基于数据分配的铝铸件生产过程细粒度碳排放核算方法

Fine-grained Carbon Emission Accounting in Aluminum Casting Production Processes Based on Data Allocation

摘要

提出了一种适配铝铸件生产企业差异化数据采集能力的数据分配方法，在无需新增成本投入的条件下，实现单件铝铸件按产品、型号和批次区分的细粒度碳排放核算。该方法基于碳排放相关生产数据的采集粒度和周期，将企业数据采集能力划分为高、中、低三个水平，针对不同水平构建相应的数据分配策略，获取单件铝铸件的细粒度能源/材料活动水平；使用排放因子法计算产品级碳排放，并建立了废料回收与外售的碳排放修正机制。最后，以铝制轮毂生产为例进行应用验证，结果表明该方法能够克服传统依赖文献调研数据中工况恒定假设导致的偏差，提高碳核算结果的准确性。

Abstract

A data allocation method that accommodated the heterogeneous on-site data collection capabilities of aluminum casting enterprises was proposed， enabling fine-grained carbon emission accounting at the single aluminum casting level， differentiated by product， model， and batch， without requiring additional investment in data collection infrastructure. According to the granularity and interval of carbon emission-related production data， enterprise data acquisition capabilities were categorized into three levels， and corresponding allocation strategies were developed for each level to derive fine-grained energy and material activity levels for individual aluminum castings. Product carbon emissions were calculated using the emission factor method， and a correction mechanism was established to incorporate the effects of internal scrap recycling and external scrap sales. A case study on aluminum wheel production was conducted to validate the proposed method. The results demonstrate that the method effectively overcomes the bias induced by the constant operating condition assumption inherent in traditional literature-based approaches， thereby improving the accuracy of carbon accounting results.

Graphical abstract

关键词

铝铸件 / 碳排放核算 / 生产数据 / 数据分配

Key words

aluminum casting / carbon emission accounting / production data / data allocation

0 引言

我国是全球最大的铝铸件生产国和消费国，2020年产量达646万吨，占全球铝铸件产量的42.4%^［1］。随着汽车行业“以铝代钢”和“以铸代锻”双重趋势的推动，铝铸件的需求持续增长^［2-3］。此外，铝铸件生产能耗高^［4-5］，其行业碳排放量在2020年已占全国排放的1.1%^［6］。在行业规模持续增长和高碳排放特性的共同作用下，铝铸件生产过程的碳排放问题日益突出。

随着国内外碳排放管控政策日益严格，铝铸件生产企业对真实、准确的产品级碳排放数据的需求显著提高。国内《企业温室气体排放报告核查指南（试行）》文件明确规定同一生产企业、同种产品、同一规格型号作为一个单元委托认证。国际上，《欧盟以外设施经营者实施碳边境调节机制的指导文件》和《国际财务报告准则S2号——气候相关披露》共同推动铝铸件产品碳排放披露向颗粒度更细（到每批次产品）、实际数据占比更高的方向发展。为此，铝铸件生产企业亟需依托现场数据开展细粒度碳排放核算。相较于基于企业年度总量分摊的粗粒度方法，细粒度核算强调区分不同型号与生产批次的工况差异，实现单件产品碳排放的差异化表征。

尽管已有研究和相关标准对铝铸件生产过程碳排放核算进行了探索和规范，但仍存在以下不足：①数据来源严重依赖企业年度统计、行业调研或文献资料，难以反映真实工况下的铝铸件碳排放量^［7-11］。如NETO等^［7-8］基于年度统计数据分析了铝压铸过程环境影响；LIU等^［9］基于行业调研评估了铝压铸件生产过程中能源消耗相关的碳排放；SALONITIS等^［10］基于文献资料和行业调研分析了1吨铝压铸件生产过程中的能量流和铝流；CECCHEL等^［11］基于企业调研分析了一批铝悬梁生产过程中的能耗。②基于设备监测的碳排放核算方法虽可实时获取碳排放相关生产数据，但通常需要额外部署采集设备，实施成本较高，难以在铝铸件生产企业中推广应用^［12-15］。如WANG等^［12］分析了单炉次铝液熔炼过程中与设备能耗、原辅料及废弃物相关的碳排放；LIU等^［13］和CHEN等^［14］利用物联网技术分别对压铸机和压铸车间的能耗进行了监测与分析；LI等^［15］基于信息物理生产系统提出了适用于多产品混合生产条件下的动态碳排放核算模型。③相关标准内容多停留在原则性和通用性层面，尚未形成适配企业差异化数据采集能力的铝铸件生产过程细粒度碳排放核算的具体实施路径^［16］。

此外，尽管现有数据分配方法可在企业数据采集能力受限时以较低成本实现产品碳排放核算，但往往依赖固定的数据采集假设，难以适配企业间差异化的数据采集能力。针对产品系统中的数据分配问题，ISO 14040和ISO 14044标准虽确立了数据分配的通用原则，但缺乏面向具体行业的操作指南。在具体行业方面，LI等^［17］采用按产品质量比例分配的方法，将月度或年度汇总的多品类纺织服装产品碳排放分摊至各产品。马艳等^［18］采用按质量、成本和产量等物理量的分配方法，将企业级、车间级、零件级数据进行分配，获得机床产品全生命周期清单数据。XIANG等^［19］提出了一种从制造组织到产品的多层级碳数据的动态分配方法，用以支持产品全生命周期碳足迹的动态核算。但目前尚缺乏一种能够在ISO分配原则框架下灵活适配企业数据采集能力差异的铝铸件生产过程细粒度碳排放核算方法。

针对上述不足，本文提出一种基于数据分配的铝铸件生产过程细粒度碳排放核算方法，该方法可适配企业差异化的现场碳排放相关生产数据采集能力，并在不增加采集成本的条件下，实现铝铸件生产过程中按产品、型号和批次区分的单件产品细粒度碳排放核算，有助于提高铝铸件生产过程碳排放核算结果的准确性，为企业应对日益严格的国内外碳排放管控提供数据支持。

