Inmiddels hebben meer dan 400 organisaties getekend De klimaatbelofte, een toezegging om tegen 2040 CO1-neutraal te zijn. Enkele van de drijfveren die leiden tot het stellen van expliciete klimaatdoelen zijn onder meer de vraag van klanten, huidige en verwachte overheidsrelaties, de vraag van werknemers, de vraag van investeerders en duurzaamheid als concurrentievoordeel. AWS-klanten zijn steeds meer geïnteresseerd in manieren om duurzaamheidsacties te stimuleren. In deze blog laten we zien hoe we bestaande bedrijfsgegevens kunnen toepassen om de COXNUMX-voetafdruk van Scope XNUMX beter te begrijpen en in te schatten Amazon eenvoudige opslagservice (S3) en Amazone Athene, een serverloze interactieve analyseservice die het eenvoudig maakt om gegevens te analyseren met behulp van standaard SQL.

Het Broeikasgasprotocol

De Broeikasgasprotocol (GHGP) biedt normen voor het meten en beheersen van de gevolgen van de opwarming van de aarde van de activiteiten en waardeketen van een organisatie.

De broeikasgassen die onder het GHGP vallen, zijn de zeven gassen die vereist zijn door de UNFCCC/Kyoto-protocol (die vaak de "Kyoto-mand" wordt genoemd). Deze gassen zijn koolstofdioxide (CO₂), methaan (CH₄), stikstofoxide (N.₂O), de zogenaamde F-gassen (fluorkoolwaterstoffen en perfluorkoolwaterstoffen), zwavelhexafluoride (SF₆) stikstoftrifluoride (NF3). Elk broeikasgas wordt gekenmerkt door zijn aardopwarmingsvermogen (GWP), dat wordt bepaald door het broeikaseffect van het gas en zijn levensduur in de atmosfeer. Omdat koolstofdioxide (CO₂) rekent af ongeveer 76 procent van de totale door de mens veroorzaakte uitstoot van broeikasgassen, wordt het aardopwarmingsvermogen van broeikasgassen gemeten ten opzichte van CO₂, en worden dus uitgedrukt als CO₂-equivalent (CO₂en).

Het GHGP verdeelt de emissies van een organisatie in drie primaire scopes:

• Scope 1 – Directe uitstoot van broeikasgassen (bijvoorbeeld door verbranding van fossiele brandstoffen)
• Scope 2 – Indirecte emissies van ingekochte energie (meestal elektriciteit)
• Scope 3 – Indirecte emissies van de waardeketen, inclusief leveranciers en klanten

Hoe schatten we de uitstoot van broeikasgassen in?

Er zijn verschillende methoden om de uitstoot van broeikasgassen te schatten, waaronder de Continuous Emissions Monitoring System (CEMS)-methode, de op uitgaven gebaseerde methode en de op consumptie gebaseerde methode.

Directe meting – CEMS-methode

Een organisatie kan haar koolstofvoetafdruk van stationaire verbrandingsbronnen schatten door een directe meting van de koolstofemissies uit te voeren met behulp van de CEMS-methode. Deze methode vereist het continu meten van de verontreinigende stoffen die worden uitgestoten in uitlaatgassen van elke emissiebron met behulp van apparatuur zoals gasanalysatoren, gasmonsternemers, gasconditioneringsapparatuur (om deeltjes, waterdamp en andere verontreinigingen te verwijderen), sanitair, bediende kleppen, programmeerbare logische controllers ( PLC's) en andere besturingssoftware en -hardware. Hoewel deze aanpak bruikbare resultaten kan opleveren, vereist CEMS specifieke meetapparatuur voor elk te meten broeikasgas, vereist het ondersteunende hardware en software en is het doorgaans geschikter voor toepassingen op het gebied van milieu, gezondheid en veiligheid van gecentraliseerde emissiebronnen. Meer informatie over CEMS is beschikbaar hier.

