基于工业互联网的供应链碳核算系统的制作方法
2026-03-17 17:53:28
导航：X技术最新专利计算;推算;计数设备的制造及其应用技术
本专利针对供应链碳核算中数据不完整、标准不统一、信息采集困难等问题，提出基于工业互联网的解决方案。通过接入多源数据、区块链跨链交互、大数据分析等技术，实现碳足迹数据的自动采集、分类存储与智能核算，提升供应链碳排放管理的准确性与协同性。
1.本发明实施例涉及工业互联网技术，尤其涉及一种基于工业互联网的供应链碳核算系统。
2.碳排放核算是准确掌握碳排放变化趋势、有效开展各项碳减排工作、促进经济绿色转型的基本前提，是积极参与应对气候变化国际谈判的重要支撑。由世界可持续发展商业理事会(world business council for sustainable development，wbcsd)和世界资源研究所(the world resources institute，wri)制定了《温室气体协议》(greenhouse gas protocol，ghgp)，从企业及供应链上下游视角，进行碳排放统计与管理。
3.图1为碳排放分类示意图，图2为供应链碳排放分布示意图，从图1和图2中可以看出，碳排放的形式分为直接排放和间接排放两类，碳排放范围分为三类，其中“范围3”(上下游排放)通常占企业整体排放的一半以上，需要高度重视。但“范围3”的碳排放并非报告企业直接产生的碳排放，而是由供应链中其他因素产生的间接碳排放。由于供应链是一个复杂的系统，其碳足迹具有分散性、多元性、交叉性等特点，因此传统的信息采集周期长、难度大、准确性低。供应链的碳信息源受到多方干扰，碳足迹采集时需花费大量人工，有些碳足迹受技术设备限制甚至采集不到，这就影响了碳足迹信息的完整性。
4.目前针对供应链的碳足迹核算方法，没有统一的评价标准，且碳排放数据的完整性不足且真实度不高，因此目前亟需一种能够准确进行供应链碳核算的解决方案。
5.本发明提供一种基于工业互联网的供应链碳核算系统，以提供一种能够完整、准确地进行供全应链碳足迹核算的解决方案。
6.第一方面，本发明实施例提供了一种基于工业互联网的供应链碳核算系统，包括：接入层、交互层、存储层、应用层、服务层、用户界面；
7.接入层用于与供应链相关的碳足迹数据源连接，根据不同数据源的数据结构采集碳足迹数据；
8.交互层用于对从不同数据源采集到的碳足迹数据进行处理，并分类存储，提供存储的碳足迹数据被工业互联网中不同网络节点访问的接口；
10.应用层用于提供供应链碳排放的不同功能需求，根据存储层存储的碳足迹数据计算不同功能需求的计算结果；
11.服务层用于基于应用层得出的不同功能需求的计算结果，得到供应链碳排放的核算结果；
12.用户界面用于向用户展示供应链碳核算的交互界面，并根据与用户的交互结果向用户展示所需的供应链碳排放核算报告。
13.在第一方面一种可能的实现方式中，接入层包括数据源接口、数据分析模块、数据采集模块；
16.数据采集模块用于根据对不同数据源的数据结构的分析结果采集不同数据源上的碳足迹数据。
17.在第一方面一种可能的实现方式中，数据源包括如下至少一项：供应商、制造商、运输服务商、销售企业、用户、废弃回收公司数据、第三方碳交易数据库、互联网数据、物联网数据、行业平台数据、第三方知识产权数据、企业内部数据。
18.在第一方面一种可能的实现方式中，数据采集模块具体用于对业务应用系统中的数据、非结构化数据、实时流式数据、外部网页数据分别采用不同的采集方式进行采集，得到不同数据源上的碳足迹数据。
19.在第一方面一种可能的实现方式中，交互层包括数据预处理模块、数据存储与计算模块、区块链跨链交互支撑模块、数据协作网络模块、跨链技术平台模块；
20.数据预处理模块用于对来自不同数据源的碳足迹数据进行整合处理，并将整合后的碳足迹数据进行分类；
21.数据存储与计算模块用于为分类后的碳足迹数据提供不同数据存储架构；
22.区块链跨链交互支撑模块用于采用区块链技术为工业互联网中不同网络节点提供碳足迹数据访问支撑；
