碳盘查还能有什么大用?

如今在国内外政策当中,碳数据披露已经越来越多成为一个合规底线。在国内正在构建“碳排放双控”制度体系,相关重点行业都展开了碳足迹数据的规则和工具的开发。在国际上,欧盟正在逐步落地的一些规则(如Digital Product Passport、CBAM等),也要求企业提供高质量的碳数据。

但是碳数据的成本依然高。尤其涉及供应链(范围3)的碳数据,或者数据的国际互认,就需要更高质量、更高成本的碳数据。对于此,很多企业还持观望态度。

最核心的问题在于,碳数据除了完成合规还能有什么大用?一些从业者说碳盘查就像屎上雕花,表面上一丝不苟,实际上并不改变企业拉跨的现状。那些真正找一块玉石来雕花的企业又是怎么想的呢?为什么真的会有企业执着于建设高度数字化的碳管理体系?

关键在于,如何从碳数据当中挤出更多的汁来。如今一些头部企业开始用高于合规标准的高水准,来投入建设碳足迹治理体系。例如联想、协鑫集团、宁德时代以及西门子、宝洁等国际大厂在各自的行业中做出了高水准的碳数据治理体系。这种自发动力一定有其深层原因。

原因有哪些呢?着陆TouchBase抱着这一疑问,拜访了协鑫集团。集团在风光储氢、源网荷储一体化的新能源产业链上有整体的布局,旗下有4家上市公司。协鑫在2024年发布了“协鑫碳链”,这是一个高度精益的碳管理平台。

我们希望为三个问题找到答案:

第一,就碳数据治理而言,成本和收益的天平在怎样摆动?

第二,以协鑫集团而言,为什么不依赖第三方提供的碳盘查服务、碳盘查数字化工具,也不满足于行业共建的碳数据平台,为什么选择付出更多的投入来自建一个?

第三,协鑫遇到的难题和解法是什么?

01

合规之上的收益

目前企业做碳管理数字化的主要动机,依然关乎合规。由于国内和欧洲都针对一些行业的碳数据提出了要求,这些行业开始采取行动。

在欧盟,对产品碳数据提出要求的制度体系,包含可持续发展报告指令(CSRD)、碳关税(CBAM)和产品数字护照(DPP)。其中CSRD面向企业,CBAM和DPP面向产品。CBAM针对的主要是比较基础的能源和原材料,相比之下DPP针对的是下游产品,例如电池、电子产品、纺织品等。对于这些产品,DPP将在2025年逐步提出要求,要求提供产品的ESG数据,并且确保数据的可信、可溯源。被DPP要求覆盖的产品由于供应链更为复杂,碳管理需要借助数字化工具来实现。

碳盘查在最原始的情况下,要从不同的工厂、产线、设备上去查数据,记下来,并且把数据汇总。越是规模庞大的企业,数据点就越多,盘查的工作就越繁杂,成本变高。另一方面,数据多了,出错的概率变高,数据的准确性和标准的一致性难以保证,且出错之后难以回溯、追责。

没有进一步的减碳雄心的企业,往往看不到碳盘查的必要性,或者盘查只是为了合规。然而,即便是相关的法规,也希望企业在盘查之后,利用获取到的碳数据来实现碳管理。当碳数据细化、积累到一定程度,就可以做对比分析。企业从而能够针对性地采取管理手段(如优化工艺、采用低碳技术、更换供应商),把碳足迹优化得越来越低。

在欧盟,DPP预计到2027年对首批产品类型提出数值上的门槛,中国的碳排放双控在2030年之后落地。

碳数字化的投入,同一般的数字化投入或ESG投入一样,有一个成本的回收期。如下图所示,随着投入的进展,收益将逐渐转正。

ESG投入对企业收益影响的“倒S形曲线”  图源 | 中金公司

然而企业真正想知道的是,自己需要承受的最大代价(图中的E1点)有多少,什么时候开始得到正收益(图中的Pt1点),收益最大又能有多少(图中的E2点)。当然这些数值是因企业而异的。