Op uitgaven gebaseerde methode

Omdat de financiële boekhoudfunctie volwassen is en vaak al is gecontroleerd, kiezen veel organisaties ervoor om financiële controles te gebruiken als basis voor hun COXNUMX-voetafdrukboekhouding. De Economic Input-Output Life Cycle Assessment (EIO LCA)-methode is een op uitgaven gebaseerde methode die uitgavengegevens combineert met op geld gebaseerde emissiefactoren om de geproduceerde emissies te schatten. De emissiefactoren worden gepubliceerd door de US Environment Protection Agency (EPA) en andere peer-reviewed academische en overheidsbronnen. Met deze methode kunt u de hoeveelheid geld die aan een bedrijfsactiviteit wordt besteed, vermenigvuldigen met de emissiefactor om de geschatte COXNUMX-voetafdruk van de activiteit te verkrijgen.

U kunt bijvoorbeeld het bedrag dat uw bedrijf uitgeeft aan vrachtwagentransport omrekenen naar geschatte kilogrammen (KG) uitgestoten kooldioxide-equivalent (CO₂e), zoals hieronder weergegeven.

Estimated Carbon Footprint = Amount of money spent on truck transport * Emission Factor

Hoewel deze berekeningen heel gemakkelijk te maken zijn vanuit het grootboek of andere financiële gegevens, zijn ze het meest waardevol voor eerste schattingen of voor het rapporteren van kleine bronnen van broeikasgassen. Aangezien de enige door de gebruiker verstrekte invoer het bedrag is dat aan een activiteit wordt besteed, zijn EIO LCA-methoden niet bruikbaar voor het modelleren van verbeterde efficiëntie. Dit komt omdat de enige manier om de door het EIO berekende emissies te verminderen, is door de uitgaven te verminderen. Naarmate een bedrijf de efficiëntie van zijn COXNUMX-voetafdruk blijft verbeteren, zijn andere methoden om de COXNUMX-voetafdruk te schatten daarom vaak wenselijker.

Op verbruik gebaseerde methode

Of het nu gaat om Enterprise Resource Planning (ERP)-systemen of elektronische kopieën van brandstofrekeningen, het is eenvoudig om de hoeveelheid brandstof te bepalen die een organisatie gedurende een rapportageperiode aanschaft. Op brandstof gebaseerde emissiefactoren zijn verkrijgbaar bij verschillende bronnen, zoals de US Environmental Protection Agency en commercieel gelicentieerde databases. Vermenigvuldiging van de hoeveelheid ingekochte brandstof met de emissiefactor levert een schatting op van de CO₂e uitgestoten door verbranding. Deze methode wordt vaak gebruikt voor het schatten van de COXNUMX-voetafdruk van stationaire emissies (bijvoorbeeld back-upgeneratoren voor datacenters of fossiele ovens voor industriële processen).

Als een onderneming voor een bepaalde maand een bekende hoeveelheid motorbenzine verbruikt voor stationaire verbranding, wordt de Scope 1 CO₂De voetafdruk van de stationaire benzineverbranding kan op de volgende manier worden geschat:

Estimated Carbon Footprint = Amount of Fuel Consumed * Stationary Combustion Emission Factor

Organisaties kunnen hun COXNUMX-uitstoot schatten door gebruik te maken van bestaande gegevens uit brandstof- en elektriciteitsrekeningen, ERP-gegevens en relevante emissiefactoren, die vervolgens worden geconsolideerd in een datameer. Met behulp van bestaande analysetools zoals Amazon Athena en Amazon QuickSight een organisatie kan inzicht krijgen in haar geschatte COXNUMX-voetafdruk.

Het onderstaande gegevensarchitectuurdiagram toont een voorbeeld van hoe u AWS-services kunt gebruiken om de geschatte COXNUMX-voetafdruk van een organisatie te berekenen en te visualiseren.

Klanten hebben de flexibiliteit om de services in elke fase van de datapijplijn te kiezen op basis van hun use case. In de fase van gegevensopname zijn er bijvoorbeeld, afhankelijk van de bestaande gegevensvereisten, veel opties om gegevens in het datameer op te nemen, zoals het gebruik van de AWS-opdrachtregelinterface (CLI), AWS-gegevenssynchronisatieof AWS-databasemigratieservice.

Voorbeeld van het berekenen van een stationaire emissievoetafdruk van Scope 1 met AWS-services

Laten we aannemen dat je 100 standaard kubieke voet (scf) aardgas in een oven hebt verbrand. De ... gebruiken US EPA-emissiefactoren voor stationaire emissies we kunnen de ecologische voetafdruk in verband met de verbranding schatten. In dit geval is de emissiefactor 0.05449555 Kg CO₂e /scf.

