宋得民，王得成，丁鹏，赵恩海，严晓,2
1.上海玫克生储能科技有限公司；
2.上海伏达储能数字化研究院
当今人类发展的最大挑战之一是全球气候变化。IPCC（政府间气候变化专门委员会）2018年10月发布的报告认为，全球气温增长幅度控制在 1.5℃以内有助于避免地球气候、人类健康和生态系统恶化，若实现这一目标需要全球在21世纪中叶实现温室气体净零排放［1］。中国的能源碳排放量占全球总量的 28.8%，因此，中国的减碳效果对全球碳达峰与碳中和具有极其重要的影响［2-3］。
在2015年气候变化巴黎大会上，中国国家主席习近平提出未来中国将积极优化各行业产业结构，构建全国低碳能源体系，加快发展绿色建筑和城市低碳交通，建立完善全国碳排放权交易市场等一系列政策措施［4］。2020年 12月，习近平主席在哥本哈根世界气候雄心峰会上进一步表达了中国的减碳承诺，争取2030年前实现二氧化碳排放达到峰值，2060年前实现碳中和［5］。
根据国家出台的指南，电力、石化、化工、建材、钢铁、有色金属、造纸、民航是纳入全国碳市场的8个高能耗行业。作为石化行业的一员，油气公司每年需定期披露碳排放情况。未来随着参与碳排放的主体数量不断增加，碳交易市场范围不断扩大，对于被纳入碳排放配额管理的油气公司来说，如何进行碳排放管理显得尤为重要。
蒸汽机、电力、互联网是前三次工业革命的核心技术，区块链技术则被认为是下一代工业革命重要的核心技术，是构建社会信任的机器，是发展数字经济的基础［6］。2019年10月24日，习近平主席强调要将区块链技术作为中国核心自主创新的重要突破口，明确将区块链技术作为中国信息化的重要发展方向［7］。目前，国外油气公司在区块链方面进行了一些尝试，主要应用于生产、施工和能源大宗商品交易等环节，且取得了一定的成效，但都没有建立基于区块链的碳排放管理系统。
油气公司碳排放环节多、人工记录成本高、碳排放数据管理繁杂，且碳排放环节不透明，由单位集中管理，容易发生篡改、难以追溯，很难建立一个可信、准确的碳排放基础数据，从而进一步影响碳交易。另外，若到年底时公司发现配额缺口较大，那么履约成本会大幅增加，因此传统的碳排放管理模式存在诸多弊端。为了解决这些问题，本文探索如何用区块链技术为油气公司建立一个透明、可追溯、难以篡改的碳账本，对公司全生命周期的碳排放进行有效跟踪，提升碳资产数据的准确性和开放性，以实现碳排放数据在全单位的流动，推动油气能源行业向低碳生态时代迈进。
简单地讲，区块链是由一系列顺序生成的信息区块组成的数据链，是各参与方基于共识机制集体维护、不可篡改、可验证的超级账本，目的是为了实现去中心化、透明化、匿名化、不可篡改、可追溯。区块链系统主要由数据层、网络层、共识层、激励层、合约层和应用层组成。本部分主要介绍一下数据层、网络层、共识层、应用层和区块链的对外开放程度。
1.1 数据层
数据区块是区块链的组成单元，每个区块包含一个区块头和一个区块体。区块头包括当前版本号、时间戳、前一区块哈希、密码学共识和梅克尔树根哈希值，而区块体则是包含该区块的交易数量和经过各节点共同验证的所有交易记录［8］。区块链中的节点是区块链网络中的计算机，控制该计算机的主体可以是一个人或者一个机构。节点担任着交易确认和广播工作。总体上来说节点越多，网络越安全。链式结构是获得记账权的节点将当前主链的最后一个区块哈希值放到当前打包好的区块头上，该哈希值作为指针指向最后一个区块，因此一个被认证打包好的区块就可以被链接到区块的主链上。因为链式结构的特性，节点难以篡改和删除其中一条记录或区块记录，因此各节点可以看到链上的完整历史，方便追本溯源。哈希函数可将任意长度的信息转化成一个固定长度的哈希值，通过函数的输出字符推出原始消息是非常困难的，因为即使输入的消息非常相似，函数也会给出大相径庭的输出值。在帮助节点高效地检验某笔交易的存在性和数据的完整性方面，梅克尔树数据结构扮演着重要的角色。
