引言

碳市场是通过市场机制积极应对气候变化，助力经济社会发展全面绿色转型的重要政策工具^[1]。钢铁产业既是支撑我国国民经济的基础性产业，也是高碳排放制造业中的重要组成部分，其碳排放量约占全国碳排放总量的15%^[2]，于2025年3月正式纳入国家碳排放权交易市场^[3]。保证碳排放数据的质量是确保全国碳市场健康、平稳且有序运行的重要基础。企业提交的温室气体相关数据的准确性与完整性，直接关系到碳配额分配的公正性与合理性，以及减排成效核算的科学性与可靠性。生态环境部颁布实施的《企业温室气体排放核算与报告指南钢铁行业（CETS—AG—03.01—V01—2024）》（以下简称《指南》）^[4]，在原有框架基础上进行了重要修订。《指南》主要从三个方面作出调整：一是修订涉及核算边界的界定；二是聚焦于核算方法的更新；三是对数据质量控制提出了更为系统与明确的要求。特别值得注意的是，《指南》强调所有重点排放单位均需编制全面质量控制方案（以下简称“质控方案”），并通过推行月度信息化存证等机制，切实保障数据质量的可靠性。随着《指南》的实施，钢铁企业面临更精细化的数据质量管理挑战。此外，国内外学者与行业机构围绕钢铁行业碳排放数据质量控制开展了多维度探索。

1 钢铁行业碳排放数据质量研究进展

在国际层面，欧盟监测、报告、核查（MRV）制度，美国评估工具和数据交叉验证算法及韩国碳市场政策法规体系为钢铁行业碳排放数据质量控制提供了经验，但与我国《指南》的工序存证要求适配性不足。欧洲碳排放交易体系建立严格MRV制度，精细化管理钢铁行业碳排放源，规范从测量到上传的流程，确保数据真实可靠^[5]。美国国家环境保护局开发钢铁行业评估工具和数据交叉验证算法，通过流程保障数据真实可追溯^[6]。韩国从市场政策法规层面完善数据质量监管，颁布《低碳绿色增长基本法》等多项法律，健全碳市场政策法规体系^[7]。

国内研究聚焦碳核算方法改进（如电碳耦合模型、物料流分析等）、信息披露评价及技术赋能路径，但尚未针对钢铁行业碳排放数据质量开展适配的评价。国内研究可归纳为五大方向：一是碳核算方法与模型优化，包括李秀清等构建的电碳耦合计量体系^[8]、Zhang等提出的“枢纽”碳流追踪概念及碳流模型^{[9, 10]}、赵婷婷等对比的焦化工序CO₂排放核算方法^[11]，以及黄佳意等对国内外碳计量体系的比较研究^[12]；二是数据质量与不确定性分析，张亮建立了燃料端排放量不确定度模型，明确测量参数对数据可靠性的影响^[13]；三是信息披露评价体系，滕旭等基于组合赋权法构建碳信息披露质量评价模型，穆增林则运用层次分析法评估披露状况^{[14, 15]}；四是技术赋能应用，刘胧灿、周智豪、魏亿钢等探索区块链与人工智能在碳交易监管、核查方案设计中的应用，以提升数据完整性与监管效率^[16-18]；五是政策与市场影响研究，王鹏等分析核算边界调整对企业环境、社会和公司治理（ESG）表现的影响，靳博阳则探讨碳市场与碳边境调节机制给钢铁行业带来的挑战及应对策略^{[19, 20]}。

然而，现有研究仍存在明显短板：一是国际经验虽在数据流程管控上有借鉴意义，但未针对我国钢铁行业特有的工序复杂度（如高炉炼铁、转炉炼钢等多环节耦合）及《指南》中的月度存证、质控方案编制等要求进行适配性优化；二是国内研究多集中于核算方法改进或信息披露评价，缺乏针对钢铁企业碳排放数据全生命周期（从数据采集、存证到报告）的综合性质量评价体系，尤其对“数据存证合规性”这一新增维度的关注较少。这些短板导致现有评价工具难以满足《指南》实施背景下钢铁企业数据质量管理的实际需求，也制约了监管部门对数据质量的精准评估与管控。因此，构建一套融合静态评估与动态验证、覆盖《指南》核心要求的钢铁行业碳排放数据质量评价体系，具有重要的理论与实践价值。本研究采用德尔菲法（Delphi Method）与层次分析法（Analytic Hierarchy Process, AHP）相结合的方法（Delphi-AHP法）^{[21, 22]}，该方法契合钢铁行业碳排放数据质量评价的需求特点：钢铁行业碳排放数据涉及工艺复杂性高、影响因素多，Delphi法能有效整合行业专家对数据质量关键指标的经验判断，解决数据质量评价中专业知识碎片化的问题；AHP法则通过层次化结构将模糊的“数据质量”概念转化为可量化的指标体系，以适应钢铁行业多维度（如准确性、完整性、合规性等）评价需求，二者结合可实现主观经验与客观权重的科学统一，为复杂工业场景下的数据质量评价提供可靠方法论支撑。

