通过智能技术实现高速脱碳

一项新的研究发现，将数字工具集成到世界能源系统中50%以上的碳排放。

审查重新评估了McKinsey推广的边际减排成本曲线(MACC)，发现能源系统的数字化完全改变了曲线，这要归功于为向低碳能源过渡创造了新的途径。 如果将网络物理系统集成到我们的能源系统中，碳减排潜力预计将增加20%，当包括人工智能(A I)时，碳减排潜力将上升到30%。

各种减少二氧化碳战略说明了成本和潜力，并被决策者用来评估应采取哪些途径。 网络物理系统——与物理世界相互作用的数字技术——的加入是对MACC的一个实质性更新，并进一步将其作为从事脱碳工作的人不可或缺的工具。

世界能源系统脱碳是通过减少温室气体排放减轻气候变化的一个关键部分。 虽然如果要制止气候崩溃，脱碳是不容谈判的，但它必须与确保经济稳定和向可持续能源平稳过渡相平衡。

大数据、机器学习和物联网等数字技术在帮助我们应对这一挑战方面具有巨大潜力。 它们的应用范围从通过在家庭中使用智能电表来帮助减少我们的电费，到通过区块链帮助电站之间的对等能源交易。

来自新加坡、瑞士、英国和美国的一个国际研究小组发现，虽然现有的数字技术在单独考虑时有许多有效的应用，但当它们结合起来时，碳排放的潜在减少会成倍增加。 这种组合被称为网络物理系统-物理基础设施和计算机的相互作用网络，允许更智能地分析、决策和优化能源系统。

将人工智能引入这些网络物理系统可以进一步节省碳；比没有人工智能多出30%。 这种技术的结合创造了所谓的“智能网络物理系统”。 好处包括更具弹性的基础设施和业务灵活性等。

增强可再生能源预测是如何应用智能网络物理系统的一个很好的例子。 风能和太阳能部门已经有了很大的增长，虽然这些技术的价格已经下降，但这种电力的间歇性限制了其应用。 需要整合备用能源系统（例如天然气工厂）或储能技术。 智能网络物理技术，特别是机器学习，可以通过更好地预测太阳和风的变异性来帮助这种整合。

其他大型能源系统，如发电厂也可以受益。 例如，当应用于碳捕获和储存工厂时，这些技术可以将操作数据转化为可操作的智能，从而通过改进的过程降低成本和提高能源效率。

网络物理系统，特别是与人工智能相结合的系统，为各国实现脱碳和排放目标提供了急需的推动力。 现在，决策者应该通过鼓励采用这些技术来应对气候变化来推动这一进程。