《Atmosphere》:A Hybrid Statistical-Machine Learning Framework for Risk-Based Screening of High-Frequency Carbon Emission Data Under Emissions Trading Systems
编辑推荐:
可靠碳排放数据对排放权交易体系(ETS)有效运行至关重要,尤其在中国ETS扩展纳入高耗能行业背景下。本研究提出一种面向高频CO2排放数据的混合式风险异常检测框架,通过交叉验证物料衡算排放数据与烟气监测数据实现。正常工况下,物料衡算法与烟气
可靠碳排放数据对排放权交易体系(ETS)有效运行至关重要,尤其在中国ETS扩展纳入高耗能行业背景下。本研究提出一种面向高频CO2排放数据的混合式风险异常检测框架,通过交叉验证物料衡算排放数据与烟气监测数据实现。正常工况下,物料衡算法与烟气法排放量的比值预期保持相对稳定分布;当该关系发生扭曲或局部时序模式偏离预期行为时,即可识别潜在高风险时段。该框架结合Hartigan's dip检验与窗口化随机森林(RF)分类器,适用于可能存在时间依赖性的连续监测数据。研究以中国南方某水泥生产企业15分钟分辨率CO2排放数据为例,对不同异常幅度、持续时长及模式进行仿真评估。结果表明,dip检验对持续时间长或强度高的异常检测效果良好,而RF模型对细微短期偏离更为敏感。在集成框架中,94.7%的异常时段被至少一种方法检出并标记为潜在数据质量风险,而正常时段未被误报,支持其用于优先排序核查工作。
本研究旨在解决排放权交易体系(ETS)背景下高频碳排放数据质量筛检问题。研究背景源于全球水泥行业贡献约7%–8%的碳排放量,中国作为占全球水泥产量55%的生产大国,其能源消耗强度高、能效水平与发达国家存在差距。2025年水泥行业正式纳入全国碳市场后,新增约1500家重点排放单位、年覆盖近80亿吨CO
2排放,这对监测、报告与核查(MRV)会把提出更高要求。当前中国ETS主要依赖基于排放因子和活动数据的物料衡算法,该方法难以捕捉企业特异性变化且存在人工录入风险;连续排放监测系统(CEMS)虽自动化程度高,但烟道流场复杂性可导致系统性误差。既有数据驱动研究多聚焦年度或低频数据,针对高频连续监测的实时监管工具仍存不足。
研究人员以中国南方某日产5000吨熟料干法水泥生产线为对象,于2024年10月12日至12月12日期间采集15分钟分辨率 java.lang异常数据(10月30日至11月5日因设备故障剔除)。研究整合两种独立监测路径:基于煤耗、生料消耗等工艺参数的物料衡算排放数据,以及安装于90米高窑尾烟囱40米平台的Sick MaihakCEMS系统所测烟气法排放数据。通过计算物料法与烟气法排放量比值作为过程级指标,构建"统计全局诊断+机器学习局部分析"的混合框架。统计端采用Hartigan's dip检验评估排放比值分布的单峰性偏离,机器学习端采用窗口化随机森林分类器捕捉时序局部异常模式,最终整合为可解释的风险评分(Risk Score,取值为0–2)。研究设置两种工况(OC1高负荷约6480吨/日、OC2低负荷约4940吨/日),按时间顺序划分前70%参考期与后30%测试期,在测试期注入幅度β∈[0.02,0.30]、时长0.5–8天、三种模式(scale/flat/ramp)的合成异常进行控制实验。
研究结果表明:排放比值在分类工况下呈单峰分布,而物料法排放因工艺参数小幅波动呈多峰特征。dip检验对持续1天以上或β≥0.1的异常实现100%事件级检出率,OC2条件下表现优于OC1。随机森林在窗口大小W=48(12小时)时取得最优平衡,窗口级真阳性率(TPR)随β增大而提升,scale与flat模式在β=0.15时达最大TPR;高污染比例窗口(0.75–1]反而因缺乏异常边界特征导致TPR下降。特征重要性分析显示,熟料产量、物料法CO
2排放量、排放比值为最关键变量,均值与最小值为最稳健统计描述符。集成框架中,94.7%异常时段被赋予Risk≥1(72.2%达最高风险级Risk=2),正常时段全部归为Risk=0;短时长异常(0.5–1天)由RF主导检出,长时长异常两种方法收敛,未检出事件集中于β=0.02的ramp/scale模式(占97.6%)。
讨论部分指出,该框架通过保留时序结构实现连续监管筛查,较随机抽样验证更符合实际监管场景;水泥行业连续性生产特性支撑排放比值指标的经验单峰性,但迁移至其他设施时需重新校准参考分布与阈值。dip检验与RF的互补性体现为:前者提供透明的全局分布诊断,后者捕捉局部分布不变时的时序偏离。风险评分机制将海量高频数据转化为分级审查优先级,但强调高风险标记不等同于确认违规,需结合运行日志、维护记录等上下文信息复核。研究局限性包括:单设施验证需多设施扩展确认;合成异常基于预设规则生成,代表现实复杂性的不足;依赖先验工况分类步骤;未系统 benchmark 其他异常检测方法。研究结论指出,该混合框架为ETS扩展背景下的数据质量筛查提供可扩展、可解释工具,通过物料-烟气双路径交叉验证增强现场应用证据,未来需在更长周期、多设施及真实监管数据集中进一步验证。