1 铝铸件生产过程碳排放及数据采集能力分析

1.1 碳排放特性分析

铝铸件生产过程通常包含熔炼、铸造和后处理三个核心生产单元，如图1所示。

熔炼单元负责铝料的熔炼、精炼及保温，是能耗与直接排放最为集中的单元。熔炼炉和保温炉的运行消耗大量燃料（如天然气）和电力，构成主要的碳排放来源。同时，铝锭、回炉料、精炼剂等物料在熔炼过程中伴随氧化、损耗与反应排放，进一步增加碳排放水平。熔炼单元产生的碳排放受炉型、燃料种类、回炉料比例、炉次负荷等因素影响显著。

铸造单元负责铝液成形，包括高压压铸、低压铸造和重力铸造等典型工艺。该单元的碳排放主要来自两类途径：一是设备运行能耗，如压铸机在压射、合模、保压阶段的电耗以及模温控制系统在加热、恒温和冷却过程中产生的电力和冷却水消耗；二是铸造工艺出品率引起的间接排放放大效应。铸造过程中不可避免地形成浇道、溢流槽和飞边料等回炉料，当合格品率偏低时，为满足产量需求必须额外熔炼铝液，推高单位合格铸件的碳排放水平。

后处理单元涵盖清理、机加工、清洗和热处理等工序，其排放水平虽然低于熔炼和铸造单元，但由于工序类型多样、产品工艺路线差异显著，其能耗与排放在产品层面呈现较强的分散性和不均匀性。

综上可见，铝铸件生产过程碳排放呈现以下特性：①产品型号差异性显著。不同产品型号铸件在质量、工艺路线、浇注系统设计等方面存在差异，使得单位产品排放差异显著。②批次波动性明显。回炉料比例、炉次负荷、废品率、产量变化等因素使得同型号产品不同批次间碳排放存在显著差异。可以看出，铝铸件生产过程细粒度碳排放与生产工况密切相关，其准确刻画高度依赖于现场碳排放相关生产数据的获取能力，因此，有必要进一步分析铝铸件生产企业现场差异化的碳排放相关生产数据采集能力。

1.2 碳排放相关生产数据的采集能力水平

铝铸件生产过程碳排放来源可划分为能源碳排放和材料碳排放两大类，分别是指铝铸件生产过程中所消耗的能源和材料在其生产、使用、回收和废弃处理过程中产生的碳排放总和。碳排放相关生产数据是指企业在铝铸件生产过程中现场采集的各类生产数据，用于表征生产过程中资源消耗和产出特征，为能源碳排放和材料碳排放的核算提供必要输入。其中，能源碳排放相关生产数据主要包括能源类型及消耗量（如电力、天然气、压缩空气、冷却水）；材料碳排放相关生产数据主要包括铝锭类型及投入量（如原铝锭、铝合金锭）、回炉料类型及投入量（如浇冒口、飞边、不合格品）、辅助材料类型及投入量（如精炼剂、润滑油、切削液）、废料类型及产出量（如铝渣）、可回收废料类型及产出量（如浇道口）。此外，作为碳排放关联与分配的关键载体，产品及中间产品的类型与产出量（如铝液、铸件）亦需同步采集。

受能源计量器具配备、数字化基础能力和设备自动化程度等因素影响，当前不同铝铸件生产企业可获取的能源/材料碳排放相关生产数据在采集粒度和采集周期方面存在显著差异。其中，采集粒度用于反映碳排放相关生产数据采集时覆盖的空间范围，如车间、生产单元或设备；采集周期用于反映覆盖的时间范围，如月度、班次/每日或设备单次生产循环。

本文选取对碳排放核算结果影响较大的能源与材料碳排放相关生产数据的采集粒度和采集周期，对企业碳排放相关生产数据的采集能力进行划分，如表1所示。其中，L1、L2和L3表示企业在既有条件下对碳排放相关生产数据的低、中、高三种采集能力水平。高等级能力包含低等级能力所能获取的全部数据，并在此基础上进一步提供了更高分辨率的采集粒度或更长采集周期的数据支持。总的看来，L1型企业可获得车间级、月度的能源与物料碳排放相关生产数据，L2型企业可获得生产单元级、班次/每日的能源与物料碳排放相关生产数据，L3型企业可获得设备级、单次生产循环的能源与物料碳排放相关生产数据。

综上，铝铸件生产企业在碳排放相关生产数据采集上呈现出空间分辨率和时间分辨率高低不一的特点。然而，现有的数据分配方法是针对单一特定的数据采集场景设计的，缺乏对企业差异化数据采集能力的适配性，易导致关键工况特征信息丢失。因此，亟需构建一种能够适配差异化数据采集能力、考虑实际生产工况的数据分配方法，使企业在不新增数据采集设施的前提下，即可开展铝铸件生产过程细粒度碳排放核算。

2 数据分配方法的提出

2.1 数据分配方法的实施流程

在前述铝铸件生产企业碳排放相关生产数据采集能力分析的基础上，本文提出了一种适配高、中、低数据采集能力的数据分配方法。该方法能够根据企业当前的碳排放相关生产数据采集能力，结合实际生产工况，确定相应的数据分配策略，从而获得铝铸件生产过程细粒度的能源/材料活动水平数据。该数据分配方法的框架见图2。

2.2 适配高水平数据采集能力的分配策略

具备高水平数据采集的铝铸件生产企业通常能够采集到设备级单次生产循环的实时能源/材料碳排放相关生产数据，可反映不同产品型号和批次在设备负荷、循环节拍及材料投入等工况特征上的差异。基于该数据基础，铝铸件生产过程的产品级细粒度能源/材料消耗量可按如下步骤获取。

