GSMA：智能技术赋能碳中和的九大应用场景报告移动技术对碳减排的影响（91页）.pdf

《GSMA：智能技术赋能碳中和的九大应用场景报告移动技术对碳减排的影响（91页）.pdf》由会员分享，可在线阅读，更多相关《GSMA：智能技术赋能碳中和的九大应用场景报告移动技术对碳减排的影响（91页）.pdf（91页珍藏版）》请在三个皮匠报告上搜索。

1、方法学上的关键考虑总体方法遵循“避免排放框架”中描述的方法。33其主要原则是将已启用的方案与“一切照旧”基本情况进行比较。确定在没有新解决方案的情况下的基本情况可能是一个挑战。这对我们来说更具挑战性技术正在迅速变化的移动电信部门，并且仅被视为基本情况的移动通信部门几年前，已经被新技术和新行为模式取代为新常态。因此，此报告依赖大量使用其他研究和数据点来确定启用的解决方案与名义基本情况之间的差异。然后，通常将其表示为节省量的百分比值(通常是节省燃料或能源)。第二个关键考虑因素是分配问题-任何启用解决方案通常都还依赖于其他技术，例如，视频会议不仅需要电信技术，还有视频设备和基于云的服务器。很难想出一

2、种可靠且一致的方法来在不同技术之间分配避免的排放量。因此，通常简单地声明该技术可以完全避免排放，而不尝试进行任意分配。测试是，如果该技术在交付结果方面起着根本性的作用，那么可以说它可以避免排放基本面测试是，如果没有该技术，则整体解决方案将无法运行。这种方法是当前唯一可行的方法，但是，它的确引起了人们对可能避免的排放量进行重复计算的批评，除非尝试对所有来自不同技术的避免排放进行求和，否则这本身就不是问题。碳会计中还有其他重复计算的示例，例如，一个公司的范围3排放包括其他公司的范围1和2排放，可能还包括其他公司的范围3排放，但是您不会尝试为所有公司添加所有范围3排放。进一步考虑的是反弹效果。在此已

3、知，意外或意外的影响会导致排放增加，在计算避免的排放时应考虑到这一点。同样，要确定并包括回弹效应也是一项挑战。通常，我们没有在分析中明确包括反弹效应。在两个特定的用例中，我们可以明确地识别出反弹效果，因为它们是可以明确识别的，并且可以使用一种方法来量化反弹效果。对于“在家工作”用例，我们考虑了不上班就避免了排放，但是，额外的能源需求会产生反弹效应，主要是在家中取暖。我们根据额外的加热能量和额外的电力使用量进行估算。避免的排放量是根据消费者调查结果计算得出的，并且因国家/地区而异，具体取决于在家工作的人员所占的百分比，平均通勤距离和出行方式。额外的家庭能源使用所产生的回弹排放在一定程度上取决于国家电网的电力排放因子。根据调查数据和我们用于增加家庭能源的假设，在中国，通勤汽车使用率较低且电网排放因子较高，中国的回弹效应大于避免的排放量，代表排放量净增加，而在美国在通勤的主要形式主要是乘车的情况下，避免的排放量大约是额外家庭能源的回弹效应的两倍。还有另一个二次反弹的影响，我们没有认为由于人们在家工作，所以办公室所需的能源更少(实际上需要的办公空间也更少)。