的高度集中区域，已成为我国控碳减碳的重要靶点。碳数据管理是研究分析工业园区碳减排重点 和制定降碳具体措施的重要基础。目前，工业园区碳数据管理基础较薄弱，缺乏相应的制度体系 规范，亟待夯实相关制度流程，指导园区精准度量减碳成效，科学评估部门要素，推动低碳发展。 本报告梳理了现行碳数据管理制度体系（统计、核算、管理、评价体系）存在的一些共性问题和 特性问题，针对现行体系的不足有目的地开展园区碳数据管理制度设计，在清晰界定园区碳数据 界定园区碳数据 管理边界和目标的基础上，开展二氧化碳（以下简称“CO ”）排放源活动水平数据的收集、核算、汇 总、报告、核证，综合形成碳总量和强度数据，进一步提升园区碳数据管理体系的实操性。 2 目 录 CONTENTS 01 前言 附件1：园区碳数据补充调查表 附件2：专有名词解释 研究背景与目标 园区碳数据管理体系框架 园区碳数据管理边界 02 现行碳数据管理制度体系 现行碳数据管理制度体系 统计体系 核算体系 管理体系 评价体系 现行体系存在的问题 03 园区碳数据管理制度设计 园区碳数据管理机制 范围和目标确定 方法学、规范及程序 工作流程 数据收集 数据核算 质量保证及质量控制 报告和数据管理 01 05 08 09 11 13 14 18 20 21 27 28 30 36 22 23 25 16

1 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 [编号 ODCC-2023-02006] 零碳数据中心园区能碳管理系统 白皮书 开放数据中心委员会 2023-09 发布 I 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 版权声明 ODCC（开放数据中心委员会）发布的各项成果，受《著作权法》保护， 编制单位共同享有著作权。 转载、摘编或利用其它方式使用 成果中的文字或者观点的，应注明 来源：“开放数据中心委员会 ODCC”。 对于未经著作权人书面同意而实施的剽窃、复制、修改、销售、改编、汇 编和翻译出版等侵权行为，ODCC 及有关单位将追究其法律责任，感谢各单位 的配合与支持。 II 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 编写组 项目经理： 王元月 北京中科合盈数据科技有限公司 工作组长： 李代程 百度在线网络技术（北京）有限公司 周天宇 北京中科合盈数据科技有限公司 叶雷霖 北京中科合盈数据科技有限公司 何玮 北京中科合盈数据科技有限公司 彭飞 北京中科合盈数据科技有限公司 苗兵杰 北京中科合盈数据科技有限公司 胡辉 北京中科合盈数据科技有限公司 马青云 北京中科合盈数据科技有限公司 于景淇 北京中科合盈数据科技有限公司 毛隆 北京中科合盈数据科技有限公司 杨朝旭 北京中科合盈数据科技有限公司 李洁 中国信息通信研究院

2010-2020 ） • Greenplum 中文社区创始人 • PostgreSQL 中文社区常委 • 清华大学产教融合课程《分布式数据系统基础及应用》 产业方负责人 • 著有《 Greenplum ：从大数据战略到实现》 │ ©202 四维纵横 Confidential 1 目录 l 时序和超融合 l 数字汽车 l 2026 年 IoT 数据市场规模 1000 亿美金，而“ IoT 最大场景 在中国”。而物联网最典型的数据是时序数据。 DB-Engines 过去 24 个 月流行度趋势 2020 年物联网设备超过非物联网设备 │ ©202 四维纵 横 Confidential 1 什么是时序数据 • 时序数据是时间序列数据，即带有时间戳的数据序列。这个序列中的—个数据也成为数据点 的—个数据也成为数据点 （ data point ）， —个数据点通常是—个（ timestamp ， value ）对。 t i m e s e r i e s . . . . . . (ts1,v1) (ts2,v2) (ts3,v3)