根据设备单次生产循环量，单件铝铸件产品A型号T批次B生产过程中涉及的生产设备可划分为三类：①炉次级设备，其生产循环对应一个或多个炉次，如熔炼炉、保温炉；②批次级设备，其生产循环对应一个生产批次，如集中式热处理炉、批量清理/喷丸生产线；③单件级设备，其生产循环对应单件产品，如压铸机、单件机加工设备及单工位打磨设备等。

产品A型号T批次B生产过程的单件铝铸件\mathrm{A}{\mathrm{l}}_{A,T,B}的电消耗量E_{A,T,B}为

E_{A,T,B}=E_{A,T,B}^{\mathrm{j}\mathrm{i}}+E_{A,T,B}^{\mathrm{l}\mathrm{u}}+E_{A,T,B}^{\mathrm{p}\mathrm{i}}（1）

E_{A,T,B}^{\mathrm{j}\mathrm{i}}=\sum _{i\in M_{A,T,B}^{E,\mathrm{j}\mathrm{i}}}{\int }_{t_{\mathrm{1},i}^{\mathrm{j}\mathrm{i}}}^{t_{\mathrm{2},i}^{\mathrm{j}\mathrm{i}}}{P}_i^{\mathrm{j}\mathrm{i}}(t)\mathrm{d}t（2）

E_{A,T,B}^{\mathrm{l}\mathrm{u}}=\sum _{i\in M_{A,T,B}^{E,\mathrm{l}\mathrm{u}}}{\alpha }_{i,A,T,B}^{\mathrm{l}\mathrm{u}\to \mathrm{j}\mathrm{i}}{\int }_{t_{\mathrm{1},i}^{\mathrm{l}\mathrm{u}}}^{t_{\mathrm{2},i}^{\mathrm{l}\mathrm{u}}}{P}_i^{\mathrm{l}\mathrm{u}}(t)\mathrm{d}t（3）

E_{A,T,B}^{\mathrm{p}\mathrm{i}}=\sum _{i\in M_{A,T,B}^{E,\mathrm{p}\mathrm{i}}}{\alpha }_{i,A,T,B}^{\mathrm{p}\mathrm{i}\to \mathrm{j}\mathrm{i}}{\int }_{t_{\mathrm{1},i}^{\mathrm{p}\mathrm{i}}}^{t_{\mathrm{2},i}^{\mathrm{p}\mathrm{i}}}{P}_i^{\mathrm{p}\mathrm{i}}(t)\mathrm{d}t（4）

{\alpha }_{i,A,T,B}^{\mathrm{l}\mathrm{u}\to \mathrm{j}\mathrm{i}}=\frac{W_{A,T,B}^{\mathrm{l}\mathrm{u}}}{W_{\mathrm{l}\mathrm{u}}}（5）

{\alpha }_{i,A,T,B}^{\mathrm{p}\mathrm{i}\to \mathrm{j}\mathrm{i}}=\frac{W_{A,T,B}^{\mathrm{p}\mathrm{i}}}{W_{\mathrm{p}\mathrm{i}}}（6）

式中：上标\mathrm{j}\mathrm{i}、\mathrm{l}\mathrm{u}、\mathrm{p}\mathrm{i}分别表示单件级、炉次级和批次级耗电设备；E_{A,T,B}^{\mathrm{j}\mathrm{i}}、E_{A,T,B}^{\mathrm{l}\mathrm{u}}、E_{A,T,B}^{\mathrm{p}\mathrm{i}}分别为生产单件该产品涉及的单件、炉次和批次级耗电设备耗电量；M_{A,T,B}^{E,\mathrm{j}\mathrm{i}}、M_{A,T,B}^{E,\mathrm{l}\mathrm{u}}、M_{A,T,B}^{E,\mathrm{p}\mathrm{i}}分别为生产单件该产品涉及的单件、炉次和批次级耗电设备集合；下标i表示对应设备集合中的一个耗电设备，用于对参与该产品生产的单件级、炉次级或批次级设备进行标识；t_{\mathrm{1},i}^{}、t_{\mathrm{2},i}^{}分别为生产该产品时对应耗电设备在单次生产循环中的起始与结束时间；P_i^{}(t)为第i个对应耗电设备在时刻t的瞬时功率；{\alpha }_{i,A,T,B}^{\mathrm{l}\mathrm{u}\to \mathrm{j}\mathrm{i}}、{\alpha }_{i,A,T,B}^{\mathrm{p}\mathrm{i}\to \mathrm{j}\mathrm{i}}分别为炉次级与多件处理级设备在能源与材料消耗向单件铝铸件产品归集过程中所采用的分配权重；W_{\mathrm{l}\mathrm{u}}、W_{\mathrm{p}\mathrm{i}}为该炉次、批次中产品的总质量；W_{A,T,B}^{\mathrm{l}\mathrm{u}}、W_{A,T,B}^{\mathrm{p}\mathrm{i}}为该炉次、批次中\mathrm{A}{\mathrm{l}}_{A,T,B}产品的质量。

\mathrm{A}{\mathrm{l}}_{A,T,B}产品生产过程的天然气/水/氮气消耗量X_{A,T,B}^{-}为

X_{A,T,B}^{-}=X_{A,T,B}^{-,\mathrm{j}\mathrm{i}}+X_{A,T,B}^{-,\mathrm{l}\mathrm{u}}+X_{A,T,B}^{-,\mathrm{p}\mathrm{i}}（7）

X_{A,T,B}^{-,\mathrm{j}\mathrm{i}}=\sum _{i\in M_{A,T,B}^{X^{-},\mathrm{j}\mathrm{i}}}{\int }_{t_{\mathrm{1},i}^{\mathrm{j}\mathrm{i}}}^{t_{\mathrm{2},i}^{\mathrm{j}\mathrm{i}}}{F}_{i,X^{-}}^{\mathrm{j}\mathrm{i}}(t)\mathrm{d}t（8）