23.数据协作网络模块用于基于区块链跨链交互支撑模块为工业互联网中不同网络节点提供碳足迹数据协作访问接口；
25.在第一方面一种可能的实现方式中，数据预处理模块，具体用于对结构化数据进行数据处理后得到正确有效的数据，对非结构化数据进行结构化处理，将处理后的节后华数据和非结构化数据进行整合后分类。
26.在第一方面一种可能的实现方式中，存储层，具体用于采用关系型数据库的数据存储与计算、基于大规模并行处理架构模式的数据仓库、hadoop架构三种架构存储交互层分类的碳足迹数据。
27.在第一方面一种可能的实现方式中，应用层具体用于提供供应链碳排放的可视化分析功能、数据挖掘算法功能、预测分析模型功能、业务应用功能。
28.在第一方面一种可能的实现方式中，供应链碳排放的核算结果包括如下至少之一：碳排放追踪结果、碳排放报告结果、碳排放分析结果、碳排放查询结果。
29.在第一方面一种可能的实现方式中，供应链碳排放核算报告包括如下至少之一：碳排放地图、碳排放计算知识图谱、供应链优化、沙盘推演、碳排放预测。
30.本技术实施例提供的基于工业互联网的供应链碳核算系统，通过接入层与供应链相关的碳足迹数据源连接，根据不同数据源的数据结构采集碳足迹数据，交互层对从不同数据源采集到的碳足迹数据进行处理，并分类存储，提供存储的碳足迹数据被工业互联网中不同网络节点访问的接口，存储层存储交互层分类的碳足迹数据，应用层提供供应链碳排放的不同功能需求，根据存储层存储的碳足迹数据计算不同功能需求的计算结果，服务
层基于应用层得出的不同功能需求的计算结果，得到供应链碳排放的核算结果，用户界面向用户展示供应链碳核算的交互界面，并根据与用户的交互结果向用户展示所需的供应链碳排放核算报告，提供了一种能够完整、准确地进行供全应链碳足迹核算的解决方案。
33.图3为本技术实施例提供的一种基于工业互联网的供应链碳核算系统的结构示意图；
35.图5为本技术实施例提供的另一种基于工业互联网的供应链碳核算系统的结构示意图；
36.图6为一种实际部署的基于工业互联网的供应链碳核算系统的结构示意图。
37.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
38.碳排放核算是准确掌握碳排放变化趋势、有效开展各项碳减排工作、促进经济绿色转型的基本前提，是积极参与应对气候变化国际谈判的重要支撑。目前虽已初步建立了碳排放核算方法，但在工业领域仍存在工作机制不完善、方法体系相对落后、能源消费及部分化石能源碳排放因子统计基础偏差大、碳排放核算结果缺乏连续性等现实问题，对于不同的企业，其碳核算和评价分析也存在差异性，现有核算体系已经越来越难以适应新的形势、支撑相关科学决策，亟须加快调整完善。
42.尽管碳足迹的核算方法众多，但是各种方法在碳排放的计量上都有缺陷。随着复杂程度和核算项目的改变，碳足迹计算器针对同一组数据的计算结果往往差别较大甚至彼此矛盾；投入-产出(input-output，i-o)法从宏观角度自下而上的分析碳足迹，因而缺乏具体细节的碳减排数据，使得在对实际情况估算时会存在偏差；生命周期评价(life cycle assessment，lca)法则是一种微观层面的核算，它要求以庞大的数据库为支撑，对产品全生命周期各阶段的具体环节进行详细识别，但是当前的供应链研究还很难精确定义网络的各环节；联合国政府间气候变化专门委员会(intergovernmental panel on climate change，ipcc)测算法仅仅适合于封闭孤岛的碳减排核算，无法从消费的角度核算隐含潜在的碳排放。此外，由于各种方法在核算范围、数据源、组织边界、排放系数等方面存在差别而且各个方法间缺少换算模型，这就使得实际应用中得出的结果缺乏可比性。而且即便是采取统一的核算方法，有时其结果的对比价值也不高，例如美日德等国家在物流业的碳足迹核算中统一采用了ipcc法，但是由于选择的计算方式和数据范围不同，其结果也无法比较。
