CO2-belastning for Google Ads

CO2-belastning for Google Ads omfatter udledninger, der stammer fra følgende aktiviteter:

• Omfang 1
  • Fossile brændstoffer, der forbrændes på stedet, f.eks. diesel til backupstrøm, naturgas til opvarmning og brændstoffer, der bruges i virksomheders køretøjsflåde.
  • Udledning fra kølemidler i HVAC-systemer i datacentre.
• Omfang 2
  • Elektricitetsforbruget i forbindelse med Googles annonceprodukter, herunder forbrug fra Google-ejet computer- og netværksudstyr og supplerende el-relaterede tjenester, f.eks. køling og belysning, uanset om det er i et Google-ejet datacenter eller en facilitet, der ejes af andre (lokationsbaserede og markedsbaserede beregninger). Dette omfatter også elforbruget fra servere, der ejes og drives af Google, og som kører uden for datacenteret. Bemærk, at udstyr uden for datacentrene er placeret på en række forskellige lokationer (hvoraf mange ikke ejes af Google), så branchens gennemsnitlige PUE bruges til at estimere driftseffektiviteten af yderligere strømtjenester.
• Omfang 3
  • Udledninger i hele livscyklussen for datacenterudstyr.
  • Udledning i hele livscyklussen for datacenterbygninger.
  • Forretningsrejser og pendling, der er knyttet til medarbejdere, som arbejder i Googles datacentre.
  • Generering af elektricitet, der efterfølgende går tabt under overførsel og distribution.
  • Udvinding, produktion og transport af brændstoffer, der bruges til at generere strøm til elnettet.

CO2-belastning for Google Ads omfatter ikke udledninger, der stammer fra følgende aktiviteter:

• Udledninger fra Googles netværksudstyr, der er implementeret uden for datacentre (undtagen Googles servere til netværk til indholdslevering, som er inkluderet).
• Udledninger fra udtjent(e) datacenterudstyr og -bygninger.
• Indbyggede udledninger, der er tilknyttet faciliteter og udstyr til at generere strøm til elnettet.

Den kundespecifikke rapport om CO2-belastning for Google Ads (rapporten om annoncerelateret CO2-belastning) beregnes automatisk. I dette afsnit kan du læse om, hvordan disse beregninger foretages.

Centrale begreber

• Googles annonceringsprodukter bruger en delt computerplatform. Disse computerressourcer – processorkraft, hukommelse, lagerplads, netværk osv. – deles mellem mange annonceringskunder.
• Google er organiseret omkring funktionsmæssige enheder, der kaldes interne tjenester. En intern tjeneste er en softwarefunktion, der kører på Googles datacentermaskiner. Googles annonceringsprodukter bruger mange af disse interne tjenester.
• Energiforbrug er en af de største kilder til udledning af drivhusgasser, der bruges til annoncering. Datacentre samler computerressourcer i fælles bygninger. Disse bygninger bruger strøm til at køre computerudstyret og yderligere strøm til lys, køling, strømsystemer og andre sekundære behov.
• Elektriciteten leveres af en lang række forskellige kraftværker, der drives på individuelle netværk over hele verden.De drivhusgasser, der opstår ved elproduktion, varierer bl.a. afhængigt af brændstoffet til produktionen (f.eks. naturgas, kul, vind, sol, vand). Kilderne til generering er forskellige for hvert elnet, og kilderne varierer i løbet af en dag.
• Det er en teknisk udfordring at opdele elforbruget til annoncering og dets deraf følgende CO2-belastning for specifikke kunder. Det er meget komplekst at fastslå en kundes belastning på grund af de lag af delte ressourcer, der anvendes til at imødekomme kundens behov for beregningskraft. Udvikling af nye tildelingsmetoder og antagelser (som er beskrevet nærmere nedenfor) gør det muligt at præsentere rapporter om kundernes belastning, der er relevante og repræsentative for hver enkelt kundes brug af computerkraft og produktvalg.

Oversigt over beregning

CO2-belastning for Google Ads beregner først energiforbruget som en funktion af computerforbrug og ressourcekrav i datacentrene. Derefter beregner CO2-belastning for Google Ads lokationsbaserede og markedsbaserede CO2-udledninger fra elforbrug samt proportionale fordelinger af udledninger fra kilder, der ikke er el.

De markedsbaserede målinger af udledningen matcher Googles køb af ren elektricitet med relevante datacenterbelastninger for at fastslå regionale markedsbaserede faktorer for udledning, uanset hvor Google køber ren energi. I rapporterne over markedsbaserede udledninger erstatter de regionale markedsbaserede udledningsfaktorer de lokationsbaserede udledningsfaktorer.

Energiforbrug

Energiforbrug og tildeling til interne tjenester for maskiner i datacentrene

For at tildele det samlede energiforbrug til interne tjenester, som maskinerne bruger, evaluerer Google den energi, der bruges, når der køres en arbejdsbelastning ("dynamisk strøm"), separat i forhold til den energi, der bruges, når maskinerne er inaktive ("inaktiv strøm"). Hver maskines timebaserede dynamiske strøm fordeles til de interne tjenester, maskinen understøttede i den pågældende time, baseret på den relative CPU-brug for den interne tjeneste. Maskinens strømforbrug i inaktiv tilstand tildeles hver intern tjeneste baseret på dens ressourcefordeling (CPU, RAM, SDD, HDD) i datacenteret.