X_{A,T,B}^{-,\mathrm{l}\mathrm{u}}=\sum _{i\in M_{A,T,B}^{X^{-},\mathrm{l}\mathrm{u}}}{\alpha }_{i,A,T,B}^{\mathrm{l}\mathrm{u}\to \mathrm{j}\mathrm{i}}{\int }_{t_{\mathrm{1},i}^{\mathrm{l}\mathrm{u}}}^{t_{\mathrm{2},i}^{\mathrm{l}\mathrm{u}}}{F}_{i,X^{-}}^{\mathrm{l}\mathrm{u}}(t)\mathrm{d}t（9）

X_{A,T,B}^{-,\mathrm{p}\mathrm{i}}=\sum _{i\in M_{A,T,B}^{X^{-},\mathrm{p}\mathrm{i}}}{\alpha }_{i,A,T,B}^{\mathrm{p}\mathrm{i}\to \mathrm{j}\mathrm{i}}{\int }_{t_{\mathrm{1},i}^{\mathrm{p}\mathrm{i}}}^{t_{\mathrm{2},i}^{\mathrm{p}\mathrm{i}}}{F}_{i,X^{-}}^{\mathrm{p}\mathrm{i}}(t)\mathrm{d}t（10）

式中：X^{-}表示除电外的其他能耗类型，如\mathrm{G}（天然气）、\mathrm{W}（水）、\mathrm{N}（氮气）；M_{A,T,B}^{X^{-},\mathrm{j}\mathrm{i}}、M_{A,T,B}^{X^{-},\mathrm{l}\mathrm{u}}、M_{A,T,B}^{X^{-},\mathrm{p}\mathrm{i}}分别为生产该产品时涉及的单件、炉次和批次级消耗其他能耗类型的设备集合；F_{i,X^{-}}^{}(t)为第i个相应设备在时刻t能耗类型为X^{-}时的瞬时流量。

单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}生产过程中材料类别Y的消耗量Y_{A,T,B}为

Y_{A,T,B}=Y_{A,T,B}^{\mathrm{j}\mathrm{i}}+Y_{A,T,B}^{\mathrm{l}\mathrm{u}}+Y_{A,T,B}^{\mathrm{p}\mathrm{i}}（11）

Y_{A,T,B}^{\mathrm{j}\mathrm{i}}=\sum _{i\in M_{A,T,B}^{Y,\mathrm{j}\mathrm{i}}}{y}_i^{\mathrm{j}\mathrm{i}}（12）

Y_{A,T,B}^{\mathrm{l}\mathrm{u}}=\sum _{i\in M_{A,T,B}^{Y,\mathrm{l}\mathrm{u}}}{\alpha }_{i,A,T,B}^{\mathrm{l}\mathrm{u}\to \mathrm{j}\mathrm{i}}{y}_i^{\mathrm{l}\mathrm{u}}（13）

Y_{A,T,B}^{\mathrm{p}\mathrm{i}}=\sum _{i\in M_{A,T,B}^{Y,\mathrm{p}\mathrm{i}}}{\alpha }_{i,A,T,B}^{\mathrm{p}\mathrm{i}\to \mathrm{j}\mathrm{i}}{y}_i^{\mathrm{p}\mathrm{i}}（14）

式中：M_{A,T,B}^{Y,\mathrm{j}\mathrm{i}}、M_{A,T,B}^{Y,\mathrm{l}\mathrm{u}}、M_{A,T,B}^{Y,\mathrm{p}\mathrm{i}}分别为生产单件该产品涉及的单件、炉次和批次级材料Y消耗设备的集合；y_i^{}为第i个对应设备对材料Y的消耗量。

2.3 适配中水平数据采集能力的分配策略

具备中水平数据采集能力的铝铸件生产企业通常能够采集每日单元级能源/材料碳排放相关生产数据，无法直接用于计算铝铸件生产过程细粒度的能源/材料活动水平数据。为此，需要依据产品在单元内对能源/材料消耗的相对作用量进行分配。该作用量可由加工时间、设备功率/负载、产品质量等能反映消耗机理的参数表征。基于此构建的分配策略，可将单元级能源/材料消耗按比例分配至具体单件产品，从而获得产品级细粒度的能源/材料消耗数据。

若单元内设备功率或能源消耗稳定，能源/材料消耗主要受加工时间影响，如压铸单元的压缩空气消耗，即可采用基于加工时间的分配策略。因此，单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}在生产单元u的能源/材料类别X^{\text{'}}消耗量X_{u,A,T,B}^{\text{'}}为

X_{u,A,T,B}^{\text{'}}=\frac{t_{A,T,B}^u}{{\displaystyle \sum _{k=\mathrm{1}}^{Q^u}}{t}_k^u}{X}_u^{\text{'}}（15）

式中：t_{A,T,B}^u为该件产品在生产单元u的有效加工时间；t_k^u为第k件产品在生产单元u的加工时间；Q^u为生产单元u在统计周期内加工的产品数量；X_u^{\text{'}}为生产单元u在统计周期内的能源/材料类别X^{\text{'}}的总消耗量。

若单元内含多台设备且负载差异明显，能源消耗不仅受加工时间影响，还与设备功率/负载水平相关，如机加工单元多台机床共用配电回路，此时宜采用基于功率加权的分配策略。因此，单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}在生产单元u的能源/材料类别X^{\text{'}}消耗量X_{u,A,T,B}^{\text{'}}为

X_{u,A,T,B}^{\text{'}}=\frac{\sum _{i\in M^u}{P}_i^u{t}_{i,A,T,B}^u}{\sum _{j\in M^u}{P}_j^u{t}_j^u}{X}_u^{\text{'}}（16）

式中：M^u为生产单元u内的生产设备集合；P_i^u、P_j^u分别为设备i、在生产单元u的额定功率；t_{i,A,T,B}^u为单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}在设备i的加工时间；t_j^u为生产单元u内所有产品在设备j的加工时间。