44.各评价标准在评测范围、系统模型构建、数据收集等阶段具有较大差别。评测范围：ipcc 2006和pas2050:2008列数了60多种温室气体，而其它标准遵照京都议定书采样6大类温室气体。评价期：ipcc 2006通过估算清单数据年来确定评价期；ghg协议(2004)、iso14064-1:2006采取自定义基准年的方式；pas2050:2008、ghg protocol(2011)将100年自定义为评价期；iso14067:2012则是依据产品的生命周期定义。系统模型构建：ghg协议(2004)、iso14064-1:2006依据控制权、股权比进行变量取舍；pas2050:2008、ghg协议(2011)、iso14067:2012则依据碳足迹贡献比取舍；而国家层面的ipcc 2006并没有此项的说明。
45.数据收集：ipcc 2006将数据分为活动数据、排放因子、不确定性数据，并提供了不确定性与具体分析的蒙特卡罗模拟分析法；pas2050:2008、ghg协议(2011)、iso14067:2012则将数据分为初级与次级，但是相应的不确定性分析又不尽相同。各评价标准间的差异，使得碳减排效果难以用统一的尺度进行横量，减排目标的设定缺乏依据。
47.碳足迹核算与评价的基础是大量真实完整的碳排放数据源，目前实际应用的最大阻碍就是碳数据源缺失。
49.供应链包括多个企业，各企业包含多项作业，每项作业涉及多个碳源工艺。目前碳足迹采集还是利用间接折算的方式，没有高效的碳监测设备能够直接记录各源头的碳排放，这就造成碳足迹信息客观上的不完整；随着环保力度的加大，个别城市个别行业开始试点碳税、碳交易权、碳排放限额等碳足迹管理，但目前实施领域和监管对象较单一，实施范围和监管力度也不够，而企业出于成本考虑，对碳足迹信息的采集也较为粗放，这就主观上使得信息种类和数量的完整性不足。
50.2)碳足迹数据的线.从经济角度来说，由于碳足迹是依据企业各类能耗数据进行间接换算，考虑商业信息安全，企业在核算中多有所保留。从环保的角度来说，碳足迹折射出的是资源消耗量和环境污染度，出于对环保法规与治污成本的规避，企业主观上也抵触完全真实的披露碳信息。此外，有些地区个别主管部门出于对政绩的考虑，在碳足迹的监管工作中也不是很积极，有的甚至漠视或纵容企业的高排放、高污染的行为，对其碳排放的真实情况进行掩饰，这些直接或间接的行为都影响着碳足迹数据的线.针对上述问题，本技术提供的一种基于工业互联网的供应链碳核算系统。工业互联网是实现双碳的新型基础设施和关键共性技术。当前，新一轮科技革命和产业变革加速演变，工业互联网、大数据、第五代移动通信(5th generation，5g)新兴技术与绿色低碳产业深度融合，绿色制造体系和服务体系不断完善，加快推动工业领域低碳工艺革新和数字化转型。
53.在技术上通过区块链部署网络管理、资源管理、监控管理、运维管理和应用管理等功能，底层引擎使用企业级区块链底层引擎，支持fabric和chainsql两种底层框架。区块链的智能合约的执行通过平台对其进行封装，室接口与底层区块链进行隔离，调用方无需关
54.在系统中接入生产、物流、进销存等供应链协同信息上链存证，构建适应工业互联网发展的区块链、供应链产业生态，形成覆盖重点平台、重点企业、重点区域和海量第三方开发者的应用推广新体系。
55.图3为本技术实施例提供的一种基于工业互联网的供应链碳核算系统的结构示意图，如图3所示，本实施例提供的基于工业互联网的供应链碳核算系统包括：接入层31、交互层32、存储层33、应用层34、服务层35、用户界面36。
56.接入层31用于与供应链相关的碳足迹数据源连接，根据不同数据源的数据结构采集碳足迹数据。
57.针对供应链碳排放数据采集受检测工具和主管意愿的影响，碳数据的准确性低等问题。引进动态信息采集技术射频识别radio frequency identification，rfid)、物联网等技术，实现碳足迹数据的自动采集，既可以降低人工测算的误差、提高信息的准确度，又可以获取原始的碳数据，最大程度的还原数据的真实性。依托工业互联网平台，在实现对排碳作业环节实时监控的同时，解放人工统计、核算与分析的工作，降低了信息采集成本。