Amazon S3 is ideaal voor het bouwen van een data lake op AWS om ongelijksoortige databronnen op te slaan in een enkele repository, vanwege de vrijwel onbeperkte schaalbaarheid en hoge duurzaamheid. Athena, een serverloze interactieve queryservice, maakt de analyse van gegevens rechtstreeks uit Amazon S3 mogelijk met behulp van standaard SQL zonder de gegevens in Athena te hoeven laden of complexe extractie-, transformatie- en laadprocessen (ETL) uit te voeren. Amazon QuickSight ondersteunt het maken van visualisaties van verschillende gegevensbronnen, waaronder Amazon S3 en Athena, en de flexibiliteit om aangepaste SQL te gebruiken om een ​​subset van de gegevens te extraheren. QuickSight-dashboards kunnen u snel inzicht geven (zoals de geschatte COXNUMX-voetafdruk van uw bedrijf) en bieden ook de mogelijkheid om gestandaardiseerde rapporten te genereren voor uw zakelijke en duurzaamheidsgebruikers.

In dit voorbeeld is de voorbeeldgegevens wordt opgeslagen in een bestandssysteem en geüpload naar Amazon S3 met behulp van de AWS-opdrachtregelinterface (CLI) zoals weergegeven in het volgende architectuurdiagram. AWS raadt aan om AWS-bronnen te maken en CLI-toegang te beheren in overeenstemming met de Best practices voor beveiliging, identiteit en naleving de begeleiding.

De onderstaande AWS CLI-opdracht laat zien hoe u de voorbeeldgegevensmappen uploadt naar de S3-doellocatie.

aws s3 cp /path/to/local/file s3://bucket-name/path/to/destination

De momentopname van de S3-console toont twee nieuw toegevoegde mappen die de bestanden bevatten.

Om nieuwe tabelschema's te maken, beginnen we met het uitvoeren van het volgende script voor de gasverbruikstabel in de Athena-query-editor met behulp van Hive DDL. Het script definieert het gegevensformaat, kolomdetails, tabeleigenschappen en de locatie van de gegevens in S3.

CREATE EXTERNAL TABLE `gasutilization`(
`fuel_id` int,
`month` string,
`year` int,
`usage_therms` float,
`usage_scf` float,
`g-nr1_schedule_charge` float,
`accountfee` float,
`gas_ppps` float,
`netcharge` float,
`taxpercentage` float,
`totalcharge` float)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS INPUTFORMAT 'org.apache.hadoop.mapred.TextInputFormat'
OUTPUTFORMAT 'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat'
LOCATION 's3://<bucketname>/Scope 1 Sample Data/gasutilization'
TBLPROPERTIES ( 'classification'='csv', 'skip.header.line.count'='1')

Het onderstaande script toont een ander voorbeeld van het gebruik van Hive DDL om het tabelschema voor de gasemissiefactorgegevens te genereren.

CREATE EXTERNAL TABLE `gas_emission_factor`(
`fuel_id` int,
`gas_name` string,
`emission_factor` float)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS INPUTFORMAT 'org.apache.hadoop.mapred.TextInputFormat'
OUTPUTFORMAT 'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat'
LOCATION 's3://<bucketname>/Scope 1 Sample Data/gas_emission_factor'
TBLPROPERTIES ( 'classification'='csv', 'skip.header.line.count'='1')

Nadat we het tabelschema in Athena hebben gemaakt, voeren we de onderstaande query uit op de gasverbruikstabel die details van gasrekeningen bevat om het gasverbruik en de bijbehorende kosten weer te geven, zoals gas Public Purpose Program Surcharge (PPPS) en totale kosten na belastingen voor het jaar 2020:

SELECT * FROM "gasutilization" where year = 2020;

We kunnen ook de emissiefactorgegevens analyseren die de verschillende brandstofsoorten en hun bijbehorende CO2e-emissie tonen, zoals weergegeven in de schermafbeelding.