数据层中非对称加密用于数字签名秘钥协商和数据加密功能。在非对称加密中，各节点都持有一对非对称密码，称为公钥和私钥。节点用私钥对其加密的信息摘要进行签名并广播，收到该节点的其他节点用其提供的公钥对其进行解密，从而验证信息确实是由此节点发送的。采用非对称加密技术和上述的哈希算法共同保证了对不可信赖的网络数据的安全访问需求和加密验证需求。
1.2 网络层
区块链的节点一般具有自治性、分布式、开放自由进出的特性，因此一般都采用 P2P（点对点）网络。在P2P同一网络中，不存在任何“特殊”节点，各个节点以扁平的拓扑结构相互连通，一起提供网络服务，彼此地位对等。网络中各节点均具有传播数据、验证数据、传播打包好的区块、验证打包好的区块、发现新节点等功能，不存在中心化的层级结构。此过程不涉及第三方，数据也不会在一个中心化的服务器单独存储［7］。
1.3 共识层
所谓共识机制，就是区块链中的节点，其中包括诚实节点和恶意节点，就如何写入一个区块达成共识，保证每个节点都能够将最新的区块信息准确添加至自己的账本上，使各节点的账本保持一致性并能够抵御恶意攻击。其具体策略和方法是保证某个节点添加最新区块到自己账本上时，该最新区块能够被其他节点所验证和接受，从而保证各节点账本信息的一致性、准确性、真实性、完整性和时效性。需要说明的是，数据一旦被确认则难以进行删除和更改操作，只能进行授权查询或使用。
1.4 应用层
在《区块链：新经济蓝图及导读》一书中，作者对区块链的技术进化提出了一种阶段划分：“区块链 1.0是货币，是以比特币为代表的可编程数字加密货币，诸如货币转移、汇兑和支付系统。区块链2.0是合约，是以以太坊为代表的可编程金融系统，在经济、市场、金融全方面的应用，例如股票、债券、期货、贷款、按揭、产权、智能资产和智能合约。区块链3.0就是超越货币、金融、市场之外的区块链应用，特别是在政府、健康、科学、文化和艺术等领域，是可编程社会系统与超级账本项目”［9］。
1.5 开放度
根据区块链对外开放的程度，可以将其分为私有链、联盟链和公有链。在私有链中，区块链的记账权限掌握在某个节点手中，且记账权限由其内部制定，外部的读取权限可以被任意程度地限制。在联盟链中，区块链的节点是事先选定好的，各节点的主体共同维护区块链的超级账本；
区块链上信息的读写及记账规则均按照联盟链的共识决定，功能也只对各节点部分或全部开放。而公有链是指所有节点都能自由选择加入或退出的区块链，不受任何一个节点控制，整个账本将对所有节点保持公开及透明。
大型油气公司在全国各地分布着众多子公司，每个子公司收集、管理和存储各自的碳排放数据，但数据管理不透明，容易发生篡改，且不同子公司各自中心化存储数据产生了数据“孤岛”现象。另外，不同子公司收集的碳排放数据质量参差不齐，存在关键信息难以追踪和整合、相关数据读取困难、数据收集方式多样、数据不一致等问题。因此，各子公司中心化的数据库增加了母公司碳排放报告编制的难度，同时，也会导致缺乏统一可信的碳排放基础数据，从而不利于碳交易。
油气公司的每个子公司在技术工艺、设备水平、能源利用水平、能源消耗计量水平、产品运输方式上参差不齐。而且，生产同样数量的天然气，每个子公司排放的温室气体量有高有低，这是由于有些单位优化了某环节的生产工艺，有些单位采用更清洁的能源进行供电、供暖或运输，这导致了不同单位在相同的生产环节拥有不同的减排能力。
每到年底履约时，油气公司需根据碳排放量注销一定的碳配额。若碳配额不足，则需要到市场购买相应的碳配额和 CCER（国家核证自愿减排量）进行履约。若购买碳配额的成本远大于减排成本，那么油气公司的利润必然受到挤压。因此，对油气重点排放单位来说，碳资产管理运用得当，可以大幅减少企业运营投入成本、提高竞争力水平并有利于增加其盈利；
