- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据科学实战
AkShare-能源数据-碳排放-广州
作者寄语 广州碳排放权交易中心心-行情数据 更新接口 "energy_carbon_gz" # 碳排放权-广州 碳排放权-广州 接口: energy_carbon_gz 目标地址: http://www.cnemission.com /article/hqxx/ 描述: 获取广州碳排放权交易中心-行情信息 限量: 全部历史数据 输入参数 名称 类型 必选 描述 - - - - 输出参数 名称 类型 默认显示 描述 日期 str Y
1.3K30发布于 2020-09-25 - 来自专栏数据科学实战
AKShare-能源数据-碳排放交易
作者寄语 该接口汇集了湖北, 上海, 北京, 重庆, 广东, 天津, 深圳, 福建等地区的碳排放数据。 温室气体排放，造成温室效应，使全球气温上升。 更新接口 "energy_carbon_domestic" # 碳排放权-国内 碳排放权-国内 接口: energy_carbon_domestic 目标地址: http://www.tanjiaoyi.com / 描述: 碳交易网-行情信息 限量: 全部历史数据 输入参数 名称 类型 描述 symbol str symbol="湖北"; choice of {'湖北', '上海', '北京', '重庆', '
1.1K30发布于 2021-07-28 - 来自专栏数据科学实战
AkShare-能源数据-碳排放-国际行情
作者寄语 深圳碳排放交易所-国际行情 更新接口 "energy_carbon_eu" # 碳排放权-国际 碳排放权-国际 接口: energy_carbon_eu 目标地址: http://www.cerx.cn /dailynewsOuter/index.htm 描述: 获取深圳碳排放交易所-国际碳情 限量: 全部历史数据 输入参数 名称 类型 必选 描述 - - - - 输出参数 名称 类型 默认显示 描述
87920发布于 2020-09-17 - 来自专栏数据科学实战
AkShare-能源数据-碳排放-深圳
作者寄语 深圳碳排放交易所-国内碳情数据接口 更新接口 "energy_carbon_sz" # 碳排放权-深圳 碳排放权-深圳 接口: energy_carbon_sz 目标地址: http://www.cerx.cn /dailynewsCN/index.htm 描述: 获取深圳碳排放交易所-国内碳情 限量: 全部历史数据 输入参数 名称 类型 必选 描述 - - - - 输出参数 名称 类型 默认显示 描述 交易日期
77230发布于 2020-09-17 - 来自专栏数据科学实战
AkShare-能源数据-碳排放-湖北
作者寄语 湖北碳排放权交易中心-行情数据 更新接口 "energy_carbon_hb" # 碳排放权-湖北 碳排放权-湖北 接口: energy_carbon_hb 目标地址: http://www.cerx.cn /dailynewsOuter/index.htm 描述: 湖北碳排放权交易中心-现货交易数据-配额-每日概况 限量: 全部历史数据 输入参数 名称 类型 必选 描述 - - - - 输出参数 名称
80820发布于 2020-09-25 - 来自专栏数据科学实战
AKShare-能源数据-碳排放权
作者寄语 本次更新主要是修复之前的碳排放的数据接口，对数据进行清洗并规范了返回的数据格式。 更新接口 "energy_carbon_domestic" # 碳排放权-国内多地方 "energy_carbon_bj" # 碳排放权-北京 "energy_carbon_sz" # 碳排放权- 深圳 "energy_carbon_eu" # 碳排放权-国际 "energy_carbon_hb" # 碳排放权-湖北 "energy_carbon_gz" # 碳排放权-广州 碳排放 碳排放权 -北京 接口: energy_carbon_bj 目标地址: https://www.bjets.com.cn/article/jyxx/ 描述: 北京市碳排放权电子交易平台-北京市碳排放权公开交易行情 16.28 16.28 16.28 16.28 1 16.28 3 2022-01-21 SZA-2015 16.02 19.58 16.02 16.62 16.02 6
88240编辑于 2022-03-15 - 来自专栏科技云报道
AI大模型背后，竟是惊人的碳排放
