Optimization of Real-Time Carbon Emission Monitoring on the Power Demand Side Based on System Dynamics

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Demonstrates a novel integration of system dynamics with machine learning for high-resolution carbon monitoring, offering a replicable framework for demand-side emission tracking.

🏢実務担当者:Provides a technical pathway for real-time carbon monitoring at minute-level granularity, enabling better operational decisions for energy-intensive industries and grid operators.

🏛政策担当者:Highlights the importance of high-temporal-resolution monitoring for effective carbon market design and grid optimization, informing policy on data infrastructure for emission reduction.

中国の「ダブルカーボン」戦略目標を背景に、電力網需要側における炭素排出の精密モニタリングは、エネルギー構造の転換を推進し、低炭素発展を実現する上で極めて重要である。現在主流となっている時間単位レベルのモニタリング手法は、時間分解能が不十分であり、情報の粒度が粗く、位置特定データのサポートが弱い。これらの問題は、炭素削減努力の効果を損ない、さらには二次的リスクや経済的損失を引き起こす可能性がある。高エネルギー消費産業を有する主要省である河南省では、重工業部門において短期的な高エネルギー消費事象が頻繁に発生し、炭素排出特性が複雑であるため、従来のモニタリング手法では不十分である。これらの課題に対処するため、本研究は河南省の重工業における電力網の需要側に焦点を当てる。具体的には、高エネルギー消費設備の炭素排出特性と、短期的な高エネルギー事象における産業用電力使用パターンを分析する。革新的に、STL、LightGBM、およびストリームコンピューティングサブシステムを統合したシステムダイナミクスモデルを構築する。このモデルは、時間単位から分単位への炭素排出モニタリングへの技術的アップグレードを達成するだけでなく、サブシステム間の内部構造と結合関係も十分に考慮する。実証研究により、このモデルは分単位のデータ収集と炭素排出係数の動的更新の能力を有し、モニタリングシステムの時間分解能と応答効率を大幅に向上させることが実証されている。これにより、産業用電力消費中の瞬時負荷の高頻度動的追跡が可能となる。これらの結果は、電力網のディスパッチ最適化と炭素市場取引に強固なデータサポートを提供する。このモデルは炭素排出予測の精度を高め、省エネ・排出削減に向けた技術的経路を探求するための信頼性の高い基盤と新たな最適化の方向性を提供する。その応用は、地域のエネルギーガバナンスの現代化を促進し、産業構造を最適化し、科学的に健全な政策を策定する上で、重要な理論的価値と実践的意義を持つ。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Against the backdrop of China’s “dual carbon” strategic goals, the precise monitoring of carbon emissions on the grid’s demand side is crucial for advancing the transformation of the energy structure and achieving low-carbon development. Current mainstream hourly-level monitoring methods have insufficient temporal resolution, coarse information granularity, and weak localization data support. These issues compromise the effectiveness of carbon reduction efforts and may even lead to secondary risks and economic losses. As a major province with high energy-consuming industries, Henan Province experiences frequent short-term high-energy consumption events in its heavy industry sector, where carbon emission characteristics are complex, making traditional monitoring methods inadequate. To address these challenges, this study focuses on thedemand side of the power grid in Henan’s heavy industry. It specifically analyzes the carbon emission characteristics of high-energy-consuming equipment and industrial electricity usage patterns during short-term high-energy events. Innovatively, a system dynamics model integrating STL, LightGBM, and a stream computing subsystem is constructed. This model not only achieves a technical upgrade from hourly to minute-level carbon emission monitoring but also fully considers the internal structures and coupling relationships among subsystems. Empirical research demonstrates that the model possesses the capability for minute-level data collection and dynamic updates of carbon emission factors, significantly improving the temporal resolution and response efficiency of the monitoring system. It enables high-frequency dynamic tracking of instantaneous load during industrial electricity consumption. These results provide robust data support for grid dispatch optimization and carbon market trading. The model enhances the accuracy of carbon emission predictions and offers reliable foundations and new optimization directions for exploring technological pathways toward energy conservation and emission reduction. Its application holds significant theoretical value and practical importance for promoting the modernization of regional energy governance, optimizing industrial structure, and formulating scientifically sound policies.

• openalex https://doi.org/10.32996/jbms.2026.8.6.2first seen 2026-05-05 19:11:39 · last seen 2026-05-22 04:46:16