管理运作不当，则可能最终造成碳资产大幅流失，增加公司整体运营维护成本，降低市场竞争力，影响企业健康可持续发展。
因此，构建一个去中心化、不可篡改、可追溯的超级碳账本将有利于公司对各环节的碳足迹进行追踪、奖惩和路径优化，从而降低经营成本、提高低碳竞争力。一个准确和精细的碳排放数据是企业进行碳资产管理的基础和前提，也为碳交易增加一致性和可信度。
为解决油气公司碳资产管理难题，本文构想出一个包括油气公司、地方碳排放管理部门、第三方技术核查机构在内的碳资产管理区块链。
3.1 碳排放核算方式
在传统油气公司中，温室气体的排放主要来自化石燃料燃烧排放和购入电力排放。当前碳排放数据主要采用人工核算法和碳排放连续监测技术进行核算和计量。
人工核算法成本高、数据收集繁杂，并且数据收集确认周期长，不利于对厂区各环节碳排放量的实时掌握，同时增加了碳排放编制报告和第三方机构核查的难度。目前，国际通行做法是采用 CEMS（碳排放连续监测技术），中国也于 2021年在 18家控排企业进行了试点，并于当年年底发布了DL/T 2376—2021《火电厂烟气二氧化碳排放连续监测技术规范》，该规范于2022年3月22日正式实施，此标准的发布有利于这项技术的进一步推广和应用。
CEMS是未来碳排放计量的一个趋势，有利于碳排放的智能化和数字化管理。因此本文采用CEMS的核算方式。
3.2 碳排放数据的采集
3.2.1 直接碳排放数据
对于直接碳排放，可在碳排放口安装一个经国家或地方环保部门认证的碳排放测量仪，对该碳排放口在连续时间区间内的碳排放量进行计算。针对碳排放测量仪将数据上传至区块链的方法，有以下两种方案。
3.2.1.1 方案一
使用无线通讯模块，在每个碳排放口安装一个无线通讯模块。无线通讯模块通过碳排放测量仪的通讯接口接收到碳排放数据，再通过附近的无线网或模块内流量卡将采集到的数据及时上传至某节点的云服务器；
收到该碳排放信息的节点会将此信息广播给其他节点，链上的节点一起对该信息进行技术验证，若一半以上的有效节点通过，则所有节点将该碳排放信息记录到自己的碳账本上。
优点：安装方便，只需要在每个碳排放测量仪旁边安装一个无线通讯模块即可，且数据直接上传至云服务器而不需要经过第三方设备。
缺点：设备建设维护成本较高，且不能高频率地上传数据。成本较高是由于每个碳排放口均需安装一个无线通讯模块与一张流量卡，众多流量卡管理复杂，且带来较高的费用成本。
适用性：该方案适合碳排放口较少且上传数据频率低的场景，此场景下通讯模块较易管理，且维护成本较低。
3.2.1.2 方案二
使用边缘设备，每个边缘设备接收数十个碳排放测量仪发送的碳排放数据。边缘设备通过无线网或流量卡将碳排放数据上传至云端服务器。该设备可以对数十个碳排放口数据进行存储、打包上传，还可以根据各碳排放口历史碳排放数据进行预测。
优点：设备建设维护成本较低，设备总功率较低，可以采用局域网进行数据传输，还可以自动控制采集频率、处理数据，并集中收集数据打包上传。同样传输数十个碳排放口碳排放数据，只需要安装1个边缘设备和 1张流量卡或使用网口，因此成本及总功耗均较低。无线边缘设备可使用 Lora或ZigBee的无线组网方式［10］，在没有网络的地方，边缘设备还可通过卫星通信的方式上传数据。
缺点：可扩展性较差，边缘计算必须为组织添加或物理升级设备才能获得更多的计算能力或存储空间。
适用性：该方案适合碳排放口较多且上传数据频繁的场景，较适合油气公司碳排放的应用场景。
3.2.2 间接碳排放数据
对于购入电力的间接碳排放数据，可以在每个部门安装1个智能电表，每天定时上传1次电表数据到节点的云服务器，各个环节的日用电量一目了然。另外，还需要向当地供电部门了解每天供电的排放因子即可计算出对应的碳排放量。
3.3 PBFT（实用拜占庭容错算法）区块链联盟链的构建