未来发展。 一、数据采集与分析 1.1 传感器技术 传感器是智慧工厂中重要的数据采集装置，可以通过感知环境变化并将其转换 为数字信号。AI 技术可以结合大数据分析，对传感器采集到的数据进行实时监控 和分析，从而帮助企业更好地了解生产过程中存在的问题，并及时采取相应措施进 行调整和改进。 1.2 数据挖掘与预测 AI 技术可以通过数据挖掘和机器学习算法，提取出隐藏在海量数据背后的有 价 价值信息，并基于历史数据对未来可能出现的问题进行预测。这为企业的生产计 划、库存管理以及供应链协调等方面提供了有力支持，使企业能够更加精准地做出 决策，减少生产风险。 二、智能化生产与机器人技术 2.1 自动化生产线 AI 技术可以实现智能化的自动化生产线，通过自主学习和智能决策能力提高 设备的自我调节功能。例如，基于视觉识别技术的机器人可以对产品进行质量检 测，并在发现异常情况时自动 协作机器人是一类与人类共同工作的机器人系统，它们通过与操作者进行交互 学习以及与其他设备和系统的实时数据交换，实现真正意义上的协作工作。AI 技 术可用于协助协作机器人的任务分配、路径规划、目标追踪等关键环节，进一步提 高机器人的工作效率和灵活性。 三、智慧物流与仓储管理 3.1 智能调度与路径优化 AI 技术可以通过分析物流运输的相关数据（如货物种类、数量、交通条件 等），自动进行调度和路径优化。这将使企业能够以更低的成本和更短的时间完成

英特尔（中国）有限公司 2023 年 12 月 从云端到边缘端，数据正在出现爆炸式增长，数智技术正在带 来颠覆式创新，物理世界与虚拟世界正在加速融合……变革的 浪潮席卷而过。园区作为产业经济集聚的重要形态与主体，正 在成为新一轮数智化变革的见证者与推动者。通过把握数智化 技术带来的商机，融入蓬勃的数智生态，园区将能够持续挖掘 数据价值，推动业务转型，从而释放创新价值，驱动社会经济 快速发展。 快速发展。 但同时，在数智技术快速发展的背景下，园区数据快速增长， 大模型等创新应用不断落地，这意味着园区需要对云、边缘、 网络等基础设施进行重构或优化，并利用创新的软硬件技术组 合，满足数智园区在计算、存储、网络等关键资源方面的需求， 充分释放数智转型的潜能。 为了助力园区的数智化转型，全国智能建筑及居住区数字化标 准化技术委员会 (SAC/TC426)（简称：全国智标委）与英特尔 联合 智慧化（简称：数智化）技术的驱动下，越来越多的园区倾 向于通过数智园区转型，提升园区的运营效率，创造更高的 数据价值，服务园区内的企业租户与个人用户，同时更好地 驱动区域乃至产业发展。 数智园区是指充分利用智能传感器、边缘计算、人工智能、 大数据、物联网等技术，聚合园区内各个系统、设备的泛在 数据，并通过云 – 网 – 边 – 端的协同处理架构对数据进行高 效处理，从而让园区的建设、运营更加智慧化。在数智园区 内，人、

8000+ 员工（研发 5700 人） 东华软件主营业务领域 微信小程序 + 公众号 可深度定制的移动端解决方案 个体行为特征数据 政府非涉密数据 多样化数据深度挖掘分析能力 无感支付 人脸核身 多行业应用解决方案 东华能力优势 云计算 、大数据 、互联网能力推动传统行业数字化解决方案与产品升 级 东华智慧城市集团： 智慧城市“全栈 ”服务供应商 —— 新型智慧城市投融资 、规划设计 ：东华医为 + 健康乐 + 万兴新锐（ DRGS ） + 瑞客数据（ 生物数据 ） n 企业服务 ：微掌文（ 企业微信服务商 ） + 东华厚盾 + 奇秦科技（ SAP 全球白金 唯一中国企业 ） n 腾讯生态 ：光启元（ 腾讯云 raydata ） + 灵雀云（ 容器原生云 ） n 电商平台 ：味道网 n 数据交易 ：华中大数据交易所 n 研究院 ：东华软件研究院 + 东华智慧城市研究院 技术工程事业 群 腾讯六大事业群 CSIG 云与智慧产业事业群 CDG 企业发展事业群 C 企业微 信 腾讯智慧零售 数据存储 ：累计 1000PB ，日增加 500TB 全球分布 ： 5 大洲 18 大数据中心节点 国际认证 ： IOS27001 ， 22301 ， 20000 等 基础 计算能力 ： SortBen‘chmark 排序全球第一 视觉识别能力