Met de emissiefactor en de gasverbruiksgegevens kunnen we de volgende query hieronder uitvoeren om naast andere details een geschatte scope 1-koolstofvoetafdruk te krijgen. In deze query hebben we de gasverbruikstabel en de gasemissiefactortabel op brandstof-id samengevoegd en het gasverbruik in standaard kubieke voet (scf) vermenigvuldigd met de emissiefactor om de geschatte CO te krijgen₂e impact. We hebben ook de maand, het jaar, de totale lading en het gasverbruik geselecteerd, gemeten in therms en scf, omdat dit vaak kenmerken zijn die interessant zijn voor klanten.

SELECT "gasutilization"."usage_scf" * "gas_emission_factor"."emission_factor" AS "estimated_CO2e_impact", "gasutilization"."month", "gasutilization"."year", "gasutilization"."totalcharge", "gasutilization"."usage_therms", "gasutilization"."usage_scf" FROM "gasutilization" JOIN "gas_emission_factor" on "gasutilization"."fuel_id"="gas_emission_factor"."fuel_id";

Ten slotte maakt Amazon QuickSight visualisatie mogelijk van verschillende gegevensbronnen, waaronder Amazon S3 en Athena, en de flexibiliteit om aangepaste SQL te gebruiken om een ​​subset van de gegevens te verkrijgen. Het volgende is een voorbeeld van een QuickSight-dashboard dat het gasverbruik, de gaskosten en de geschatte COXNUMX-voetafdruk over verschillende jaren weergeeft.

We hebben zojuist de CO1-voetafdruk van Scope 1 geschat voor één bron van stationaire verbranding. Als we hetzelfde proces zouden uitvoeren voor alle bronnen van stationaire en mobiele emissies (met verschillende emissiefactoren) en de resultaten bij elkaar zouden optellen, zouden we een nauwkeurige schatting van onze Scope 2-koolstofemissies voor het hele bedrijf kunnen maken door alleen native AWS te gebruiken diensten en onze eigen gegevens. Een vergelijkbaar proces levert een schatting op van de Scope 1-emissies, waarbij de koolstofintensiteit van het net in plaats van de Scope XNUMX-emissiefactoren wordt gebruikt.

Samengevat

Deze blog bespreekt hoe organisaties bestaande data uit verschillende bronnen kunnen gebruiken om een ​​data-architectuur op te bouwen om beter inzicht te krijgen in de uitstoot van broeikasgassen in scope 1. Met Athena, S3 en QuickSight kunnen organisaties nu hun stationaire COXNUMX-voetafdruk op een herhaalbare manier schatten door de op verbruik gebaseerde methode toe te passen om het brandstofverbruik om te zetten in een geschatte COXNUMX-voetafdruk.

Andere benaderingen die beschikbaar zijn op AWS zijn onder meer Koolstofboekhouding op AWS, Framework voor duurzaamheidsinzichten, Carbon Data Lake op AWS, en algemene richtlijnen beschreven op de AWS Carbon Boekhoudpagina.

Als u geïnteresseerd bent in informatie over het schatten van de COXNUMX-voetafdruk van uw organisatie met AWS, neem dan contact op met uw AWS-accountteam en ga naar AWS-duurzaamheidsoplossingen.

Referenties

Over de auteurs

Thomas Brands, SCR, CISSP is Principal Sustainability Strategist en Principal Solutions Architect bij Amazon Web Services. Thomas ondersteunt productie- en industriële klanten over de hele wereld. De focus van Thomas ligt op het gebruik van de cloud om bedrijven te helpen hun milieu-impact zowel binnen als buiten IT te verminderen.

Aileen Zheng is een Solutions Architect die klanten van de Amerikaanse Federal Civilian Sciences ondersteunt bij Amazon Web Services (AWS). Ze werkt samen met klanten om technische begeleiding te bieden bij de acceptatie en strategie van enterprise-clouds en helpt bij het bouwen van goed ontworpen oplossingen. Ze is ook erg gepassioneerd door data-analyse en machine learning. In haar vrije tijd vind je Aileen aan pilates, neemt ze haar hond Mumu mee uit voor een wandeling of jaagt ze op een andere goede plek om te eten! Je zult haar ook zien bijdragen aan projecten ter ondersteuning van diversiteit en vrouwen in technologie.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. Automotive / EV's, carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• BlockOffsets. Eigendom voor milieucompensatie moderniseren. Toegang hier.
• Bron: https://aws.amazon.com/blogs/big-data/estimating-scope-1-carbon-footprint-with-amazon-athena/