58.交互层32用于对从不同数据源采集到的碳足迹数据进行处理，并分类存储，提供存储的碳足迹数据被工业互联网中不同网络节点访问的接口。
60.将原本滞留在排放体组织内部的碳足迹数据发布到“云端”，数据在“云”上通过ip网络与各层用户相链接。碳信息的需求者不再受使用权限、数据格式以及端口的限制，能够随时随地的获取和发布信息。有助于打破碳信息的时间空间壁垒、降低企业的碳足迹管理成本；有助于解决传统数据库的重复建设、资源孤岛、系统封闭以及协作失调的现状，提高了资源共享的效率、充分发挥碳足迹数据的价值，有助于改善当前信息共享程度低、使用率低、价值体现低的现状。
61.应用层34用于提供供应链碳排放的不同功能需求，根据存储层33存储的碳足迹数据计算不同功能需求的计算结果。
62.服务层35用于基于应用层34得出的不同功能需求的计算结果，得到供应链碳排放的核算结果。
63.用户界面36用于向用户展示供应链碳核算的交互界面，并根据与用户的交互结果向用户展示所需的供应链碳排放核算报告。
64.从供应链上下游视角出发，进行碳排放统计管理分析后，供应链碳排放的主要分布如图4所示，图4为供应链碳排放分布示意图。从图4中可以看出，碳排放的分布在供应链的各个环节。
65.本实施例提供的基于工业互联网的供应链碳核算系统，接入原材料供应商、制造商、运输服务商、销售企业、用户、废弃回收公司等供应链参与角色，覆盖产品全生命周期，并连通第三方碳交易数据库，依托大数据治理技术，通过持续完善平台顶层架构设计与现有功能模块，实现平台和行业平台双向迭代、互促共进的良性格局。
66.具体地，接入层31针对不同环节的数据源，区别结构化数据和非结构化数据，采用不同的采集方式和采集频度完成数据集中完成跨平台的数据集中管理。
67.交互层32，区块链平台、数据协作网络、跨链技术平台是实现跨平台数据交互的重
要技术支撑，在完成数据的预处理，对采集数据进行清洗、转换、加载，完成数据的颗粒化处理，形成产业数据分类，实现数据的存储与计算分析。
68.存储层33，基于hadoop技术的数据存储计算层充分利用hdfs分布式存储和自身分布式计算的特点，实现了文件分块和计算机的有机结合，通过将数据计算任务划分为不同的文件块，能够有效提升数据运算的效率，然后将计算结果汇总，实现对大数据平台计算能力的拓展，同时，分布式计算适用于大量数据的离线处理过程中。本次基于hadoop技术的数据转换层利用spark技术，能够通过较小的硬盘资源和网络资源的占用量，实现对大量数据新系的实时分析，能够形成科学决策的良好基础。流处理技术负责处理产业链的海量数据，实现对生命周期较短数据价值的有效挖掘，促进业务的更好开展。
69.应用层34，以服务或组件等多种方式，针对供应链碳排放的数据采集、减碳方案、供应链编排等功能需求，为供应链各参与模块提供数据分析、碳排放计算机理模型、减碳方案等共性关键技术支持。支持虚实结合的数字化建模与优化、跨平台的碳排放大数据和人工智能应用快速构建，支撑工业互联网基础平台生态。
70.服务层35，基于供应链大数据与工业互联网的实时感知能力，构建共性关键技术工具库；建立供应链各环节碳排放核算方法知识图谱做实时更新，为供应链碳排放测算、低碳或完全脱碳提供准确的推理能力支撑；针对供应链碳排放未来演化分析，利用事件图谱和事理图谱进行智能化的沙盘推演，对潜在后果做出准确评估，利用历史数据对碳排放变化路径做出智能化推荐与建议。
71.用户界面36，按照分布式构建、标准化操作、价值化数据交互的设计原则，构建高效、安全、可靠、扁平化的产业链服务模块。面向政府、企业提供碳排放地图、碳排放计算知识图谱、供应链优化、沙盘推演、碳排放预测等服务，完成全供应链碳排放的智能调控。
72.本实施例提供的基于工业互联网的供应链碳核算系统，实现跨环节跨平台碳排放数据集成整合，打破供应链各环节间的数据壁垒，形成数据资源的全景视图；满足多供应链复杂流程的海量多源复杂数据存储、计算要求；支持跨平台数据实时分析、动态资源共享。
