2021气候可持续性报告-人工智能在油气排放应用中的挑战（英文版）（17页）.pdf

《2021气候可持续性报告-人工智能在油气排放应用中的挑战（英文版）（17页）.pdf》由会员分享，可在线阅读，更多相关《2021气候可持续性报告-人工智能在油气排放应用中的挑战（英文版）（17页）.pdf（17页珍藏版）》请在三个皮匠报告上搜索。

1、例如，去年，全球最大的基金管理公司贝莱德(BlackRock)拒绝了未能在气候问题上采取行动的公司的5名董事会成员。今年，该组织拒绝的人数几乎是去年的五倍，其中包括一家大型油气公司。荷兰一家法院最近命令一家石油和天然气巨头以比原计划更快的速度削减其排放分片。在一些地方，大幅减排正成为持有营业执照的必备条件。油气公司可以采取六种措施来减少碳足迹。(参见Exhibit1)。然而，大多数国家并没有成功地显著减少它们应负责的范围1和范围2的排放。而且，很少有人能够准确地计算出客户产生的范围3的排放量，更不用说在减少这些排放量方面取得重大进展了。然而，通过将这些杠杆完全整合到所有的操作中，油气公司确实可

2、以有效地减少直接和间接排放。为了做到这一点，企业需要尽可能准确地确定和测量其排放，确定减少排放的最佳方法，执行减排，然后提供全面和准确的脱碳工作。这就是数字化以使用高级分析、人工智能(AI)和机器学习的新工具的形式出现的地方。这些工具可以帮助企业找出在脱碳道路上最快、最有效的步骤，并为这些步骤的执行提供指导。这是怎样的工作。油气行业的直接范围1排放占全球温室气体排放的10%，间接范围2和范围3排放占31%。(见附表2)。然而，考虑到该行业排放的巨大规模，仅仅多样化使用低碳能源替代品将不足以将排放减少到可接受的水平。企业本身可以通过运营和能源效率倡议来减少范围1和范围2的排放，这是最快的、通常也

3、是成本最低的脱碳途径。如果该行业要在全球碳排放总量中占有举足轻重的地位，就必须大幅限制范围3的排放。但很少有公司制定了减少碳排放的目标，或着手应对了解碳排放范围和如何脱碳的挑战。没有对排放范围的可见性，企业将无法沟通、承诺或实现他们的气候雄心。全面数据集成的过程必须从制定一个精确、可信和高质量的温室气体排放基准开始。通过收集和分析来自供应商和客户的实时运营数据和交易级别数据，基线有助于企业识别排放强度的驱动因素，并揭示减排措施。然而，量化、减少和监测甲烷排放是一个特别棘手的问题。数字工具可以帮助企业在这一领域取得长足进步。(见“Mindingthe甲烷。”)识别和核算范围1 Co，油气中的排放是一个比较容易理解的问题。确定排放量涉及到一个简单的计算，即已知的排放因素例如，燃气涡轮或柴油泵的排放量乘以所使用的燃料量。然而，当涉及到甲烷时，挑战就不同了，而且相当困难。确定甲烷排放的来源并获取有关排放量的数据并不容易。更重要的是，误差范围很广，这使得减少此类排放尤其是逃亡排放也很困难，导致准确报告进展的相当大程度的不确定性。为了大大提高甲烷排放测量的准确性，公司必须从整个资产组合的多个来源和多个供应商获得观测到的操作排放数据。一旦获得这些数据，就可以将其输入一个由人工智能驱动的数字平台，该平台可以对数据进行整合，产生见解，并为减少排放所需的行动提供指导。