AI大模型，正在成为碳排放的一个重要来源。 排放估算的制造成本包括制造所有相关组件（从芯片到数据中心建筑）所排放的嵌入碳。 AI助力降低碳排放 尽管AI大模型是碳排放大户，但以AI为代表的前沿科技也正在为降碳减排做出贡献。 以交通行业为例，2020年中国交通行业的碳排放估测量为10.4亿吨，占全国总体排放的9%。 据《碳中和产业发展白皮书》显示，在预测排放方面，AI 能够根据当前减排工作和需求，预测未来的碳排放量，同时为碳排放定下排放量指引。
1.1K20编辑于 2023-07-24 - 来自专栏好奇心Log
14个碳排放数据库汇总（附链接）
碳排放数据哪里找？今天给大家梳理了13个权威且较常用的数据库。 1. 全球实时碳数据（Carbon Monitor） 简介：全球实时碳数据库涵盖全球电力、工业、地面运输、航空运输、居民消费等部门排放的高分辨率活动数据，覆盖了以日为分辨率的全球二氧化碳排放量，是目前唯一能够提供日分辨率全球碳排放空间展示的数据平台 实时全景碳地图在基于全球实时碳排放数据库的基础上进一步实现了全球最高时空分辨率的碳排放可视化呈现。"实时全景碳地图"覆盖了中国所有地区。 数据下载地址：https://www.iea.org/data-and-statistics/data-product/world-energy-outlook-2021-free-dataset 6. 具体来看，EDGAR包括分国家碳排放总量、分部门排放量、单位GDP排放量及人均排放量。在其2020报告中，列出了1990-2020年期间的化石二氧化碳排放以及人均和GDP趋势。
11.8K21编辑于 2022-04-12 - 来自专栏存储知识
存储资源盘活系统有效降低IDC机房碳排放
某机房的基本信息如下：机柜数 1120架；单机柜功率 5kw；年平均PUE值（ Power Usage Effectiveness 电源使用效率） 1.35；运维人员数量 40；机房自带柴油发电机数量 6。 以上能耗折合成标准煤要消耗19980吨，排放55382吨二氧化碳。此时，打算新建一个能够提供相同标准服务的机房，但装载了存储资源盘活系统。 以上能耗折合成标准煤要消耗12849吨，排放22406吨二氧化碳。 由此得出，使用存储资源盘活系统可以给该服务标准的机房每年降低至少1134万元的预算，减少7131吨标准煤消耗、减排32976吨二氧化碳，相当于4228个四口之家全年的碳排放。 在保证性能的前提下大幅度降低了碳排放。实现“双碳”目标，不仅对全球气候治理具有至关重要的作用，更是数据中心和5G等新型基础设施建设发展的政策导向和必经之路。
1.2K50编辑于 2022-09-08 - 来自专栏腾讯云原生团队
Crane 发布国内首个云原生应用碳排放计算优化器
根据国家定义发布的碳排放因子，即每度电对应的碳排放量，计算工作负载运转对应的碳排放量。 除展示当前功耗和碳排放量以外，Crane 同时提供优化建议，以及优化后的功耗和碳排放推算结果。 Crane 希望通过推出碳排放优化器来唤醒用户环保意识，辅助有明确减排目标的企业针对云原生应用量化不同工作负载的碳排放现状和可优化空间，以及辅助企业理解碳排放现状，制定现实可行的减排战略，并通过一站式优化手段达成减排目标 提供商 服务器型号 处理器 总核数 平均最低功耗（Watts） 平均最高功耗（Watts） Inspur Corporation Inspur i24LM6 Intel Xeon Platinum 8368Q 区域因子在新版指南中去掉了，因此无论所处地域，未来国内碳排放测算都使用统一排放因子。 ，降低数据中心的电费开销、减少碳排放。
2.6K20编辑于 2022-12-15 - 来自专栏SaaS加速器
直播预告 | 优也对话腾讯：没什么碳排放的鹅厂为什么要关心碳中和？
6月8日19:30-21:00，腾讯SaaS加速器一期同学企业-上海优也信息科技有限公司携手联合国工业发展组织上海·ITPO主办“科技创新 零碳未来”系列直播活动。 此前，《中国上市公司碳排放排行榜（2021）》在京发布，榜单显示，电力、钢铁、水泥与化工是我国当下碳排放量最大的四大行业。 其中，如华能国际（电力）、中国建材（水泥）、中国神华（煤炭）、宝钢股份（钢铁）等碳排放总量最大的十家上市企业，合计排放量约占全国碳排放总量的20.56%。 而在产业端，腾讯则发力于碳核查、智慧建筑、综能云平台等领域，以数字化助力产业低碳转型。 实际上，腾讯本身的碳排放体量并不高，在2021年，其总碳排放量仅为511.1万吨。 直播时间： 6月8日 19:30-21:00 主播主题： 产业互联网，赋能碳中和 ——《没什么碳排放的鹅厂为什么要关心碳中和》 直播即将开始，还等什么？马上预约直播吧！
