Прибыль:
- Способность различать чистый нулевой уровень выбросов и нейтральный уровень выбросов углерода и реалистично оценивать целевой показатель сокращения с помощью показателя SBTi/1,5°C.
- Способность расставлять приоритеты мер по смягчению последствий с помощью логики MACC (предельных затрат на смягчение последствий), определяя приоритетность отрицательных затрат.
- Возможность делать многолетние прогнозы выбросов с помощью кода, а не вручную, и планировать компенсации только для неизбежного остатка.
Как только вы проведете инвентаризацию, начнется настоящая работа: сокращение выбросов. Но сокращение не может быть достигнуто путем декларации доброй воли; Для этого необходимы цели, дорожные карты и приоритеты. В этом модуле вы познакомитесь с концепцией чистого нуля, научно обоснованными целями, ранжированием вариантов смягчения последствий по стоимости (MACC) и тем, как ИИ может ускорить эту стратегическую работу.
Сначала концепции. Чистый ноль — это когда учреждение максимально сокращает выбросы парниковых газов и уравновешивает неизбежную оставшуюся часть надежными методами, сводя чистое воздействие к нулю. Углеродная нейтральность, как правило, является более слабой концепцией; Он часто опирается на компенсацию закупок, а не на сокращение, поэтому риск «зеленого отмывания» высок. Научно-обоснованная цель (SBT) — это система, которая проверяет, соответствует ли цель компании по сокращению выбросов научным данным, необходимым для ограничения глобального потепления до 1,5°C; SBTi (Инициатива по научным целям) — это организация, утверждающая эти цели.
Подсказка: «Чистый ноль» — это не то же самое, что «углеродно-нейтральный». Чистый нулевой уровень требует сначала глубокого смягчения последствий, а затем высококачественного удаления оставшейся части. Просто взять компенсацию и назвать ее «нейтральной» — это подход, который аудиторы и регулирующие органы все чаще отвергают.
Сортировка вариантов смягчения последствий: MACC
У организации могут быть десятки вариантов смягчения последствий: светодиодное освещение, солнечные панели на крыше, тепловой насос, электрический парк, смена поставщиков. С какого начать? Ответ дает MACC (кривая предельных затрат на снижение выбросов). MACC ранжирует каждый вариант по осям «затраты на тонну предотвращенного выброса CO₂e» (евро/тонна) и «общее предотвращенное количество» (тонна).
Некоторые меры имеют отрицательную стоимость, то есть они сокращают выбросы и экономят деньги (например, энергоэффективность, поскольку меньше энергии означает меньше счетов). Это делается в первую очередь. Высокозатратные меры (например, некоторые технологии улавливания) оставлены напоследок. MACC направляет бюджет на достижение максимального сокращения расходов при минимальных затратах.
предосторожность
Сокращение (тонна CO₂e/год)
Стоимость (€/тонна)
приоритет
Энергоэффективность (светодиоды, изоляция)
400
−60 (прибыль)
очень высокий
Солнечная энергия на крыше
900
−15 (прибыль)
высокий
Контракт на зеленую электроэнергию
1500
8
высокий
Переход на электропарк
300
45
средний
Поставщик низкоуглеродистого материала
1100
70
средний
Подтвержденное удаление углерода (компенсация)
оставшееся
90+
конец
Сценарный анализ: моделирование будущего
Смягчение последствий – это многолетний путь, а не один год. Сценарный анализ моделирует, как изменятся выбросы при различных предположениях (рост, цена на энергию, скорость развития технологий). Обычно базовый сценарий (обычный сценарий — если ничего не предпринимается) сравнивается со сценарием смягчения последствий (если меры принимаются). Разница заключается в фактическом эффекте сокращения.
Здесь АИ; Он полезен для структурирования предположений сценария, построения простых проекционных моделей на Python, редактирования таблицы MACC и составления текста дорожной карты. Но реалистичность предположений, точность данных о затратах и стратегическое решение остаются за вами.
Шаг за шагом: дорожная карта смягчения последствий
1. Определите базовый год и цель. Четкая, измеримая и датированная цель, такая как «абсолютное сокращение на 50% по сравнению с 2019 годом в рамках масштаба 1+2 к 2030 году».
2. Перечислите и оцените варианты. Оцените объем и стоимость смягчения последствий для каждой меры.
3. Сортировка по MACC. Предложить негативные и малозатратные меры.
4. Распределение по годам. Какие меры в каком году? Нарисуйте кривую, соответствующую бюджету.
5. Запланируйте расходы на остаток. Выбирайте высококачественные и проверенные решения по удалению неизбежных выбросов.
6. Контролируйте и пересматривайте. Ежегодно сравнивайте фактическое значение с целевым и исправляйте любые отклонения.
три мини-кейса
Случай 1 — Отсутствие отрицательной стоимости. Одна компания посоветовала ИИ «сначала провести максимальное сокращение», а ИИ предложил дорогостоящий догоняющий проект. Когда команда применила MACC, они обнаружили, что меры по повышению энергоэффективности на 400 тонн позволили сэкономить 60 евро на тонну, то есть бесплатное сокращение. Они ранжировались по стоимости; В первый год без бюджета сократили 400 тонн.