常、订单、市 场波动……） 财务风险评价 商业模式 制度保障 企业文化与效 果 性能策略（财 务） 信息分析能力 資产状态评价 产业创新 流程管控 价值增值 产业链协作 数据有效性及 完整性 运营风险评价 技术创新 资源匹配 学习型团队 KPl 管理 技术及基础设 施 法规风险评价 IT 管控能力 效果评价 价值评估 度量、認証 企业战略 抓痛点：六维度客户成熟度分析 绩效分析 预期 效益 调度排产 控制网络 问题 3 ：控制性能最优 感知网络 数据挖掘 模式识别 指标体系 抓痛点：定位 8 大核心工程问 题 问题 2 ：计划与控制的协同 问题 1 ：基于仿真的优化的平台 问题 8 ：面向企业决策的挖掘 问题 6 ：物理、社会信息的感 知 问题 7 ：异构信息的规范和提 取 问题 4 ：生产绩效指标体系 问题 工 盐 化 工 数 生产信息化管理及业务应用 数据 采集 静 态 企业基础信息 三维图纸 地理信息 扫描信息 文档图片 动 态 实时监控 实时数据 生产运营系统 MES 系统 能管系统 EAM 系统 传感信息 控制层 集团运营数据可视化监控与运营决策辅助 标 准 规 范 体 系 信 息 安

1 设备智能化改造..................................................................................24 3.2 数据采集与分析..................................................................................26 3.3 降低能耗方案 5.1.1 机器学习算法.............................................................................65 5.1.2 数据处理技术.............................................................................67 5.2 物联网技术..... .70 5.2.1 传感器与设备连接......................................................................73 5.2.2 数据传输协议.............................................................................75 5.3 云计算平台.....

势头迅猛，预计未 来仍将保持其作为全球最大石油生产国的地位。美国在整体技术创新、页岩油开发以及油气资源 储备方面具有显著的优势。目前，美国石油石化产业正在大量采用先进的数字技术，如物联网、 大数据分析和人工智能等，提高效率和降低成本，技术创新的主要领域集中在提高采收率、降低 环境影响、开发新的勘探与生产技术等。 ����年，党的十六大报告首次提出：“坚持以信息化带动工业化，以工业化促进信息化，走 果。����年��月，美国《工业互联网战略》发布， 旨在通过物联网（IoT）技术推动包括石化产业在内的制造业能力升级，通过智能传感器、数据分 析和自动化技术，实现优化提效。����年�月，美国能源部（DOE）提出《能源部数字化转型计 划》，重点是利用大数据和人工智能技术，提高能源生产和管理的智能化水平、效率和安全性。 拜登政府也在积极发布政策，大力发展清洁能源和数字技术，推动美国能源产业的转型。 国将更加聚焦提高能源效率、发展可再生能源技术和推动能源转型。 德国在石化领域的产业升级过程中，强调引入人工智能、量子计算等数字技术，推动产业效 率和创新能力的提升。《德国工业战略����》和《德国数据战略》等一系列文件都表明了德国对 包括石化产业在内的各产业数字化和智能化发展的强烈关注，注重依托先进的数字技术优化供应 链管理和生产流程，以保持德国在工业领域的领先地位。 欧洲的石油需求整体上

对市场竞争格局影响不大，但长期看，当大模型对实际应用场景具有支撑作用能力时， 会加速市场变化，故企业需把握大模型机会。3）数据层面：目前市场上数据交易、数据 开放的声音出现比较多，但企业无需纠结是否跟随，重要的是要基于数据（无论是自身 数据还是外部数据）构建自己的行业认知壁垒，即内化数据，完成数据-显性知识-隐性 知识构建的完整链条。 2024年中国制造业数字化转型市场规模达到1.55万亿，市场服务呈现出划分体系更加清 76万亿，并将在未来5年维持14%左右的 增速稳步增长，政策支持、技术进步和市场需求是市场增长的主要驱动因素。就供给市 场提供的服务而言：1）产品侧，产品伴随市场技术更迭而迭代，且产品体系基本走向以 数据或以场景为维度的高度统一；2）解决方案侧，一方面呈现软硬服一体化的态势，另 一方面也呈现出跨模块融合/打通的趋势；3）大模型侧，供给端对大模型的应用探索逐 步深入，主要通过智能体、大模型+大模型的强强联合、大模型+产品的结合等方式纷纷 基础支撑能力基本是其共性举措；2）从需求场景来看，评优和招标市场有所区别：评优 侧更关注生产制造相关环节的具体落地操作；招标侧则多由各市工业和信息化局采购的， 希望通过转型诊断后找到企业在研发、生产作业、数据、组织战略等环节开展诊断工作， 进而给出相应的改造建议，引导企业顺利转型。就需求端的转型现状而言，经过几年发 展企业对数字化转型理性与聚焦并行。理性一方面是指需求端在考虑到实际需求后，在 战略上高度