在区块链内构建一个基于拜占庭共识的区块链3.0联盟链，链上一共有n(n= 3f+ 1)个不同的主体作为节点，此区块链的容错率不超过(n-1)/3个节点［11］。
以f=2为例，这7个节点的地位是一样的，选择油气公司（内部2个节点）、地方碳排放管理部门（内部 2个节点）、第三方核查公司（1个节点）、地方环保部门（1个节点）、碳交易中心（1个节点）等7个利益尽可能不相关的主体。每个主体均配有1个云服务器存储自己的碳账本数据，并且在各自办公室安装一个碳资产区块链客户端软件。在客户端上，节点持有者可以看到各个环节由碳排放采集点及时上传的二氧化碳或甲烷排放量。若一个区块是1 MB的大小，1条碳排放记录是250 kB大小，那么一个区块可以存储3 000多条数据，1 GB的内存可以存储300多万条数据。若油气公司内部每个碳排放口以1天1次的频率上传，则联盟链中的每个节点购买数个GB的内存足以。
在这个区块链上一共有7个节点，从安全性和活性的角度可以接受相同时间点最多有2个节点是失效的和2个节点是恶意节点。失效节点是不响应的，也就是突然断线或延迟通讯或故意不通讯，而恶意节点是被恶意控制的。假设按最坏的情况，在这个区块链上有2个诚实节点是失效的，2个节点是恶意的但仍然响应，在少数服从多数和满足区块活性的原则下，诚实节点仍然可以战胜恶意节点并成功出块。即使恶意节点没有将该区块放到账本上，但实际上有共识认可了这个区块记录，若诚实节点去恶意节点那里查该区块，可以通过哈希验证知道其账本是否被篡改。
区块链构建好后，各个节点均可看到该油气公司的碳账本，可对不同的节点开发不同的应用模块。
3.4 智能合约与应用模块
3.4.1 智能合约
在上述联盟链中，合约层仅包含数据校验智能合约，即，各节点对接收到的碳排放数据进行格式验证（技术验证）。在该智能合约中，输入为“某次上传的碳排放记录”，各节点检验该碳排放记录格式有无问题或记录的数据有无异常，若均没问题那么输出就是“通过该碳排放数据”。若大于一半的有效节点通过，则该笔交易会同时被记录到各节点的账本上。
3.4.2 应用模块
在应用层，可以根据油气公司的需求开发一些应用模块，如，碳排放查询模块、碳排放结构模块、碳排放奖惩模块、一键生成碳排放报告模块、路径优化模块、碳排放预测和碳交易价格预测模块等。
3.4.2.1 碳排放查询及碳排放结构模块
每一个节点都具有碳排放查询模块，可以选择某个日期、某个单位、某个部门或某个环节来进行精确查询。点击每一笔碳排放存证记录可以看到该记录的具体明细，如，在该时间段排放的温室气体量、所属区块、哈希值、具体碳排放量等。除了这个基本功能，油气公司还可以通过“碳排放结构模块”了解公司不同单位、不同部门或不同环节的碳排放比例。
3.4.2.2 碳排放奖惩模块
该模块是对每个部门进行碳排放积分奖励。可以先为每个部门给予一定的初始积分，每个月根据各个部门生产情况制定相应的碳排放额度，若超过该额度，则对相应部门进行惩罚，扣除一定的积分，反之则对相应部门进行奖励并增加一定的积分。
公司可将碳排放积分算做每个部门年底考核的指标之一，这样可以激发每个部门的潜力去优化各自的碳排放量。若某环节经过优化后碳排放量大幅下降，可以对相关部门进行奖赏，并把该环节的优化路径复制给相同的碳排放环节或单位。
3.4.2.3 一键生成碳排放报告模块
该模块可以为企业自动生成年初到当前日期的碳排放报告，碳排放报告是基于区块链可信的存证记录。
该模块可以将区块上的每笔碳排放信息进行归纳并按照要求自动生成最终报告，地方碳排放管理部门、第三方技术核查机构均安装有此模块。因此，当油气公司将该报告递交给地方碳排放管理部门时，碳排放管理部门经过对比就知道有无篡改或瞒报。该模块可以极大地提高油气公司编制碳排放报告的效率，同时，也可减少地方碳排放管理部门和当地环保部门的监管成本。
3.4.2.4 路径优化模块
