通过智能技术增压脱碳

 
一项新的评论发现，将数字工具集成到世界能源系统中可以将碳排放量减少50%以上。
该评论重新评估了麦肯锡所推广的边际减排成本曲线(MACC)，并发现能源系统的数字化完全改变了该曲线，这要归功于为向低碳能源过渡创造了新颖的途径。如果将网络物理系统集成到我们的能源系统中，则碳减排潜力有望提高20%，如果包括人工智能(AI)，则碳减排潜力将提高到30%。
MACC说明了各种减少二氧化碳战略的成本和潜力，决策者使用它们来评估应采取的途径。网络物理系统(与物理世界交互的数字技术)的添加对MACC进行了实质性更新，并进一步将其确立为对于从事脱碳工作的人们必不可少的工具。
通过减少温室气体排放，使世界能源系统脱碳是缓解气候变化的关键部分。如果要停止气候崩溃，脱碳是不可谈判的，但必须在确保经济稳定和向可持续能源的平稳过渡之间取得平衡。
大数据，机器学习和物联网等数字技术具有巨大的潜力，可以帮助我们应对这一挑战。它们的应用范围包括通过在家里使用智能电表来帮助减少我们的电费，以及通过区块链协助发电厂之间的对等能源交易。

 
来自新加坡，瑞士，英国和美国的国际研究人员团队发现，虽然单独考虑现有的数字技术具有许多有效的应用，但将它们组合在一起，碳排放量的潜在减少量会成倍增加。这种组合称为网络物理系统–物理基础架构和计算机的交互网络，可以对能源系统进行更智能的分析，决策和优化。
将AI引入这些网络物理系统可以进一步节省碳。比没有AI时高30%。技术的这种结合创造了被称为“智能网络物理系统”的东西。收益包括更具弹性的基础架构和运营灵活性等。
增强的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。风能和太阳能行业已经取得了长足的发展，尽管这些技术的价格下降了，但这种电力的间歇性限制了其应用。需要集成备用能源系统(例如天然气厂)或储能技术。智能的网络物理技术，特别是机器学习，可以通过改进对太阳和风的可变性的预测来帮助实现这种集成。
其他大型能源系统，例如发电厂，也可以从中受益。例如，当将这些技术应用于碳捕集与封存工厂时，它们可以将运营数据转换为可操作的情报，从而通过改进流程来降低成本并提高能源效率。
网络物理系统，尤其是与人工智能相结合的物理系统，为各国实现脱碳和排放目标提供了急需的推动力。现在应由政策制定者通过激励人们采用这些技术来应对气候变化来实现这一目标。