曾经有纺织业的从业者告诉着陆TouchBase,虽然看起来很多第三方技术机构、咨询机构在做碳数据的解决方案,似乎企业拿来用就可以了。但事实上,即便最顶尖的数字化服务商,其中的软件工程师最多就百十名,能分给一个行业、一个企业的人力和时间是非常有限的。而如果企业需要高质量的碳数据治理系统,尤其是那些原料多样、工序复杂,或者产品丰富的产业(比如纺织业、3C电子、造车业等),就得做好长期投入的觉悟。没有“拿来即用”的解决方案。

尤其像纺织业这样比较传统的行业,供应链上有大量的作坊式企业,数字化要补的课很多。需要花钱买设备、安装软件、调整组织、培训工人,才有条件把供应链上的数据收集起来。在这种行业,碳管理的供应链穿透不是一年两年就能搞定的。

然而对于不少供应链上的中小企业(SMEs)而言,它们越来越有意愿在数字化上补课。因为那些最在乎供应链数字化和减碳的大厂,往往也是最顶尖的链主品牌,比如苹果、优衣库、西门子等等,加入其供应链是很多SMEs求之不得的事情。大牌链主订单量更大、更稳定,信誉好,回款快。

如今很多负责任的链主,还会对供应链企业的碳数字化提供融资和激励,比如优先回款。

这是一个好的趋势,其根源在于链主企业开始在碳管理数字化上面加大投入。

那么,大企业们又图什么呢?

问题的关键仍在于前述的“S曲线”,企业之所以会自发地、用极高的标准去建设供应链碳管理体系,是因为看到了足够大的利益回报

02

为什么自建“碳链”

在2024年6月,协鑫集团发布了“全球首条光伏碳链”——协鑫碳链。目前只有少数企业把自己的供应链碳管理平台叫作“碳链”。这个名称并不为很多人所用,但确实更为简洁。

就协鑫的例子而言,“碳链”和“区块链”“供应链”都有关系。在官方话术当中,协鑫碳链的强项首先就包括了“基于区块链技术”“穿透光伏产品六层核心产业环节的深度溯源”。但这些说法还是过于高大上了,令局外人看不懂其中的逻辑和动因。

着陆TouchBase了解到,集团之所以在碳链上舍得投入,首先与协鑫集团作为一个“另类卷王”关系巨大。

“说到底,协鑫的路线就是‘别人卷价格,我们卷技术;别人学技术,我们卷零碳’。”近日,协鑫集团董事长朱共山在接受《中国企业家》的采访时总结道。

颗粒硅技术是协鑫“卷技术、卷低碳”的最大成果。在多晶硅领域,协鑫经过大约10年的研发,使颗粒硅在品质上达到与通行的棒状硅方法平分秋色的程度,同时把电耗砍到棒状硅的3成,碳排放砍到不及棒状硅的一半。

2025年初协鑫科技发布公告,称颗粒硅的成本已经下探到28元/公斤。而市场上棒状硅的成本通常在40元/公斤上下。2024年以来协鑫的颗粒硅开始放量,大有颠覆之势。

光伏组件生命周期各环节的碳排放,其中传统方法制造的高纯多晶硅是碳排放的大头。

图源 | 《光伏组件碳足迹及低碳发展报告》

颗粒硅同时具有成本优势和低碳优势——其中,对于终端买家来说低碳优势更加显著一些。因为一般来讲,硅料的成本占到整体光伏组件的10%左右,但碳排放约占40%。所以碳排放的压降对于组件碳数据的影响更为显著。

但低碳优势需要令人信服的证明。“最终市场上交易的是光伏组件产品,怎么让组件的买家感受到产品各环节,尤其是上游硅料端的低碳价值,光说是不行的。我们需要拿经过认证且不可篡改的数据来说话。”协鑫集团的ESG总监杨佳莹告诉着陆TouchBase。

然而硅料在整体光伏产业链当中处于很上游的位置。把上游的碳数据算入整体的产品碳足迹,那么全链条的数值质量就得都提上去。这就使得建设一条高质量的“碳链”成为必要。说到底,协鑫碳链要服务于集团“绿色协鑫”和“科技协鑫”战略,从低碳角度强化相关产品的绿色竞争力。