Случай 2 — Воображаемая цель. Одна компания попросила ИИ придумать амбициозный слоган: «К 2025 году мы будем полностью иметь нулевой уровень чистой прибыли». Аналитик показал, что 85% текущих выбросов относятся к категории 3 и их невозможно устранить за один год. Цель переведена на реалистичную орбиту (промежуточная цель 2030 г. + чистый ноль 2040 г.); Он стал соответствовать критериям SBTi. Нереалистичная цель впоследствии могла обернуться обвинениями в «зеленом отмывании».
Случай 3. Код проекции. Аналитик попросил ИИ вручную рассчитать прогноз выбросов на 10 лет; ИИ неправильно применил коэффициент сложного сокращения и занизил значение к 2030 году на 12%. Когда аналитик сделал тот же расчет с кодом Python (цикл за годом), получилась правильная кривая. Крайне важно кодифицировать многолетние сложные счета.
Слабая подсказка / Сильная подсказка
Слабая подсказка:
Напишите нулевой план для моей компании.
Почему он слабый: нет базового года, цели, объема, текущих выбросов и стоимости. Результатом будет общий неприменимый текст.
Мощная подсказка:
Ваша роль: советник по климатической стратегии. Составьте план действий по смягчению последствий, используя следующие данные. Базовый 2019 год, текущие выбросы категории 1+2 — 6000 тонн CO₂e, цель — абсолютное сокращение на 50 % к 2030 году. Отсортируйте следующий список мер в соответствии с логикой MACC (сначала отрицательные/низкие затраты) и распределите его по годам. НЕ придумывайте цифры; Я дал вам оценки затрат/сокращений, вы их сортируете и отмечаете пробелы [ДОЛЖНО БЫТЬ ПРОВЕРЕНО]. Меры предосторожности: [список]
Четыре копируемых шаблона
1) Сортировка MACC:
Проранжируйте следующие меры по смягчению последствий по предельным затратам на смягчение последствий (евро/тонну). Отдавайте приоритет мерам по отрицательным затратам (экономии). Для каждой меры сохраните столбец сокращения (тонны CO₂e) и стоимости и добавьте совокупное сокращение. Не придумывайте цифры; Используйте данные, которые я вам дал. Меры предосторожности: [таблица]
2) Прогноз сценария (с кодом):
Ваша роль: разработчик углеродного моделирования. Создайте прогноз с помощью кода Python, начиная с [START] тонн выбросов и предполагая сокращение [RATE] в год до [YEAR]. Рассчитайте базовый сценарий (без сокращения) и сценарий сокращения отдельно и сравните их с таблицей по годам. Выполняйте расчеты с помощью кода, а не вручную.
3) Проверка целевого реализма:
Критически оцените следующую климатическую цель. Спросите: (1) Абсолютное значение или основанное на плотности? (2) Включена ли область 3? (3) Возможен ли физически такой график? (4) Совместим ли SBTi со ставкой 1,5°C? Если это нереально, укажите причину и скорректированную цель. Цель: [здесь]
4) Текст проекта дорожной карты:
Превратите следующий упорядоченный список мер в текст дорожной карты, который будет представлен заинтересованным сторонам. По каждой мере: какое, когда, ожидаемое сокращение, ответственное подразделение. Использование преувеличенных/недоказанных утверждений; Просто полагайтесь на цифры, которые я вам дал. Меры предосторожности: [список]
Распространенные ошибки
- Не ранжирование мер по стоимости. Всегда следует принимать меры по отрицательным издержкам.
- Просто берём компенсацию и говорим «чистый ноль». Сначала глубокая репозиция; Мои расходы только на остаток.
- Называет нереальные даты. Учреждение, взвешенное по шкале 3, не может стать чистым нулевым за один год.
- Выполнение сложного расчета вручную. Включите многолетние прогнозы в код.
- Адаптация данных о затратах/сокращениях к ИИ. Эти цифры взяты из инженерных и рыночных данных.
Внимание: рынок удаления углерода (компенсации) сильно различается по качеству. Чистое нулевое требование, основанное на необоснованных или «непостоянных» кредитах (например, о лесе, который может сгореть), может потерпеть неудачу в аудите и общественном мнении. Удаление является дополнением, а не заменой смягчения последствий.
В итоге
Сокращение выбросов; Это требует четкой цели, определения приоритетов затрат с помощью MACC, многолетнего сценария и реалистичной дорожной карты. ИИ; Силен в секвенировании, проекционном коде, целевой критике и составлении текстов. Но точность данных о стоимости/снижении, реалистичность цели и качество удаления принадлежат эксперту. Сначала измерьте, затем уменьшите, наконец, сбалансируйте.
Задача приложения
Перечислите шесть мер по смягчению последствий и назначьте предполагаемое сокращение (тонна) и стоимость (евро/тонна) для каждой (по крайней мере две с отрицательными затратами). Попросите ИИ выполнить сортировку MACC с помощью шаблона 1. Затем с помощью шаблона 2 напечатайте код прогноза до 2030 года, начиная с вашего текущего выброса. Наконец, проверьте реалистичность собственной цели с помощью 3-го шаблона.
контрольный список
- [ ] Я определил четкую, измеримую и датированную цель.
- [ ] Я перечислил меры по MACC и стоимости.
- [ ] Я предложил меры по отрицательным затратам.
- [ ] Я делал проекцию не вручную, а запуская код.
- [ ] Я запланировал компенсацию только неизбежного остатка.
- [ ] Я проверил совместимость и реалистичность моего целевого значения SBTi/1,5°C.