2 相关理论基础 2.1 Delphi法原理与应用

Delphi法是基于专家群体智慧的定性决策方法，其核心逻辑是通过匿名化的多轮反馈机制，逐步整合专家意见并达成共识。该方法通过避免面对面讨论中的权威压制、群体思维等偏差，充分挖掘不同领域专家的专业经验，适用于复杂系统中难以量化的问题决策。本研究采用Delphi法开展指标构建工作，在此过程中开展了两轮咨询，首轮咨询邀请了25名专家针对初步筛选出的20项指标，采用1~5级评分，以专家评价均值低于3.5分为筛选条件删除“数据共享性”和“数据可视化程度”两项指标，并开始第二轮咨询。第二轮咨询时，再将剩余指标交由专家评判，剔除变异系数大于0.2的异常数据响应时间指标，最后确定17项评价指标。通过两次Delphi咨询，保证选出的指标既符合《指南》要求，又贴近钢铁行业实际情况，并且具有科学性、实用性。

2.2 AHP法原理与应用

AHP法是一种将定性分析与定量分析相结合的多准则决策方法，其核心思路是将复杂问题分解为目标层、准则层、指标层的递阶层次结构，通过对各层次元素相对重要性的两两比较，构建判断矩阵并计算权重，最终实现对决策方案的排序或评价。

（1）构建判断矩阵。AHP法主要是确定准则层指标的权重，邀请12位专家对准则层中的“数据准确性（B1）”“数据完整性（B2）”“数据一致性（B3）”“数据时效性（B4）”“数据存证合规性（B5）”5个指标进行1~9标度赋值（1表示两者同等重要；9表示与前者相比后者极端重要），得到如下判断矩阵：

$ \left[\begin{array}{ccccc} 1 & 2.5 & 4.0 & 5.0 & 3.5 \\ 1 / 2.5 & 1 & 2.0 & 3.0 & 2.0 \\ 1 / 4.0 & 1 / 2.0 & 1 & 2.0 & 1.5 \\ 1 / 5.0 & 1 / 3.0 & 1 / 2.0 & 1 & 1 / 1.5 \\ 1 / 3.5 & 1 / 2.0 & 1 / 1.5 & 1.5 & 1 \end{array}\right] $

（2）一致性检验。经计算可得到判断矩阵的最大特征值$\lambda_{\max }=5.21$，一致性指标$\mathrm{CI}=\frac{\lambda_{\max }-n}{n-1}$$=\frac{5.21-5}{5-1}=0.0525$，查表可知得随机一致性指标$\mathrm{RI}=1.12(n=5)$，计算得到一致性比例$\mathrm{CR}=\frac{\mathrm{CI}}{\mathrm{RI}}$$=0.0469 <0.1$，以上结果说明判断矩阵通过了一致性检验，专家赋分合理。

（3）计算权重。对判断矩阵进行归一化处理以确定准则层的指标权重，归一化后准则层权重为：B1=0.35，B2=0.22，B3=0.15，B4=0.13，B5=0.15。各权重表示各准则层指标对钢铁行业碳排放数据质量的相对重要性。

3 钢铁行业碳排放数据质量评价指标体系构建 3.1 初始指标选取

根据《指南》要求，结合钢铁行业数据特点及物料平衡关系，构建目标层、准则层和指标层三层评价体系。目标层为钢铁行业碳排放数据质量评价（A）；准则层含数据准确性（B1）、数据完整性（B2）、数据一致性（B3）、数据时效性（B4）、数据存证合规性（B5）5项指标；指标层共17项（B1对应C1~C4，B2对应C5~C8，B3对应C9~C12，B4对应C13~C14，B5对应C15~C17），具体指标如下：

数据准确性（B1）包含4项指标：①计量设备准确度（C1），化石燃料、原料消耗及产品产量等计量设备需符合《指南》准确度要求，避免原始数据误差影响核算结果；②数据测量误差率（C2），关键参数（如燃料消耗量）误差需＜5%，防止原料平衡核算偏差；③燃料成分实测率（C3），低位发热量等参数采用实测法确定排放系数，进厂煤种需提供实测支撑材料；④数据审核通过率（C4），反映质控方案各环节审核表现。