协鑫集团光伏组件的六个核心工艺环节

协鑫碳链1.0的建设是由集团中的协鑫科技、协鑫集成两家上市公司共同牵头完成的,而协鑫碳链2.0的覆盖面更广,联合了集团旗下多家上市公司来进行。其中协鑫科技主营颗粒硅的生产,协鑫集成主营光伏电池片、组件制造,协鑫能科主营光伏电站运营及运维。

值得注意的是,光伏行业当中也存在行业共建的碳管理平台,这同许多其他行业的情况类似。这类行业性平台最大的优势在于成本,全行业把一些重复性的建模和测量工作放在一起做,为成员企业节省了一定的成本负担。

然而行业性的碳管理平台的颗粒度和灵活性存在限制。这类平台的规则制定职能是落在行业协会身上的,对于单个企业一线的需求和变化情况很难第一时间做出反应。它的管理颗粒度常常不足以胜任较高频次碳管理的需求(比如每月复盘一次供应商碳数据,并且进行针对性优化)。

所以如果某些企业在碳管理方面更具野心,希望在管理标准方面掌握自主性,并且用精益生产的精神去做碳管理,就需要更灵活、更自主的自建系统。

而且协鑫碳链的末端链主协鑫集成作为出海企业,需要直接对接国际核算标准,在实景数据的占比、供应链可追溯性等指标上尽可能做到位。

协鑫碳链一个有意思的地方在于,这个碳链是“双中心”的。它既服务于上游颗粒硅(协鑫科技)的低碳竞争力向下游传导,希望采购颗粒硅的外部组件厂商(协鑫科技的下游)也使用这个系统;同时,它又服务于链主协鑫集成的绿色供应链,希望把各个为协鑫集成供货的上游纳入系统。

或许这种结构性的张力,使得协鑫碳链被创造性地构建成一个去中心化的系统,被开放给产业链相关的厂商来管理上下游的碳排放。“所有的信息是放在联盟链上的,任何单个用户都是无法改动的。我们所有合作的供应商都可以上这个链,但同时大家都是背靠背的,数据的使用需要互相的授权。”协鑫碳链的负责人、数字化运营高级总监张舸向着陆TouchBase解释道。目前协鑫碳链上线了大约17家供应商,其中协鑫集团内部3家。

碳管理系统通常都需要“产业、技术、认证”三方共建。协鑫碳链的三方,目前是协鑫集团、蚂蚁数科、TÜV莱茵。

在张舸看来,协鑫碳链正在孵化一个欣欣向荣的碳管理生态。因为协鑫碳链的数据足够细,在有了两年的数据积淀之后,链上可以做很好的横向与纵向的对比分析。即,纵向对比一家厂子的不同时段的能耗和碳排,以及横向给不同供应商的碳绩效排名。目前,很大一部分分析监控工作,被交给了AI来完成,其数据的颗粒度能精确到日。

“有了这个东西,你去承诺每年要降碳多少百分点,才不会通过拍脑袋决定。”张舸指出,“而且我们已经感受到了,只要是你降碳了,你的本一定也是在降的。”

所以,协鑫碳链也让协鑫看到了很多行业做减碳工作时梦寐以求的东西:由降本驱动的减碳

最后,协鑫碳链还打开了绿色金融上的可能性。这又一次关系到之前出现的“倒S形曲线”,绿色数字化的投入有一段投入回收期,但是一些绿色金融的产品可以帮助抹平这个曲线,前提是存在足够准确可信的关键指标测量方法。而碳链正好能够提供这样的方法。

03

碳链的坎

着陆TouchBase注意到,协鑫碳链克服了很多企业觉得非常困难的阻碍。其中两个大的阻碍,一是供应链穿透的难度,二是从“盘查”过渡到“管理”的难度。

协鑫碳链的强项之一在于“穿透六层生产环节”。通常对于产品生产商来说,往上游越远的生产环节,就越难以沟通和控制,建设碳数据系统时也就难以做到齐心合力。

而协鑫碳链能够做到六层穿透、覆盖光伏组件上游的全部生产环节,很大程度上归因于协鑫集团在光伏产业链上垂直整合的基本盘。

另一个值得注意的地方在于,从“碳盘查”到“碳管理”,协鑫只用了大概半年的时间。这看似自然承接的两件事,在实际操作中,大量行业常常需要耗时两年甚至更久。

因为就供应链碳盘查来说,从动员供应商加入,到设计、建设、标准对齐,需要大量的时间精力投入。很多行业最开始建立的系统可能没有那么灵活高效,一个季度、乃至一年才汇总一次数据。数据积累得慢,没有对比分析的余地,也就无从管理。