在各个环节碳排放量达到稳定后，路径优化模块可根据碳账本对这些碳排放环节进行统计、分析，并提供优化减排路径和方案。该模块使用的前提是需要先向各环节负责人搜集边际减排成本，所谓的边际减排成本是指每多减排一单位的二氧化碳所要付出的经济产出的成本。路径优化模块会优先从边际减排成本小的环节入手。
3.4.2.5 碳排放预测和碳交易价格预测模块
碳排放预测功能可以提前发现潜在的碳排放超标问题，并采取相应措施。碳交易价格预测模块是在碳排放预测超标的情况下，自动从市场低价购买缺口的碳配额。因此，碳排放预测和碳交易价格预测模块是超级碳账本的一个重要组成部分，可以降低公司的碳排放总量和履约成本，帮助公司更好地管理碳资产。
3.5 历史数据清理与碳排放监管
随着云服务器内存空间不断变小，节点可以通过投票选择的方式将某一天之前的区块记录全部去除，大部分节点同意后各个节点的云服务器同时删除之前的记录。在删除之前，可以对该记录作一个备份，此次备份的数据是不能篡改的，因为任何一个微小的改动都会导致最后的哈希值面目全非，因此只要各节点记住最后的哈希值就可以判断原账本是否被篡改。
对于碳排放数据的监管，可以采用科技或人力的方式多管齐下。若碳排放测量仪被人为破坏，仪器可以立刻发出报警信息并发送给各个节点；
另外，公司也可定期对碳排放采集点进行检查，若有条件可以安置摄像头进行监测。目前，中国已经可以利用碳卫星来检测碳排放情况［12］，可以大致算得在某段时间内某单位二氧化碳的排放量。将此排放量与账本上此段时间碳排放量进行对比，若相差较大，则大概率可以判断有些数据采集点数据不够准确，可能是仪器故障，但更有可能的是碳排放采集点环境被人为干扰。
4.1 预测算法选择
预测通常分为多值预测和单值预测，单值预测的准确性往往更高［13］。并且，由于多值的时间步骤的偏差和方差会累积到未来的预测中，当预测周期较长时，多值预测往往会出现误差积累问题。而单值预测不太容易受到这个问题的影响，因为它的预测是在每个时间段独立进行的。因此本文选择用单值预测的方法来构造模型。
在预测算法方面，相较RNN（循环神经网络），LSTM（长短期记忆神经网络）可以有效保留长依赖信息，大大改善时间序列预测准确度，并具有信息记忆功能［14］。因此，对于碳排放和碳交易价格的预测采用LSTM预测算法。
4.2 预测方法及实例验证
4.2.1 预测方法及步骤
当每个月前3周的碳排放数据和碳交易价格出来时，可以采用 LSTM算法预测该月未来n天的碳排放量和未来n天交易日的碳交易价格走势。
用q1,… ,q21代表该月前3周每日的碳排放数据，用1,… ,代表该月未来n天按时间排序的碳排放量。碳交易市场每天有4个小时的交易时间，对于每日价格以1个小时为间距选取5个点，前后2个点是开盘价和收盘价，那么每月前3周可以选择75个碳交易价格值（每周有5个交易日），用p1,… ,p75代表这 75个点的值，用1,… ,5t代表该月未来t天交易日内5t个按时间排序的碳交易价格值。相邻的2个价格时间区间为 1个小时。碳排放和碳交易价格的训练与预测过程如下。
假设已经有m个月每天的碳排放数据和碳交易价格，用q(i,j)和p(i,k)分别代表第i月j天的碳排放量和第i月k时刻的碳交易价格。
输入1：
[q(1,1)],… ,q(1,30)],… ,[q(m,1),… ,q(m,30)]。
输出1：碳排放预测模型状态hq。
步骤一：将m个月碳排放数据输入特征通过Min-Max（线性函数归一化）缩放将数据归一化。
步骤二：选择时间步长s=m，使用归一化后的数据构建LSTM网络预测模型，初始化LSTM模型的参数，并采用 Adam算法不断优化、调整预测模型的权重。
步骤三：将目标月份前3周历史数据q1,… ,q21放到训练好的模型做多步滚动预测，得到预测结果1,… ,ˆn。若q1+ …+q21+1+ …+n＞Qtarget（Qtarget是目标月份的碳配额与上个月的碳配额盈余），进入下一步规划低价时买进碳配额。若q1+ …+q21+1+ … +n≤Qtarget，则不进入下一步。
