面向工业脱碳的碳意识生产调度：一个整合环境与公共卫生双重效益的人工智能框架

《Journal of Cleaner Production》：Carbon-aware production scheduling for industrial decarbonization: An artificial intelligence framework integrating environmental and public health co-benefits

　　

萨米娅·埃拉塔尔（Samia Elattar）

摘要

工业制造占全球温室气体排放量的21%，然而传统的生产调度系统未能将实时碳意识纳入运营决策中。流行病学研究发现在长期排放此类气体的地区，哮喘、慢性阻塞性肺疾病和过早死亡的发生率较高。尽管针对工业脱碳的政策正在增加，但目前的生产调度策略在将环境和公共卫生问题纳入决策过程方面仍存在不足。本文提出，通过构建SmartOps-Green人工智能框架，将碳意识优化概念融入制造业中，可以共同减少碳排放和空气污染物排放。该框架结合了图神经网络来学习生产系统的拓扑结构，并利用深度强化学习在运营和环境条件变化时调整调度策略。根据减排量提供渐进式激励措施，采用类似阶梯式的碳交易机制，这与基于市场的气候政策相一致。该方法基于钢铁行业能源消耗数据集和家电能源预测数据集进行了测试，并考虑了实际电网碳排放因素。研究结果表明，与传统调度方法相比，SmartOps-Green可使运营过程中的碳排放减少23.7%；而相对于最优标准，生产吞吐量仅降低了2.3%。根据使用化石燃料发电的常见排放因子，预计NO$\mathrm{x}$' role="presentation">$\mathrm{x}$排放和SO$\mathrm{x}$' role="presentation">$\mathrm{x}$排放分别减少15–20%。通过暴露-反应关系估计，这种减排措施可防止每家设施约6-14例哮喘加重、2-5例呼吸系统疾病住院以及0.3-0.6例过早死亡。碳排放预测组件的准确性非常高（${\mathrm{R}}^2=0.948\pm 0.012$' role="presentation">${\mathrm{R}}^2=0.948\pm 0.012$），从而实现准确的短期预测。通过统计分析得出的集体数据在能源效率（提高18.4%$\pm$' role="presentation">$\pm$）和运营成本（节省12.6%$\pm$' role="presentation">$\pm$）以及节省0.8%$\mathrm{p}<0.001$' role="presentation">$\mathrm{<mo\; linebreak="goodbreak"\; linebreakstyle="after"\; is="true"><</mo><mn\; is="true">0.001</mn>}$）方面取得了显著成果。这些结果表明，智能的碳意识调度可以在不降低生产力的情况下带来可量化的环境和人口健康收益，从而证明向可持续低碳制造系统的转变是合理的，并有助于改善工业地区的环境和人口健康。