73.本实施例提供的基于工业互联网的供应链碳核算系统，通过接入层与供应链相关的碳足迹数据源连接，根据不同数据源的数据结构采集碳足迹数据，交互层对从不同数据源采集到的碳足迹数据进行处理，并分类存储，提供存储的碳足迹数据被工业互联网中不同网络节点访问的接口，存储层存储交互层分类的碳足迹数据，应用层提供供应链碳排放的不同功能需求，根据存储层存储的碳足迹数据计算不同功能需求的计算结果，服务层基于应用层得出的不同功能需求的计算结果，得到供应链碳排放的核算结果，用户界面向用户展示供应链碳核算的交互界面，并根据与用户的交互结果向用户展示所需的供应链碳排放核算报告，提供了一种能够完整、准确地进行供全应链碳足迹核算的解决方案。
74.图5为本技术实施例提供的另一种基于工业互联网的供应链碳核算系统的结构示意图，如图5所示，本实施例提供的基于工业互联网的供应链碳核算系统为图3所示基于工业互联网的供应链碳核算系统的进一步细化。
75.接入层31包括数据源接口311、数据分析模块312、数据采集模块313。
77.基于工业互联网的供应链碳核算系统的数据来源于供应商、制造商、运输服务商、销售企业、用户、废弃回收公司的数据，第三方碳交易数据库、互联网数据、物联网数据和其
他数据等。(1)行业平台数据指来自各行业的产能数据、工业商数据、产品图谱数据、知识产权数据、资源管理数据等；(2)第三方知识产权数据是指与产业链相关的知识产权数据；(3)企业内部数据是指企业研发生产销售过程中所产生的供应链、产能相关信息等，参与数据关联分析、参与深度挖掘等大数据分析、计算过程的数据。数据类型既包括结构化的数据库表、数据文件，也包括非结构化的视频、图像、文本等。
79.数据源中需要采用不同的数据抽取方式。(1)对于业务应用系统中的数据，可采用分布式etl工具将关系型数据库中的数据导入到hadoop分布式文件系统(hadoop distributed file system，hdfs)中，如sqoop和kettle等；(2)对于图片、音频、视频和日志等非结构化数据，可通过ftp、sftp、chukwa等方式进行交换处理；(3)对于实时流式类数据，可通过分布式的海量日志系统flume和高吞吐量的分布式发布订阅消息系统kafka进行采集、聚合和传输；(4)对于外部网页数据可以采取网络爬虫方式进行爬取。该方法可按照一定规则，自动地抓取网页非结构化数据，并将其存储为结构化数据文件，同时支持图片、视频等文件的采集并进行自动关联。
80.数据采集模块313用于根据对不同数据源的数据结构的分析结果采集不同数据源上的碳足迹数据。
81.针对不同数据源以及不同应用的分析要求，需要制定不同的采集策略。数据采集策略在采集频次方面采用批量或实时方式。需要根据数据实时性要求、数据所处生命周期的不同进行规划。对于需要提供实时处理的数据和在数据生命周期中处于活跃期的数据，采用实时采集；对于用来支撑未来分析决策和趋势预测的数据、或历史数据等实时性要求不高的数据，可进行批量采集或准实时采集。汇集方案中还需要包括汇集的周期、网络通道、主要负责人等，严格按照数据汇集计划执行数据的上传或下载，尤其是实时采集数据，需要通过技术手段保证数据的及时性。
82.数据采集模块313具体用于对业务应用系统中的数据、非结构化数据、实时流式数据、外部网页数据分别采用不同的采集方式进行采集，得到不同数据源上的碳足迹数据。
83.交互层32包括数据预处理模块321、数据存储与计算模块322、区块链跨链交互支撑模块323、数据协作网络模块324、跨链技术平台模块325。
84.数据预处理模块321用于对来自不同数据源的碳足迹数据进行整合处理，并将整合后的碳足迹数据进行分类。
85.数据预处理模321块，具体用于对结构化数据进行数据处理后得到正确有效的数据，对非结构化数据进行结构化处理，将处理后的节后华数据和非结构化数据进行整合后分类。
