论文奖，并4次获得国家科学技术部“F5000”中国精品科技期刊顶尖学术论文奖。2017年，因对澳大利亚能源系统研究做出突出贡献，赵俊华教授被澳大利亚达沃斯论坛（ADC Forum）授予了青年科学家奖（Young Scientist of the Future）。2020-21年两次被斯坦福大学与Mendeley Data评为“全球前2%顶尖科学家”；同时入选“终身科学影响力排行榜”和“年度科学影响力排行榜。他领导或参与了30多个重要的研究和工业项目，包括由澳大利亚政府资助的“智能电网，智能城市”大规模试点项目，由澳洲联邦科学院（CSIRO）资助的两个旗舰研究项目，国家自然科学基金重大研究计划、国家自然科学基金面上项目等。先后参与了国内多个电力市场的规则设计工作，其研究成果在工业界产生了重要影响，参与开发的多个软件产品先后应用于纽约爱迪生公司、港灯集团、广东省能源集团、中海油、大唐发电等大型能源企业。他是《IEEE Transactions on Network Science and Engineering》和《Energy Conversion and Economics》的编委会委员。

邱靖博士于2008年在山东大学获得工学学士学位, 2010年在英国曼彻斯特大学获得硕士学位, 2014年在澳大利亚纽卡斯尔大学获博士学位。他目前是澳大利亚悉尼大学电气工程专业的高级讲师。他的研究兴趣包括电力系统运行与规划、能源经济学、电力市场和风险管理。邱博士还是IET Energy Conversion and Economics的编委。

本文第一作者: 刘国龙

刘国龙博士于2021年在香港中文大学（深圳）计算机与信息工程专业获得博士学位。现任香港中文大学（深圳）理工学院助理研究员、深圳市人工智能与机器人研究院兼职助理研究员。他的研究兴趣包括人工智能、智能电网大数据分析、低碳转型和用户行为建模等。

////    

【END】

点击以下链接，进入理工时刻：