数据完整性（B2）确保数据覆盖主要环节，包含4项指标：①碳排放源覆盖度（C5），需包含全部直接排放源（化石燃料燃烧、过程排放、含碳产品隐含排放），避免因排放源遗漏导致总量低估；②工序层级数据覆盖度（C6），6个核心工序及掺烧自产发电设施的关键参数（燃料用量、产品产量）需100%覆盖，确保工序层级物料平衡核算无遗漏；③记录完整性（C7），完整记录燃料名称、消耗量、低位发热量等碳相关数据，确保核算所需数据完整；④数据缺失比例（C8），年度填报数据缺失率要≤5%。

数据一致性（B3）评价数据逻辑一致性，包含4项指标：①不同数据源一致性（C9），生产管理系统（MES）与能源监测系统（EMS）的相同参数及财务、生产台账数据需通过第三方核证交叉验证一致性；②物料平衡数据一致性（C10），按《指南》公式计算的化石燃料净消耗量在企业与工序层级偏差≤10%；③时间序列数据一致性（C11），生产工况不变时，工序单位含碳产品输入量各个季度波动＜8%，异常波动需提供原因说明；④与第三方核查数据一致性（C12），企业自报数据与第三方核查数据差值＜5%，超阈值须整改。

数据时效性（B4）评价数据报送及时性，包含2项指标：①数据更新及时性（C13），企业碳排放报告数据、质控方案及核查整改值需按规定时间更新，避免迟报、漏报导致动态监测异常；②数据报告及时性（C14），自2025年7月起，重点排放单位需在每月结束后40个自然日内完成月度数据信息化存证，2025年10月31日前补报1—6月数据，需严格遵循时间要求。

数据存证合规性（B5）评价数据可验证性与可追溯性，包含3项核心指标：①月度信息化存证完整性（C15），烧结、炼铁等核心工序存证需涵盖每月数据、来源、采集时间及责任人等信息，确保数据可溯源、可核查；②存证有效期限合规性（C16），原始台账保存期≥5年，防止历史数据丢失影响追溯；③企业执行质控方案合规性（C17），需严格落实数据质控方案，确保企业采集的各项数据采集规范、真实和有效。

3.2 指标权重确定

在确定指标权重时，首先对判断矩阵实施按列归一化处理，继而按行求和并再次归一化，从而计算出准则层与指标层的权重值。为验证专家打分的合理性与可靠性，本研究对权重进行了一致性检验。结果表明，所有指标的CR值均小于0.1，通过了一致性检验，专家打分结果具有良好的一致性，权重分配合理可信。具体各指标的权重如表 1所示。根据权重分配结果，数据准确性指标的权重为0.35，在准则层中占据最大比重，这反映出数据准确性对钢铁行业碳排放数据质量的影响最为显著。其次为数据完整性指标，其权重为0.22。数据一致性、数据时效性及数据存证合规性的权重相对较低，但这些指标同样是确保数据质量不可或缺的组成部分。

4 案例研究 4.1 企业概述及数据来源

以华北某省重点钢铁集团（以下简称“X集团”）某长流程钢铁企业作为案例主体开展实证评估，发现2024年X集团碳排放总量为832万吨，占该省钢铁行业总碳排放量的15%。

从企业环保部门获取计量设备台账（128台套，包括GH—60型烟气分析仪等核心设备）、质控方案，生产部工序层级数据（烧结、炼铁等工序月度燃料消耗量、产品产量）、物料平衡计算表，数据管理部的数据存证记录（信息化系统截屏）。在生产现场核实计量器具的运行状况，随机挑选20台设备实施校准，查阅并确认各个工序级别数据的存证状况（烧结工序存证率为100%，炼铁工序存证率为95%）。采用极值法将指标实际值转化为0~100分的标准分值，消除量纲影响，如式（1）和式（2）所示：

$ \text { 正向指标：} \quad X_i=\frac{\text { 实际值 }- \text { 最小值 }}{\text { 最大值 }- \text { 最小值 }} \times 100 $

(1)

$ \text { 负向指标：} X_i=\frac{\text { 最大值 }- \text { 实际值 }}{\text { 最大值 }- \text { 最小值 }} \times 100 $

(2)

部分关键指标的分数：C1计量设备准确度得分为82分，C2数据测量误差率得分为48分，C10物料平衡数据一致性得分为99.6分，C15月度信息化存证完整性得分为92.5分。从以上部分关键指标分数中可以发现，在物料平衡的数据一致性以及工序中的数据存证完整性指标上都得到较高的分数，但是在数据测量方面有着明显的不足之处，如数据测量误差率所得分数较低。

4.2 数据质量综合评价

采用加权求和法计算X集团碳排放数据质量的综合得分，如式（3）所示：

$ S=\sum\limits_{i=1}^n W_i \times X_i $

(3)