对于与待处理（中间）产品质量紧密相关的能源/材料类型，如天然气在熔炼炉与热处理炉中的消耗，采用基于产出质量的分配策略更为合理。单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}在生产单元u的能源/材料类别X^{\text{'}}消耗量X_{u,A,T,B}^{\text{'}}为

X_{u,A,T,B}^{\text{'}}=\frac{W_{A,T,B}^u}{W^u}{X}_u^{\text{'}}（17）

式中：W_{A,T,B}^u为单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}的质量；W^u为生产单元u在统计周期内待处理（中间）产品的总质量。

综上，单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}在所有生产单元中能源/材料类别X^{\text{'}}的总消耗量为

X_{U,A,T,B}^{\mathrm{\text{'}}}=\sum _{u\in U}{X}_{u,A,T,B}^{\mathrm{\text{'}}}（18）

式中：U为单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}生产过程中涉及的生产单元。

2.4 适配低水平数据采集能力的分配策略

在低水平数据采集能力条件下，企业通常仅能提供月度车间级的能源/材料碳排放相关生产数据。根据以下分配策略，获取铝铸件生产过程的产品级细粒度能源/材料消耗。

单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}生产过程中的某类型能源/材料X^{″}的消耗量X_{A,T,B}^{″}为

X_{A,T,B}^{″}=\frac{W_{A,T,B}}{W_l}{X}_l^{″}（19）

式中：W_{A,T,B}为该车间内单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}的质量；W_l为统计周期内整个车间该产品产出的总质量；X_l^{″}为统计周期内该车间某能源/材料类型X^{″}总消耗量。

3 铝铸件生产过程细粒度碳核算

使用数据分配方法获得单件铝铸件产品细粒度能源/材料消耗数据后，可利用排放因子法对数据进行碳排放核算。在此过程中，排放因子的选取遵循“初级数据优先、权威次级数据补充”原则。在满足可追溯性和核算边界一致的前提下，通常可优先采用供应商提供的排放因子数据；若相关数据不可获得或不具备可比性，则通常参考国家及行业发布的温室气体核算指南与权威生命周期数据库。对于不涉及某一生命周期阶段排放的能源或材料，其对应阶段的排放因子取值为0；对于缺乏可靠数据支撑的情形，则按照不低估碳排放的原则，选取技术路径或物料属性相近的排放因子作为替代值。

在低水平数据采集能力条件下，单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}生产过程产生的碳排放C_{A,T,B}^{\mathrm{A}\mathrm{l}}为

C_{A,T,B}^{\mathrm{A}\mathrm{l}}=\sum _{q\in Q}{X}_{q,A,T,B}^{″}{f}_q^{\mathrm{s}}+X_{q,A,T,B}^{″}{f}_q^{\mathrm{c}}+X_{q,A,T,B}^{″}{f}_q^{\mathrm{d}}（20）

式中：Q为该产品生产过程消耗的能源与材料类型的集合（如电力、电力、天然气、水、压缩空气、氮气、合金材料、辅料等）；X_{q,A,T,B}^{″}为低水平数据采集能力下获得的单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}生产过程对某能源/材料类型q的消耗量；f_q^{\mathrm{s}}、f_q^{\mathrm{c}}、f_q^{\mathrm{d}}分别为该能源或材料q在其生产、使用和废弃处理过程中的排放因子。

进一步地，若企业可获取单元级的某能源/材料类型X^{\text{'}}的消耗量X_{u,A,T,B}^{\text{'}}，那么，单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}生产过程产生的碳排放C_{A,T,B}^{\mathrm{A}\mathrm{l}}为

C_{A,T,B}^{\mathrm{A}\mathrm{l}}=\sum _{u\in U}\sum _{X^{\text{'}}\in Q}{X}_{u,A,T,B}^{\text{'}}{f}_{X^{\text{'}}}^{\mathrm{s}}+X_{u,A,T,B}^{\text{'}}{f}_{X^{\text{'}}}^{\mathrm{c}}+X_{u,A,T,B}^{\text{'}}{f}_{X^{\text{'}}}^{\mathrm{d}}（21）

式中：f_{X^{\text{'}}}^{\mathrm{s}}、f_{X^{\text{'}}}^{\mathrm{c}}、f_{X^{\text{'}}}^{\mathrm{d}}分别为该能源/材料消耗类型X^{\text{'}}在其生产、使用和废弃处理过程中的排放因子。

此外，若企业可获取设备级的各类型能源/材料的消耗量，则单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}生产过程产生的碳排放C_{A,T,B}^{\mathrm{A}\mathrm{l}}可再细化为

C_{A,T,B}^{\mathrm{A}\mathrm{l}}=C_{A,T,B}^{\mathrm{A}\mathrm{l},X}+C_{A,T,B}^{\mathrm{A}\mathrm{l},Y}（22）

C_{A,T,B}^{\mathrm{A}\mathrm{l},X}=\sum _{X\in Q_{\mathrm{1}}}\sum _{l\in \left\{\mathrm{s},\mathrm{c},\mathrm{d}\right\}}{X}_{A,T,B}{f}_X^l（23）

C_{A,T,B}^{\mathrm{A}\mathrm{l},Y}=\sum _{Y\in Q_{\mathrm{2}}}\sum _{l\in \left\{\mathrm{s},\mathrm{c},\mathrm{d}\right\}}{Y}_{A,T,B}{f}_{\mathrm{Y}}^l（24）

式中：C_{A,T,B}^{\mathrm{A}\mathrm{l},X}、C_{A,T,B}^{\mathrm{A}\mathrm{l},Y}分别为单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}生产过程产生的能源、材料碳排放；Q_{\mathrm{1}}、Q_{\mathrm{2}}为设备级消耗的能源类型集合与材料类型集合；X_{A,T,B}、Y_{A,T,B}为单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}在各设备运行过程中能源类型X与材料类型Y的消耗量。