张舸解释说,碳链之所以能快速从“碳盘查”过度到“碳管理”,确实是因为协鑫集团整体上具备很好的数字化基础。“数字协鑫”多年来是集团大的战略之一。供应链碳管理所需要的ERP(企业资源规划)、MES(制造执行系统)、EMS(电能管理系统)等等前置的数字化基础,协鑫在多年前就已经部署就位。

此外张舸指出,协鑫的高速度离不开人的因素。“朱老板的根打得扎实,平台建得好,能留住人。在集团做了15年、20年的,多的是。老人就能把标准守下来,然后能贯彻,能执行。”

由于集团各个子公司、各业务线的人,多是并肩作战多年的老同事,互相之间在规则和行事方式上有深度的默契,所以新的业务不需要做太多的动员、说服工作,就可以在集团当中跨界开展。协鑫集团特有的人力资源优势,对于协鑫克服供应链穿透、碳管理的加速落地两个大难题都具有重要助力。

协鑫碳链的建设被规划为四个步骤。目前碳链处于2.0阶段,即从碳盘查、数据溯源迈入了碳管理,从产品碳管理迈入组织碳管理,并且努力纳入更多的产业链伙伴。

碳链3.0、4.0的未来规划,与光伏产业的可持续发展保持相同的步调。

其中,协鑫碳链3.0的核心规划是纳入光伏全生命周期的核算与管理,把光伏回收纳入管理范围。我们将在未来几年迎来光伏组件的退役潮,急需光伏回收产业的规范化,其中碳管理不可或缺。

而碳链4.0则计划将更宽泛的新能源产业纳入管理范围,不仅包含其他形式的清洁能源和设备,也包含与之配套的能源管理、电力服务、电力交易、碳交易等。

很少有企业有心思把一个碳管理平台想得这么远。而协鑫之所以想得这么远,本质上是希望集团在推进新能源技术与服务一体化大业的时候,在碳数字化的问题上不要被拖后腿,并且如果能用低碳来卷赢对手,就更好了。