86.数据预处理是将数据源的数据进行整合，在这个过程中，需要完成以下几项工作：(1)数据区分结构化与非结构化，由于结构化数据和非结构化数据处理过程完全不同，所以在数据整合的过程中，首先需要对数据进行归类。(2)结构化数据进行数据抽取-转换-加载(extract-transform-load，etl)，去掉空数据、重复数据和错误数据，去掉与数据分析、挖掘无关的数据，调整数据格式，对数据进行转换和加载等工作，提高数据的正确和有效性。(3)非结构化数据进行归类，结构化等工作。(4)数据分类，从铁路信息化总体规划的角度出发，对铁路数据进行分类，形成铁路统一的数据视图，便于数据的共享与分析应用。(5)数据
87.数据存储与计算模块322用于为分类后的碳足迹数据提供不同数据存储架构。
88.在产业链协作与供应链预警平台的架构设计中，数据的存储与计算需要同时具备3种模式，即：基于关系型数据库的数据存储与计算、基于大规模并行处理架构模式的数仓和基于hadoop的大数据处理架构。
89.关系型数据库的数据存储与计算:该部分存储实时性要求较高，经常需要进行写入的数据，适用于响应速度快、准确性较高、规模较小的数据。在平台的架构设计中，用来存储实时数据、计算结果数据、衍生数据等，方便服务层随时调用。
90.基于大规模并行处理架构模式的数据仓库:在大规模并行处理架构模式的数据仓库中，每个节点都有独立的存储系统和内存系统，业务数据根据数据模型和应用特点划分到各个节点上，彼此协同计算，作为整体提供数据库服务。其特点是数据准确性较高，易于扩展，用来存放较大量结构化历史数据。将数据批量导出后执行数据分批计算任务。数据仓库中还包括数据管控模块，提供数据处理过程中的数据质量管理、数据稽查、主数据管理等。
91.hadoop架构:采用分布式存储系统，能够清洗、存储和处理海量数据。在hadoop架构区域，数据存储在hive、hdfs或者hbase中，通过分布式系统在成千上万的节点中读取数据。由于大数据的分析计算非常复杂，因此在hadoop架构中需要包括数据挖掘的专用工具、算法库和流式计算引擎等，用以支撑大量复杂数据的计算和分析。hadoop架构易于扩展，具有无限的可伸缩性，适合于用存储数据量增长较快，但准确性要求相对不高的非结构化数据和部分结构化数据。
92.以上3种模式不存在互相取代的关系，而是彼此互为另外两部分的有益补充和促进，在数据处理层扮演着不同的角色，相互之间存在大量的数据流转。
93.区块链跨链交互支撑模块323用于采用区块链技术为工业互联网中不同网络节点提供碳足迹数据访问支撑。
94.在工业互联网中使用区块链技术平台，可以方便有效地采集各方信息，并通过区块链平台天然数据共享的特性，完成各个节点之间的数据共享，为数据建模和大数据分析提供数据支撑。平台的基础架构集中在共识模块、点对点(peer to peer，p2p)网络、账本存储和执行模块。
95.共识模块：共识模块采用可拔插的模块化设计，能够针对不同的业务场景需求选择配置不同的共识算法，目前支持pbft的改进算法rbft。通过优化pbft的执行过程，增加主动恢复与动态节点增删等机制，极大地提高了传统pbft的可靠性与性能。rbft能够将交易的时延控制在300ms，最高可以支持每秒上万笔的交易量，为区块链的商业应用提供了稳定、高性能的算法保障。
96.账本存储：账本设计主要包含3个部分：首先对信息通过区块链这种链式结构进行存储，保证信息的不可篡改以及可追溯性；其次，采用账户体系模型维护区块链系统的状态；最后，为了快速判断账本信息、交易信息等关键信息是否存在，账本采用改进版的merkle树进行相关信息存储。
97.基于区块链技术构建跨平台的供应链碳排放数据共享交互，支持跨平台数据的实时接入和动态调用，支持跨平台数据的分布式存储和系统的高并发需求，构建分布式账本，
支持可信计算以及数据的智能分析，实现供应链碳排放数据的互融互通和可视化展示。
98.数据协作网络模块324用于基于区块链跨链交互支撑模块为工业互联网中不同网络节点提供碳足迹数据协作访问接口。