鉴于废料回收在减少碳排放方面的显著效益，铝铸件生产企业通常会将回收的高质量废料（如废铝、废砂）纳入日常生产循环，用于替代部分原生材料。在废料质量不足以满足工艺要求或回收量阶段性超过生产需求时，企业也会将其出售给厂外废料回收商或上游供应商。因此，在开展铝铸件生产过程碳排放核算时，有必要引入相应的修正机制，使内部回用材料与外售材料在碳排放归属上得到合理区分。

一方面，由于该过程中产生的可循环回用材料与原材料具有相同的物理化学特性，能够在再熔炼后重新进入同一产品系统。按照ISO 14067中的规定，循环利用的排放将属于提供回收材料的产品，但离开该产品系统的回收材料携带“循环利用信用额”。因此，单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}生产过程产生的材料碳排放C_{A,T,B}^{\mathrm{A}\mathrm{l},Y}为

C_{A,T,B}^{\mathrm{A}\mathrm{l},Y}=(\mathrm{1}-R_Y)C_{A,T,B}^{\mathrm{A}\mathrm{l},Y,\mathrm{n}}+C_{A,T,B}^{\mathrm{A}\mathrm{l},Y,\mathrm{r}}（25）

C_{A,T,B}^{\mathrm{A}\mathrm{l},Y,\mathrm{n}}=\sum _{Y\in Q_{\mathrm{r}}}{Y}_{A,T,B}{f}_{\mathrm{Y}}^{\mathrm{s}}（26）

C_{A,T,B}^{\mathrm{A}\mathrm{l},Y,\mathrm{r}}=\sum _{Y\in Q_{\mathrm{r}}}{Y}_{A,T,B}{f}_{\mathrm{Y}}^{\mathrm{r}}（27）

式中：R_Y为材料类型Y的回收率；上标n、r分别表示生产过程和回收处理再利用过程；Q_{\mathrm{r}}为可进行回收处理再利用的材料类型集合。

另一方面，由于外售的废料将离开本产品系统，可利用废铝外售收入与碳价之间的换算关系，将其折算为等效可抵扣的碳排放量，从本产品系统的材料碳排放中予以扣减。此时，单件产品\mathrm{A}{\mathrm{l}}_{A,T,B}生产过程产生的材料碳排放C_{A,T,B}^{\mathrm{A}\mathrm{l},S}为

C_{A,T,B}^{\mathrm{A}\mathrm{l},S}=C_{A,T,B}^{\mathrm{A}\mathrm{l}}-\frac{P_S{N}_{\mathrm{W},S}}{P_{\mathrm{C}}{N}_S}（28）

式中：P_S为材料类型S的外售价格；N_{\mathrm{W},S}为材料类型S的外售量；P_C为当前碳价；N_S为该统计周期内产品\mathrm{A}{\mathrm{l}}_{A,T,B}的产量。

4 案例分析

作为铝铸件的重要应用领域，铝制车轮在现代汽车工业中应用广泛，且其生产过程具有典型的铝铸件制造工艺特征，因此，选取浙江省某铝制车轮生产企业进行案例验证，以说明所提方法在实际生产中的有效性。选取面向不同整车厂的两种车轮型号C001与C002作为研究对象。由于下游整车厂在碳排放管控要求及机械性能指标方面存在差异，企业在熔炼配料方案上采取了不同的工艺设置，即C001被允许在给定的比例区间内掺配回炉料；而C002由于整车厂对材料性能要求更高，熔炼过程中不使用回炉料。

鉴于熔炼过程是铝铸件生产过程能耗和碳排放的主要来源，本文重点围绕熔炼单元开展碳排放核算相关生产数据采集与分析。该企业熔炼单元由多台燃气反射炉并行运行。企业数据采集能力处于典型L2水平，能够获取熔炼单元级能源介质（电力、天然气、压缩空气）计量数据，物料数据则以日为单位进行记录。通过现场采集和参考文献两种方式获取熔炼单元碳排放相关生产数据，如表2所示。

首先，分别基于文献中行业调研获得的典型熔炼过程输入输出数据，以及采用本文所提方法对企业现场采集数据进行分配，获得两种车轮型号C001与C002熔炼过程碳排放相关生产数据（表3）。采用排放因子法计算两种车轮型号在熔炼单元中生产1 kg纯净铝液所产生的碳排放，其结果如图3所示。从碳排放结果可以看出，在参考传统文献调研数据的方法中，C001与C002两种型号熔炼产出1 kg纯净铝液的碳排放结果（C001-1与C002-1）完全一致，均约为0.661 kg CO₂-eq，此结果无法反映两种型号在熔炼配料方案上的实际差异。相比之下，所提分配方法能够根据实际熔炼工况差异，对不同产品型号的碳排放水平进行更合理的区分。其中，允许使用回炉料的C001单位碳排放（C001-2）约为0.752 kg CO₂-eq，而不使用回炉料的C002单位碳排放（C002-2）约为0.885 kg CO₂-eq，二者差异约为0.133 kg CO₂-eq，占C001的约17.8%。进一步分析分项碳排放构成可知，两种型号碳排放差异主要来源于原料相关碳排放项。由于C002完全采用原铝，其原铝材料碳排放贡献显著高于C001；而C001通过掺配回炉铝，在一定程度上降低了原铝消耗量，从而有效降低了材料端碳排放水平。同时，从数据对比可发现，企业实际生产中烧损与铝渣比例高于文献调研数据，该情况可能导致单位纯净铝液生产过程中原铝补充需求增加，从而进一步提高材料相关碳排放贡献。相比材料相关碳排放项，两种型号在能源消耗相关碳排放项（电力、天然气及氮气）方面差异相对较小，各能源项排放贡献水平总体接近。在参考文献调研数据情形下，天然气分项碳排放贡献略高于企业现场数据。该差异主要源于单位铝液天然气消耗强度存在差异。文献调研数据通常反映行业典型生产水平，其燃气消耗统计范围可能包含保温、待机及工况波动等综合燃气消耗，从而表现出较高的单位燃气消耗强度。相比之下，本研究企业在多炉并行生产条件下运行负荷相对稳定，单位产品燃气利用效率较高，因此天然气分项碳排放贡献略低于文献调研结果。综合来看，材料消耗差异是导致不同型号产品碳排放差异的主导因素，而能源消耗差异相对有限，从而验证了所提方法能够在 L2 数据条件下有效区分不同炉料结构对单位（中间）产品碳排放的影响。