撰文 | 袁子奇

编辑 | 国佳佳

排版 | 张嘉嘉 魏语晗

题图来源 | MIT Technology Review

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
<think>好的,用户现在问的是“还什么盘查思路”,看起来他们之前已经询问过关于根目录/dev/vda3的问题,并且现在想进一步了解其他可能的排查方法。我需要回顾之前的对话,确保这次的回答补充之前的建议,而不是重复。 首先,用户可能遇到了磁盘空间异常的问题,比如显示已用空间和实际不符,或者突然的空间不足。之前的回复已经覆盖了文件系统类型、LVM、云磁盘特性等方面,所以现在需要扩展其他可能的排查方向,确保全面性。 接下来,我需要考虑常见的磁盘问题排查步骤,除了之前提到的,可能包括隐藏的大文件、日志文件、挂载点问题、inode使用情况、容器或虚拟机的存储占用、系统备份或快照、硬链接问题、内核未释放空间、磁盘损坏检查、审计日志等。 用户可能是系统管理员或开发人员,负责维护服务器,尤其是云环境中的实例。他们可能需要更深入的排查方法,或者对某些特定场景(比如容器)不太熟悉,所以需要详细解释每一步的操作和可能的影响。 另外,用户可能希望得到具体的命令示例,这样可以直接在服务器上执行,所以需要提供可操作的代码块,并注明风险提示,比如删除文件或执行高危操作前的备份建议。 还要考虑用户可能没有提到的潜在问题,比如僵尸文件、动态挂载的卷、用户配额限制等。这些都需要涵盖在补充思路中,确保覆盖所有可能性。 最后,需要结构清晰,分点列出,方便用户逐步排查,同时用Mermaid流程图总结步骤,帮助他们快速理解整个流程。确保语言简洁,技术点准确,避免使用过于专业的术语,必要时进行解释。</think>以下是针对存储空间异常的补充排查思路,从系统层到应用层逐步深入分析: --- ### 一、隐藏空间消耗源排查 #### 1. 查找被删除但未释放空间的文件 ```bash # 查找被进程占用的已删除文件 lsof -nP | grep '(deleted)' 2>/dev/null # 案例:/var/log/nginx/access.log 被 rm 删除后, # 若 nginx 进程未重启,文件描述符仍持有该文件, # 空间不会被释放 ``` #### 2. 审计日志暴增 ```bash # 检查高日志量目录 du -sh /var/log/* | sort -rh | head -n 10 # 特别关注: # - journalctl 日志:journalctl --disk-usage # - Docker 日志:ls -lh /var/lib/docker/containers/*/*-json.log ``` --- ### 二、特殊存储场景排查 #### 1. OverlayFS 层叠加 (容器场景) ```bash # 检查 Docker 存储驱动 docker info | grep "Storage Driver" # 查看 overlay2 占用 du -sh /var/lib/docker/overlay2/* | sort -rh | head ``` **风险点**:容器层未清理的临时文件或悬空镜像(`docker system prune`) #### 2. 稀疏文件 (Sparse File) ```bash # 检测稀疏文件真实大小 du -sh --apparent-size /path/to/file # 案例:虚拟机磁盘文件(qcow2)可能显示 100GB, # 但实际仅占用 30GB 物理空间 ``` --- ### 三、元数据维度排查 #### 1. 索引节点(inode)耗尽 ```bash # 检查 inode 使用率 df -i / # 定位小文件密集目录 find / -xdev -type f | awk '{print $NF}' | \ awk -F/ '{print "/"$2}' | sort | uniq -c | sort -rn ``` #### 2. 扩展属性占用 ```bash # 检查文件扩展属性(xattr) getfattr -d /path/to/file 2>/dev/null # 案例:SELinux 安全上下文、文件签名等元数据 # 可能导致存储统计误差 ``` --- ### 四、存储栈逐层验证 ```mermaid graph LR A[应用层] --> B[文件系统] B --> C[逻辑卷(LVM)] C --> D[分区表] D --> E[物理/虚拟磁盘] 排查顺序: E --> D --> C --> B --> A ``` #### 具体操作: 1. **物理层验证**: ```bash # 检查磁盘 SMART 状态(物理机有效) sudo smartctl -a /dev/vda ``` 2. **分区对齐检查**: ```bash # 查看分区起始扇区 sudo parted /dev/vda unit s print ``` *异常现象:未对齐的分区可能降低空间利用率* --- ### 五、高级工具辅助分析 #### 1. 可视化空间分析 ```bash # 安装 ncdu 工具 sudo apt install ncdu -y # Debian/Ubuntu sudo yum install ncdu -y # CentOS/RHEL # 交互式扫描 ncdu / --exclude /mnt ``` #### 2. 实时空间监控 ```bash # 监控指定目录变化 inotifywait -m -r --format "%w%f" /var/log | \ xargs -I{} du -sh {} ``` --- ### 六、非常规情况排查 #### 1. 内存虚拟盘占用 ```bash # 检查 tmpfs 挂载点 df -h | grep tmpfs # 案例:/dev/shm 或 /run 可能占用内存空间, # 但不会体现在物理磁盘统计中 ``` #### 2. 加密文件系统开销 ```bash # 检查 LUKS 加密卷 sudo cryptsetup status /dev/mapper/luks-xxxx ``` *影响:加密头元数据可能占用额外空间* --- ### 七、总结排查流程图 ```mermaid graph TD A[发现空间异常] --> B{是否 df 与 du 结果矛盾?} B -->|是| C[检查未释放文件/lsof] B -->|否| D[检查 inode 使用率] C --> E[重启相关进程或服务器] D --> F[清理小文件] A --> G[是否云服务器?] G -->|是| H[检查虚拟磁盘实际分配] G -->|否| I[检查 LVM/SMART] A --> J[是否容器环境?] J -->|是| K[检查 overlay2/docker 日志] ``` 通过以上多维度交叉验证,基本可覆盖 95% 的存储空间异常场景。建议按流程逐步排除,关键操作前做好备份。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值