79220编辑于 2022-06-08 - 来自专栏GEE遥感大数据学习社区
论文推送 | CarbonVCA：地籍地块尺度下的城市碳排放与“碳达峰”预测框架
因此，为实现碳排放峰值的目标，评估中国的城市碳排放至关重要。 减少碳排放的关键在于城市的实施严格的低碳政策，而预测城市未来碳排放量则是制定减排目标的基础。 ；4）碳排放量预测：根据不同用地类型的碳排放系数与未来用地空间分布情况，完成地籍地块尺度的碳排放量预测。 图 5 三种发展场景下深圳市各区碳排放量变化的趋势 深圳市三种场景下2060年的碳排放量的空间分布结果（图6A、B和C）表明，实现“碳达峰”可能会给郊区的基础设施建设带来新的挑战。 此外，本研究进一步统计了三种场景下2015年至2060年各个时期的各土地利用类型的碳排放变化量（图6a、b和c）。 图 6 三种发展场景下深圳市碳排放量空间分布（A、B和C）与变化情况（a、b和c） 06 结论 本研究提出了一套“自下而上”的地籍地块尺度的碳排放量预测框架（CarbonVCA）。
1.3K21编辑于 2023-08-17 电力碳排放计算方法的革新与云技术应用
如何计算电力碳排放至关重要应对气候变化影响是我们这个时代最大的挑战。迎接这一挑战需要各国和各行业之间的创新与合作。为此，在2019年，某中心共同创立了"气候承诺"，致力于在2040年前实现净零碳排放。 然而，为了确保我们的努力能导向最有效的干预措施，我们需要基于最佳可用数据进行碳核算。电力产生的碳排放因时间和地点而异，这使得测量工作变得复杂。 因此，仅基于其所在位置和消耗时间，相同的新太阳能或风能项目产生的每兆瓦时电力可以替代两倍的碳排放。基于排放的核算方法之优势基于排放的核算方法有几个好处。 它认可能够实现排放避免的新兴技术，如电池储能、绿色氢气和其他新兴的无碳能源。它鼓励企业尽可能快速且经济有效地减少全球电网的碳排放。 它将加速并扩大全球社区的公平能源转型，使其能够从企业对无碳能源项目的投资中受益。此外，所有规模的组织和机构都可以使用这种方法，确保中小企业继续采取措施减少自身的排放。
11710编辑于 2026-01-20- 来自专栏新智元
「AI配比」混凝土经Meta数据中心测试，减少40%碳排放
利用AI计算出来的混泥土配方，可以减少40%的碳排放。 这项研究是由高校和企业合作完成，美国南加州大学电子与计算机工程系的Xiou Ge为第一作者，Meta、IBM等研究中心均参与其中。 这样任意配比的混泥土，每年产生的二氧化碳约占全球碳排放量的8%。 现在，科学家通过AI创建混凝土配方，以最大限度地减少环境负担，同时满足工程性能要求，包括抗压强度等。 研究表明，CVAE可以设计出比现有配方碳排放低得多的AI混凝土配方，实验通过生成更好的样本，从而实现了碳排放量减少。 这是5种AI生成的混凝土试验抗压强度结果，以及相应的碳排放量统计。 研究表明，使用这个模型生成的混泥土配方，碳排放量与原有数据进行对比，AI混凝土配方大约将二氧化碳排放量减半。 在第1种方案中可见，原来282.36m³的碳排放，减至154.11m³，少了近一半。 参考资料： https://arxiv.org/abs/2204.05397
97930编辑于 2022-05-05 - 来自专栏人工智能快报
人工智能与3D打印将帮助降低碳排放
每年，全球海运和航运产生的二氧化碳排放量分别为10亿吨和7.81亿吨。预计3年内运输业产生的二氧化碳量将占全球的17%。“绿色技术”方案——包括3D打印、人工智能与机器学习等或将帮助降低这些数值。 由于3D打印技术能极大地降低产品的碳足迹，制造商能利用这一技术更好地满足消费者对可持续商品的需求。
1.1K60发布于 2018-03-15 零碳园区建设指南：MyEMS 如何用数字化破解能耗与碳排放协同管理难题？
），自动将能耗数据转换为碳排放量（tCO₂），生成符合国际标准的标准化报告。 碳资产化与国际合规：实时跟踪碳配额与实际排放差额，自动提示碳交易机会。 ，实现能耗与碳排的实时监测，快速定位高耗能、高碳排环节；优化提升阶段（3-6 个月）：上线 AI 优化与源网荷储联动功能，结合电价与碳价波动，制定动态用能策略，同时完善碳核算体系，对接碳市场与政策平台 ；生态拓展阶段（6-12 个月）：通过二次开发集成供应链碳管理、虚拟电厂参与等功能，推动园区从 “自身零碳” 向 “产业链零碳” 延伸，同时利用开源社区资源持续迭代算法，适配氢能、V2G（车网互动）等新技术 五、结语：数字化是零碳园区的 “核心引擎”零碳园区建设并非单纯的技术堆砌，而是以数字化打通能耗与碳排放的协同管理链路。
