德克萨斯大学达拉斯分校的工程师携手哈佛大学及南通人工智能公司研究人员，开发出一种新模型，可根据电网替代能源可用性优化用电时间，助力大幅减少碳排放。相关研究发表于5月23日出版的《细胞报告可持续性》杂志。

美国各地电网能源多样，涵盖风能、太阳能、水力发电、核能、天然气和煤炭等，但每种能源对特定电网的贡献会因时间、季节、天气和地理位置等因素波动。例如，美国西北部水力发电约占该地区电力来源的30%。通常情况下，电网优先利用无碳排放的替代能源，不足时再转向天然气和煤炭等。

埃里克·琼森工程与计算机科学学院机械工程副教授张杰博士(该论文通讯作者)表示，利用温室气体排放实时数据，能为公用事业公司和消费者提供决策信息，减少排放。研究人员发现，将用电时间与电网替代能源供应高峰时段匹配，消费者可在不增加碳排放的情况下使用等量电力，如晚上用洗衣机，因此时电网可能更多依靠风能发电，而非下午用电高峰时依赖化石燃料。

减少碳排放通常聚焦于增加替代能源供应，而此次研究表明，需求侧改变也能发挥重大作用。研究人员针对美国不同地区电网供电来源结构，开发三种情景模型，发现可再生能源丰富地区减排潜力最大。

研究还指出，供应商在规划中纳入一年内的电力供应和消费模式，可实现更大减排。以加州为例，采用年度优化方法，碳减排量最高可达33%。若该州原本减少10%碳排放，使用该模型且消费者将5%电力消耗转移至温室气体强度较低时段，减排量可提升至13%以上。

张杰博士称，实施该减排模式需公用事业公司告知客户主要使用替代能源发电的时间段。参与此次研究的德克萨斯大学达拉斯分校人员还有第一作者、机械工程博士生Honglin Li和Soroush Senemmar博士。

更多信息： Honglin Li 等，基于实时温室气体排放强度的电网脱碳需求侧负荷调节，Cell Reports Sustainability(2025)。