99.数据协作网络是区块链平台的重要组成部分，是可扩展分布式数据协作网络，能够提供大规模数据可信存储和跨机构联邦计算服务。数据协作网络利用独特的数据存在性证明技术、安全多方计算技术以及可信执行环境(trusted execution environment，tee)计算技术等先进密码学机制保障数据在高效流通的情况下提供远高于传统技术的安全隐私够打造通用数据共享的基础设施，实现多方安全、隐私保护，发挥数据流动的价值；从而解决各机构之间数据合作过程面临的安全与隐私保护问题，打通数据孤岛，达成“数据可用不可见”，促进数字业务创新。
101.跨链交互根据所跨越的区块链底层技术平台的不同可以分为同构链跨链和异构链跨链。同构链之间的网络拓扑、安全机制、共识算法、区块生成验证逻辑都是一致的，因此同构链之间的跨链交互相对简单。然而，在实际应用场景中，更多的研究是异构链之间跨链交互。异构链之间的共识机制、网络拓扑存在较大差异，使得异构链的跨链交互相对复杂。
102.本实施例搭建的跨链技术平台是由中继链、跨链网关和应用链所构建的跨层级链间互操作服务平台。
103.中继链：中继链用于应用链管理以及跨链交易的可信验证与可靠路由，是一种实现ibtp的开放许可链。
104.跨链网关：跨链网关担任着区块链间收集和传播交易的角色，既可以支持应用链和中继链之间的交互，也可以支持中继链与中继链之间的交互。
105.应用层34具体用于提供供应链碳排放的可视化分析功能、数据挖掘算法功能、预测分析模型功能、业务应用功能。
106.应用层34根据不同的应用场景，将大数据平台的数据处理能力以服务的形式提供给产业链上下游企业，主要包括以下几种服务：
107.(1)可视化分析。对数据进行智能分析，并将结果以可视化报表的形式展示，以直观的图表形式支持用户决策分析。
108.(2)数据挖掘算法。大数据分析的核心就是数据挖掘算法，数据服务层为用户提供包括数据多维分析算法、决策树算法和聚类分析算法等算法服务。
109.(3)预测分析模型。数据服务层将数据挖掘过程中发现的数据特点和规律，形成预测分析模型，支持将用户数据带入模型，对未来结果进行预测分析。
110.(4)业务应用。各业务系统可利用数据服务层的大数据处理能力进行业务数据的计算和处理，支撑业务系统需要。
111.供应链碳排放的核算结果包括如下至少之一：碳排放追踪结果、碳排放报告结果、碳排放分析结果、碳排放查询结果。
114.碳排放分析：以图表形式清晰描绘供应链中碳排放表现，包括与行业内其他公司的比较。
115.碳排放查询：设置货物类型、数量、运输方式、重量等信息，就可准确预测这次运输的碳排放量
116.供应链碳排放核算报告包括如下至少之一：碳排放地图、碳排放计算知识图谱、供应链优化、沙盘推演、碳排放预测。
117.图6为一种实际部署的基于工业互联网的供应链碳核算系统的结构示意图。
118.本技术实施例提供的基于工业互联网的供应链碳核算系统的优点在于：
120.信任是供应链主体合作的基础，是推动碳减排管理的前提。完善信任机制，有助于完善核算原始数据、改善信息失真与缺失的现状。而且信任关系的建立有助于实现碳信息由“独占”到“共享”，由“私有储备”到“社会公用”的转变，有助于降低碳数据采集的成本、提高碳减排的效率。
122.通过连接企业供应商关系管理(supplier relationship management，srm)/仓库管理系统(warehouse management system，wms)/生产执行系统(manufacturing execution system，mes)/系统应用和产品(system applications and products，sap)等系统集成建设供应链“神经网络”,消除信息壁垒。促进供应链核心环节如需求感知与预测传递，协同计划，库存管理，物流管理等信息进行整合处理与作业协同，实现端到端的供应链碳排放可见以及基于实时数据的决策和行动。
123.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
1.计算机网络安全 2.计算机仿线.网络安全；物联网安全 、大数据安全 2.安全态势感知、舆情分析和控制 3.区块链及应用