其次，以C001为例，对其在不同生产批次的熔炼单元产出单位中间产品的碳排放结果进行对比分析。表4给出了采用本文所提方法获取的C001型号产品在两个不同生产批次（C001-2-B1与C001-2-B2）下的炉料结构、能耗及产量等关键碳排放相关生产数据。利用排放因子法，计算得到C001在两个生产批次中熔炼产出1kg纯净铝液的碳排放结果分别为0.752 kg CO₂-eq和0.806 kg CO₂-eq。结果表明，在纯净铝液产量基本一致的情况下，C001-2-B2批次熔炼产出1 kg纯净铝液的碳排放较C001-2-B1批次提高约7.09%。结合表4中的碳排放相关生产数据可以看出，与C001-2-B1相比，C001-2-B2在熔炼过程中电力、天然气等能源消耗水平均有所增加，同时烧损与铝渣产出量明显提高，导致有效纯净铝液产出率下降。在纯净铝液产量基本一致的情况下，更高的能源投入与更大的物料损失共同推高了单位中间产品的碳排放强度。

然后，引入废料外售修正机制对不同生产批次的碳排放结果进行修正。本文设定铝渣外售价格为4500元/吨，该数值基于行业内对高品质铝白渣的平均回收定价；参考当前全国碳排放权交易市场的碳配额价格，设定碳价为90元/吨。修正前后结果对比表明，两批次在引入修正机制后单位产品碳排放水平均有所下降。其中C001-2-B1批次熔炼产出1kg纯净铝液的碳排放由0.754 kg \mathrm{C}{\mathrm{O}}_{\mathrm{2}}-eq降至0.752 kg \mathrm{C}{\mathrm{O}}_{\mathrm{2}}-eq，降幅约为0.35%；C001-2-B2批次则由0.809 kg \mathrm{C}{\mathrm{O}}_{\mathrm{2}}-eq降至0.806 kg \mathrm{C}{\mathrm{O}}_{\mathrm{2}}-eq，降幅约为0.37%。相比之下，回炉料比例较高的C001-2-B2批次在修正前后的绝对降幅和相对降幅均略高于C001-2-B1批次，且废料外售修正机制对高回炉料工况下的碳排放结果影响更为明显。这说明所引入的修正机制能够对碳排放结果进行校正，从而避免对碳排放水平的系统性高估。

除此之外，由于碳排放因子可来源于不同国家或地区发布的温室气体核算指南、生命周期数据库及文献资料，其取值受统计口径、时间区间、技术水平及区域能源结构等因素影响，客观上存在一定不确定性，特别是在材料生产与电力生产等环节，不同数据库或不同年份给出的排放因子数值可能存在明显差异，因此，有必要分析排放因子不确定性对碳排放核算结果的影响程度。本文以C001-2-B1批次为例，对熔炼阶段生产1 kg纯净铝液的碳排放结果开展排放因子敏感性分析。本研究中，电力生产与天然气燃烧的碳排放因子来源于中国官方温室气体排放因子数据库，其他因子则参考国际通用的Ecoinvent生命周期数据库进行补充确定。在保持熔炼阶段各类能源与材料活动水平不变的前提下，对主要能源与材料碳排放因子分别施加±10%、±20%的扰动，其余参数保持不变，分析对C001-2-B1批次熔炼产出1kg纯净铝液碳排放结果的影响，如图4所示。从图4中可以发现，原铝生产碳排放因子对C001-2-B1批次熔炼产出1kg纯净铝液碳排放结果具有最高敏感性，其取值发生+20%波动时，碳排放将由约0.575 kg \mathrm{C}{\mathrm{O}}_{\mathrm{2}}-eq增至0.690 kg \mathrm{C}{\mathrm{O}}_{\mathrm{2}}-eq。相比之下，天然气碳排放因子表现出中等程度的敏感性，而电力生产与回收铝生产碳排放因子的敏感性较低。铝铸件生产企业应优先关注原铝生产和天然气生产碳排放因子选取的适配性，以降低产品级碳排放核算结果的不确定性。

5 结论

本文提出了一种适配铝铸件生产企业差异化数据采集能力的数据分配方法，并结合排放因子法，在无需新增数据采集成本的条件下，实现了按产品、型号和生产批次区分的单件铝铸件细粒度碳排放核算。案例应用分析结果表明：

1）相较于传统参考文献调研的碳核算方法，本文所提方法能够更有效地刻画炉料结构差异等生产工况因素对碳排放核算结果的影响，从而识别不同产品、不同型号及不同生产批次之间的碳排放差异，因此，提高现场生产数据的分辨率与可用性有助于增强碳排放核算结果对实际生产工况的敏感性，从而为低碳工艺参数优化提供更加精准的数据支撑。

2）排放因子敏感性分析结果表明，相较于回收铝与电力排放因子，原铝与天然气排放因子的变化对单位产品碳排放结果的影响更为显著，具有更高的敏感性，这主要源于原铝生产与天然气燃烧在熔炼阶段碳排放构成中占比较高，其排放因子取值的不确定性会被直接放大并传递至产品级核算结果。鉴于当前国内外碳排放因子数据库来源多样、数值差异大、不定时更新，铝铸件生产企业在开展产品级碳排放核算时，应优先关注原铝与天然气排放因子的选取依据与适用性，采用来源权威且在系统边界、地理位置、时间及技术条件方面相匹配的排放因子，有助于提高碳排放核算结果的可靠性。