式中，S为碳排放数据质量的综合得分；用百分制表示；W_i为第i项指标的组合权重；X_i为第i项指标的标准化得分，见表 2。

5 结果分析与改进建议 5.1 数据质量问题诊断

X集团实证评估显示，其碳排放数据质量综合得分为79.2分（中等偏上水平），但在数据准确性、数据一致性和数据存证合规性三大维度存在显著短板。问题根源可归结为技术配置缺陷、管理流程漏洞及制度执行不到位三个层面，具体表现如下：

数据准确性不足的主要原因是设备老化与操作不规范。该集团部分电子汽车衡、流量计连续使用超8年，设备老化导致平均误差达±5%，部分设备误差已逼近《指南》所规定的上限，直接造成燃料消耗、原料输入等关键参数测量失真；同时，运维人员未接受《指南》系统培训，设备校准与数据采集操作不规范进一步放大了误差。数据一致性失衡的核心原因是系统协同缺失与校验机制空白。MES与EMS系统统计口径存在本质差异（MES按原煤入炉量统计，EMS按净消耗量统计），且企业未建立统一数据校验标准与协同机制，导致两类数据长期独立运行，形成碳排放核算的逻辑矛盾。

数据存证合规性未达《指南》要求，具体表现为：一是存证期限不足，部分纸质台账因仓储潮湿霉变导致关键数据丢失，存证期限合规性仅得70分；二是信息完整性缺失，80%存证记录存在核心要素遗漏（如炼铁工序燃料消耗未标注数据来源与责任人，烧结工序30%记录缺少设备校准编号），违反《指南》数据可验证、可追溯的要求。

本研究构建的评价体系通过“静态指标+动态核算”双重验证，精准识别出全流程数据问题，不仅明确了企业数据治理优先级，更通过量化评估推动生产效率提升与运营成本优化，为钢铁行业数字化转型奠定数据基础。

5.2 提升建议

针对X集团数据质量问题，结合钢铁行业生产特性与《指南》要求，本研究建议从技术、管理、制度三个维度实施精准提升。

技术层面需聚焦设备升级与系统协同，破解硬件短板：一是制定1年内完成电子汽车衡、流量计等关键设备替换计划，选用精度符合《指南》要求的计量设备，并建立全生命周期管理台账；二是与区域质检机构合作，对原煤等固态燃料实行每批次实测，确保排放系数核算准确；三是整合MES系统与EMS系统，统一20项关键指标统计口径，设置数据差异自动预警阈值，消除系统数据矛盾。

管理层面应规范数据存证流程并强化人员能力：一是设计统一存证模板，明确数据来源、采集时间、责任人签字、设备校准编号等6项必填字段，确保信息完整；二是构建电子归档+纸质备份双体系，关键记录扫描后加密存储，纸质台账存放于恒温干燥环境，保证5年存证期限内完整有效；三是每年开展钢铁碳排放数据质量管理专项培训，覆盖设备操作、数据采集、存证规范等内容，考核合格后方可上岗。

制度层面需建立长效数据管理机制，推动持续改进：一是明确环保部门（设备运维）、生产部（数据填报）、数据管理部门的职责；二是完善质量控制方案，新增异常数据处理流程；三是每年委托第三方机构开展全维度审计，建立问题清单—整改计划—复核验收闭环管理台账。

6 总结与展望

本研究基于Delphi-AHP法成功构建了钢铁行业碳排放数据质量评价体系，该体系紧扣《指南》的核心要求，筛选出包含新增数据存证合规性在内的5项准则层指标和17项指标层指标，弥补了旧有评价体系对《指南》工序存证要求的覆盖缺口，让评价更贴合《指南》要求。本研究将物料平衡核算公式融入AHP一致性检验，突破了传统静态打分的局限，“静态指标+动态核算”的双重验证能够结合钢铁行业生产实际，依靠物料输入、输出的逻辑关系检验数据合理性，显著提升了评价结果的科学性与贴合度。通过对X集团的实证研究，不仅计算出该集团碳排放数据质量综合得分为79.2分（中等偏上），还精准识别出企业在数据准确性、数据一致性、数据存证合规性方面的短板，并从技术、管理、制度三个层面提出了具有针对性的改进建议，有效帮助企业解决这三方面问题，充分验证了该评价体系的适用性与实践价值。后续研究将进一步扩大钢铁企业案例研究覆盖范围，选取更多不同省域、不同生产工艺（长流程/短流程）的钢铁企业开展实证分析，持续观察并优化评价体系在各种场景下的适配性，为钢铁行业碳排放数据质量管控提供更全面、更具普适性的支撑，助力我国碳市场持续健康有序运行。