38110编辑于 2025-10-09- 来自专栏AI SPPECH
138_绿色计算：碳排放优化 - 估算部署的碳足迹与LLM环境友好型部署最佳实践
本文将从碳足迹估算、能源效率优化、绿色计算策略等多个维度，全面探讨LLM部署中的碳排放优化技术。 第一章 LLM部署的碳足迹评估模型 1.1 碳排放的计算基础 在评估LLM部署的碳足迹之前，我们需要了解碳排放的基本计算原理。 对于LLM部署，主要涉及以下碳排放来源: 直接排放: 数据中心运行产生的排放，如电力消耗转化的碳排放 间接排放: 服务器制造、运输、冷却系统等产生的排放 范围排放: 根据GHG协议，可分为范围1(直接排放 )、范围2(能源间接排放)和范围3(价值链排放) 碳排放的基本计算公式为: 碳排放量(CO₂e) = 能源消耗(kWh) × 碳排放因子(kg CO₂e/kWh) 对于LLM部署，我们需要考虑以下关键参数 ：评估数据中心的碳排放强度 计算：总碳排放量 / 计算能力（通常以kWh或TOPS为单位） 单位：kgCO₂e/kWh或kgCO₂e/TOPS 帮助识别高碳排放区域和时段 热点检测与气流分析：识别冷却效率低下区域
28610编辑于 2025-11-16 - 来自专栏一个有趣的灵魂W
好文速递：碳排放交易是否减少了中国的 PM2.5？
Has Carbon Emissions Trading Reduced PM2.5 in China碳排放交易是否减少了中国的 PM2.5？ 摘要： 今天的中国迫切需要制定低碳政策，同时解决当地的空气污染问题。本研究使用差异中的差异模型来估计直接解决 CO2 排放的中国排放交易计划 (ETS) 也通过减少 PM2.5 产生协同效益的程度。 （3）中国碳交易试点在碳交易量大、碳交易价格高的地区协同效益更大。(4)中国ETS造成的PM2.5浓度降低，每年可能避免23363人死亡，节省413.8亿美元的GDP。 月度碳价格、交易量和CCER数据来自七家碳排放交易所的日交易数据。关于上限变量，在表 S1 中的数值中，只有重庆、湖北、广东和上海（2016-2017）来自政府文件。 这可能减少了化石燃料消耗，但也导致了 SO2 排放、烟尘（粉尘）排放和水污染的减少，以及经济发展的重点从第二产业转移到第三产业。
82730发布于 2021-07-05 - 来自专栏深度学习与python
生成式 AI 碳排放堪比开车往返月球？这个问题该如何解决
人们也越来越关注这些模型的能源使用和相应的碳排放。最近几个月又出现了一些关于碳排放的比较。 例如，在一篇文章中，作者戏谑训练 GPT-3 的碳排放等同于开车往返月球，另一篇文章则解释说训练人工智能模型比飞机长途飞行排放更多的碳。 生成式人工智能的碳排放是否被夸大了？ 人们对生成式人工智能碳排放的担忧可能被放大了。 蒸馏技术需要训练两个模型，因此很可能会增加与模型训练相关的碳排放，不过它会通过减少模型在使用中的碳排放来弥补。 例如，在试验模型架构时，测试用例可以立即报告精度和碳排放，从而更容易找到正确的架构并选择正确的参数，以满足精度要求，同时最大限度地减少碳排放。 同样需要注意的是，实验本身也会导致碳排放。
50830编辑于 2023-10-08 - 来自专栏气象杂货铺
清华大学地学系刘竹研究组发布全球首个近实时碳排放地图
除了关注碳排放量大小，更需要了解碳排放来源、碳排放变化以及未来发展趋势。碳排放地图可以提供碳排放关键地理位置信息，是应对气候变化研究中的核心数据。 然而，当前的碳排放地图由于受到技术上的限制，仅能空间展示逐年历史排放数据，难以反映碳排放的时空动态演化。 全球碳减排与碳中和目标依赖于及时、准确、可靠的碳排放动态监测及政策评估，因此迫切需要建立一种新的碳排放时空定量表征范式。 图1 全球及其重点排放区域2019年1月至2021年6月的碳排放实时动态变化（A.东亚地区，B.美国主体，C.欧洲，D.南亚） GRACED覆盖了全球重点城市在内的关键排放区域，并量化表征分部门排放的时空动态特征 以北京为例，GRACED捕捉到北京市的地面交通在2020年1月底，因受疫情影响，碳排放下降显著；6月底，因北京新发地疫情的爆发碳排放也有所下降；10月初，因十一假期北京市市民外出旅游，市内交通碳排放量出现明显下降
1.2K10编辑于 2022-09-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号