未来研究将考虑从以下两个方面开展：

1）进一步强化所提数据分配模型与设备运行状态之间的逻辑关联，构建面向生产全过程工况感知的碳排放核算与分析框架。通过对满载、部分负载、空载及异常波动等典型运行工况的特征识别，实现能源和材料消耗曲线与实际生产状态的精准映射。在此基础上，通过量化不同工况对单位产品碳排放强度的贡献程度，为低碳工艺优化提供更具针对性的决策支撑。

2）针对原铝、天然气等高敏感性排放因子，未来可开展面向生产时间、地理位置及工艺技术等特征的排放因子适配性研究。通过整合上游供应链数据与国内外碳排放因子背景数据库，构建排放因子的动态更新与选取机制，对已选取的排放因子进行多源数据交叉校准与合理性检验，以降低排放因子选取带来的不确定性，从而提高产品级碳足迹核算结果在复杂生产与供应条件下的可靠性。

参考文献

[1] MODERN CASTING. Census of World Casting Production［R/OL］， 2021［2022-05-14］.

[2] 樊振中， 袁文全， 王端志， 等. 压铸铝合金研究现状与未来发展趋势［J］. 铸造， 2020， 69（2）： 159-166.

[3] FAN Zhenzhong， YUAN Wenquan， WANG Duanzhi， et al. Research Status and Future Development Trend of Die Casting Aluminum Alloys［J］. Foundry， 2020， 69（2）： 159-166.

[4] frontierDucker. Aluminum Content in European Passenger Cars［R/OL］. Brussels， Belgium： European Aluminium， 2019 ［2025-06-18］.

[5] SALONITIS K， ZENG B， AHMAD MEHRABI H， et al. The Challenges for Energy Efficient Casting Processes［J］. Procedia CIRP， 2016， 40： 24-29.

[6] BREVICK J， MOUNT-CAMPBELL C， MOBLEY C， et al. Energy Consumption of Die Casting Operations［R/OL］. Columbus： The Ohio State University， 2004［2022-05-22］.

[7] LIU W， ZHAO C， KISHITA Y， et al. Scenario Analysis on Carbon Peaking Pathways for China's Aluminum Casting Industry［J］. Journal of Cleaner Production， 2023， 422： 138571.

[8] NETO B， KROEZE C， HORDIJK L， et al. Inventory of Pollution Reduction Options for an Aluminium Pressure Die Casting Plant［J］. Resources， Conservation and Recycling， 2009， 53（6）： 309-320.

[9] NETO B， KROEZE C， HORDIJK L， et al. Modelling the Environmental Impact of an Aluminium Pressure Die Casting Plant and Options for Control［J］. Environmental Modelling & Software， 2008， 23（2）： 147-168.

[10] LIU W， PENG T， KISHITA Y， et al. Critical Life Cycle Inventory for Aluminum Die Casting： a Lightweight-vehicle Manufacturing Enabling Technology［J］. Applied Energy， 2021， 304： 117814.

[11] SALONITIS K， JOLLY M， PAGONE E， et al. Life-cycle and Energy Assessment of Automotive Component Manufacturing： The Dilemma between Aluminum and Cast Iron［J］. Energies， 2019， 12（13）： 2557.

[12] CECCHEL S， CORNACCHIA G， PANVINI A. Cradle-to-gate Impact Assessment of a High-pressure Die-casting Safety-relevant Automotive Component［J］. JOM， 2016， 68（9）： 2443-2448.

[13] WANG Z， WU J， WANG Y， et al. Online Carbon Emissions Auto-accounting Approach in Aluminum Casting Production［J］. Procedia CIRP， 2024， 122： 946-951.

[14] LIU W， TANG R， PENG T. An IoT-enabled Approach for Energy Monitoring and Analysis of Die Casting Machines［J］. Procedia CIRP， 2018， 69： 656-661.

[15] CHEN E， CAO H， HE Q， et al. An IoT Based Framework for Energy Monitoring and Analysis of Die Casting Workshop［J］. Procedia CIRP， 2019， 80： 693-698.

[16] LI H， PENG J， JIA Y， et al. Dynamic Carbon Emissions Accounting in the Mixed Production Process of Multi-pressure Die-castingproducts Based on Cyber Physical Production System［J］. Journal of Manufacturing Systems， 2025， 78： 69-80.

[17] 文刚， 石琳， 徐行文. 温室气体排放数据质量现状及提高建议［J］. 中国建材科技， 2024， 33（4）： 9-12.

[18] WEN Gang， SHI Lin， XU Xingwen. The Current Status of Greenhouse Gas Emissions Data Quality and Suggestions for Improvement［J］. China Building Materials Science & Technology， 2024， 33（4）： 9-12.

[19] LI X， CHEN L， DING X. Allocation Methodology of Process-level Carbon Footprint Calculation in Textile and Apparel Products［J］. Sustainability， 2019， 11（16）： 4471.

[20] 马艳， 李方义， 王黎明， 等. 基于多层级数据分配的机床生命周期环境影响评价［J］. 计算机集成制造系统， 2021， 27（3）： 757-769.

[21] MA Yan， LI Fangyi， WANG Liming， et al. Life Cycle Environmental Impact Assessment of Machine Tool Based on Multi-level Data Distribution［J］. Computer Integrated Manufacturing Systems， 2021， 27（3）： 757-769.

[22] XIANG D， XU F， SAH R K， et al. Carbon Footprint Accounting Method Based on Dynamic Allocation of Multi-level Carbon Data from Manufacturing Organizations to Products［J］. Journal of Cleaner Production， 2024， 467： 142865.

基金资助

浙江省“尖兵”“领雁”研发攻关计划(2024C01139)

浙江省博士后科学基金(ZJ2024126)

中国博士后科学基金(2024M762933)