以碳账户、碳监管、碳中和碳达峰推演、碳征信、绿色金融、减排核证、碳交易、数字资产管理、绿色低碳发展等服务为中心，利用区块链、云计算、大数据、AI模型、数字孪生等先进技术，结合当地的税务、社保、电力、天然气、供热等相关数据对企业碳账户、碳资产、碳减排进行特征分析、建模和数据采集，根据企业单位碳排放量水平和碳中和进程，对企业进行碳效值测算，并进行碳效评级，从而实现对企业碳排和城市绿色低碳发展的科学精准管理。

    平台建设以“城市级双碳管理”为核心功能，围绕政府、企业、征信公司、金融机构四大运行链条，力求在碳管理方面实现数字化、自动化、智能化、可视化。上述四个主体的碳相关数据可以互相信任、互相流转、互相支撑，“城市级双碳管理平台”既可以深度集成至“信通三晋”平台，也可以作为城市级碳综合监管平台独立运营，各主体的底层数据互联互通，最终实现企业及机构碳排实时监管、实时分析、实时核算、实时交易、实时服务，为企业、政府及金融机构提供碳数据、碳征信、碳金融服务与支撑。

    多维度助力企业发展：在平台中登记绿色项目、转型项目、能碳数据，平台通过人行发布的项目清单及细则自动评判企业项目是否符合并提示企业差异项与改进内容。自动生成项目申报材料。

    金融机构增加资金流动性：金融机构在平台中发布特色绿色融资产品，平台基于绿色项目识别标准自动将产品推荐至符合的企业。金融机构在平台项目库中定向筛选目标客户，咨询融资意向，企业同意后公开全部项目资料。

双碳管理平台业务流程

平台引入大文本模型技术

    在平台业务流程中，引入了大文本模型技术，提高业务人员工作效率。

    数据收集和预处理：收集与绿色项目相关的大量文本数据，例如项目描述、环境评估报告、技术规范等。对这些文本数据进行预处理，包括去除噪声、标记化、分词、去除停用词等。

    模型训练：使用大文本模型技术，如基于深度学习的语言模型（如GPT-3.5 Turbo），对预处理后的文本数据进行训练。可以使用自监督学习方法，通过预测下一个词或填充缺失的词来训练模型。这样的训练可以帮助模型学习文本数据中的语义和上下文信息。

    绿色项目识别：在识别绿色项目时，将项目描述或其他相关文本输入到训练好的大文本模型中。模型将输出一个概率分布，表示该文本与绿色项目的相关程度。可以设置一个阈值，根据输出的概率判断文本是否属于绿色项目。

    模型优化和迭代：根据实际应用中的反馈和结果，对模型进行优化和迭代。可以通过增加更多的训练数据、调整模型结构、调整超参数等方式来改进模型的性能。

平台界面