输入2：
[p(1,1)],… ,p(1,100)],… , [p(m,1),… ,q(m,100)]。
输出2：碳交易价格预测模型状态hp。
步骤一、步骤二：分别同碳排放预测步骤一、步骤二。
步骤三：将目标月份前3周历史数据p1,… ,p75放到训练好的模型做多步滚动预测，得到预测结果1, … ,5t，选择 min{1,… ,5t}即最低价格所对应的时间点，购买所需的碳配额即可，此时购买成本局部最小。
4.2.2 算法验证
LSTM算法的有效性在时序相关的实际场景中已应用的较为成熟并得到证明。这里使用 LSTM的方法对碳排放量以及碳配额价格进行预测。碳排放模拟预测部分预测结果如图1所示，平均绝对误差为5.5%。碳交易模拟预测部分的预测结果如图2所示，平均绝对误差为3.9%。
图1 基于LSTM的碳排放预测结果
图2 基于LSTM的碳配额价格预测结果
4.3 预测流程
2021年中国碳交易市场价格呈现两端价格高、成交量高，中间价格低、成交量也低的走势［15］。也就是临近履约时，碳交易价格开始走高，成交量大幅上升；
而中间月份价格比较低迷，成交量也大幅萎缩。
油气公司每到年底都会进行履约，若履约临近时才发现需要从碳交易市场购买大量的碳配额或CCER，则会面临碳配额或CCER价格过高的风险。因此，若每年年初将总碳配额按需分配到每个月，对碳排放和碳配额进行月度管理，则可以大大降低履约成本。每个月碳配额的分配可以基于前一年每个月碳排放的历史数据，碳排放量越高的月份可享有更高的碳配额。
若预测的某月碳排放量小于该月分配的碳配额，则不需要做任何处理，月底时将该月盈余的碳配额匀到下个月。若下个月碳配额有盈余，则继续匀到下一个月，以此类推。若预测的碳排放量大于该月碳配额与上个月结余的碳配额之和，则从碳交易市场上购买超出的碳配额量。在这个月剩余的时间内，选择预测成交价的最低值所对应的交易日时间区间，此日期区间就是购买碳配额的时间点，以保证购买时碳交易成本在最低区间。
当然，预测结果和实际碳排放量不可能完全一致，会存在一定的误差。若购买的碳配额大于实际需要的购买量，可将多买的部分转结到下个月；
若购买的碳配额小于实际需求，则将本月的碳配额缺口增加到下个月的碳配额需求中。预测流程见图3。
图3 碳排放和碳交易预测流程
本文研究了油气公司如何利用物联网、区块链技术构建一个智能化、自动化、透明化的超级碳账本。基于可信的碳账本，公司可以随时了解各部门各环节的碳排放记录，可以对碳排放情况进行针对性优化。同时，区块链的追踪溯源特性也使得公司自动生成的碳排放报告具有极高可信度，方便碳排放管理部门和第三方核查机构的核查。基于可信的碳排放数据，公司可以设定自身的减排目标和方案。
猜你喜欢账本配额排放量碳减排量及碳配额的区别新疆钢铁(2021年1期)2021-10-14天然气输配系统甲烷排放量化方法煤气与热力(2021年6期)2021-07-28鱼粉：秘鲁A季配额低于预期，内外盘短期大幅上涨当代水产(2021年5期)2021-07-21黑龙江省碳排放量影响因素研究高师理科学刊(2020年2期)2020-11-26数说：重庆70年“账本”展示当代党员(2019年19期)2019-11-13鱼粉：秘鲁A季配额公布，国内外鱼粉价格反弹当代水产(2019年5期)2019-07-25丢失的红色账本学生天地·小学中高年级(2018年10期)2018-12-13大树爷爷的账本小学生导刊(2018年31期)2018-12-06丢失的红色账本小学科学(学生版)(2018年1期)2018-01-3150%，全球最富有的10%人口碳排放量占全球一半中国国情国力(2016年1期)2016-11-26