Overordnet energiforbrug – strømsystemer, køling og lys – tildeles hver time til alle maskiner i datacenteret og dets brugere baseret på maskinens samlede energiforbrug i den pågældende time.

Googles delte infrastrukturtjenester sporer brugen af andre interne tjenester, der kalder dem. Dette gør det muligt at omfordele energiforbruget for de delte infrastrukturtjenester til disse interne tjenester baseret på deres relative forbrug. For nogle interne tjenester, der ikke har tilstrækkelige brugsdata, bruger Google interne omkostninger til at omfordele energiforbruget i den fælles infrastruktur.

Når disse beregninger og fordelinger er fuldført, har vi fordelt strømforbruget pr. time på hver intern tjeneste i hvert datacenter.

Energiforbrug og tildeling til interne tjenester for Googles netværk til indholdslevering

Energiforbruget for maskiner uden for datacenteret overvåges, men det er ikke lige så omfattende som for maskiner i datacenteret. Der er derfor anvendt en konservativ tilgang til at estimere strømforbruget ved at beregne det maksimale strømforbrug pr. maskintype på global basis og antage, at hver maskine af denne type altid bruger denne mængde strøm.

I modsætning til Google-ejede datacentre, hvor den faktiske energieffektivitet (PUE, Power Usage Effectiveness) for datacenteret bruges som input til beregning af det overordnede energiforbrug, bruges branchens gennemsnitlige energieffektivitet, da størstedelen af disse lokationer ikke ejes af Google.

Når disse beregninger og fordelinger er fuldført, har vi fordelt strømforbruget pr. time på hver intern tjeneste på hver lokation for netværket til indholdslevering.

Udledning af drivhusgasser

Udledning af drivhusgasser fra elektricitet: Lokationsbaserede beregninger

Google beregner lokationsbaserede udledninger af drivhusgasser på timebasis ved at gange det lokationsspecifikke energiforbrug med en faktor for intensiteten af CO2-udledning fra elnettet. Dette afspejler den faktiske blanding af energikilder (fossile brændstoffer, vedvarende energi osv.), der leverer strøm til nettet på lokationen for energiforbruget. Det er værd at bemærke, at lokationsbaserede omfang 2-udledninger ikke tager højde for valg eller kontrakter ved køb af energi – f.eks. energicertifikater (EAC, energy attribute certificates) eller elkøbsaftaler (PPA, power purchase agreements).

Dataene for intensiteten af CO2-udledning på timebasis, der bruges som input til CO2-belastning for Google Ads, omfatter kun de udledninger, der er knyttet til elproduktion. De omfatter ikke andre faser i livscyklussen. Dataene for udledningsfaktoren pr. time leveres af Electricity Maps. Hvis der ikke er tilgængelige data fra Electricity Maps, bruger Google årligt gennemsnitlige faktorer for intensiteten i CO2-udledning for hvert land, som er offentliggjort af International Energy Agency.

For at beregne udledningen ganger Google det timebaserede energiforbrug for hver interne tjeneste på hver lokation med den relevante faktor for intensiteten af CO2-udledning for den pågældende time og lokation for at fastslå den interne tjenestes lokationsbaserede CO2-belastning for elektricitet pr. time og lokation.

Udledning af drivhusgasser fra el: markedsbaserede beregninger

Den markedsbaserede udledning fra elektricitet estimeres ved at matche Googles køb af ren elektricitet med relevante datacenterbelastninger i henhold til GHGP-standarderne.

Google beregner sine markedsbaserede udledninger på årlig basis og tager højde for den faktiske produktion af vores kontraktfaciliteter til bæredygtig elektricitet og den elektricitet, der bruges på hvert enkelt sted. Google estimerer markedsbaserede omfang 2-udledninger ved hjælp af offentligt tilgængelige årlige udledningsfaktorer for elnettet fra offentlige kilder, herunder dem, der er offentliggjort af International Energy Agency og U.S. Environmental Protection Agency.

I hver region, hvor vi køber ren elektricitet, beregnes der en markedsbaseret samlet årlig udledning for Googles datacentre. De lokationsbaserede udledninger fra el skaleres ned ved hjælp af forholdet mellem det foregående års procentdel af vedvarende energi i regionen. Denne skaleringsfaktor ganges med de granulerede lokationsbaserede beregninger af udledning i den relevante region for at oprette månedlige markedsbaserede udledningsrapporter opdelt efter kunde.

Den markedsbaserede skaleringsfaktor opdateres én gang om året, da den er afhængig af de markedsbaserede beregninger af udledning for Google som helhed. Derfor giver de markedsbaserede rapporter om udledning ikke et dynamisk billede af Googles køb af elektricitet og vedvarende energiproduktion på et givet tidspunkt. De er derimod repræsentative for vores aktivitet inden for vedvarende energi fra det foregående år.

GHGP-vejledningen for omfang 2 begrænser påstande om nuludledning fra købt ren energi til de tilfælde, hvor den rene energi genereres og derefter bruges i den samme geografiske region og inden for en rimelig tidsperiode.

Bemærk! Udledningsfaktorerne varierer afhængigt af, om der er tale om lokationsbaserede eller markedsbaserede udledningsdata.

• Timebaserede udledningsfaktorer for drivhusgasser bruges til at beregne lokationsbaserede udledninger. Det skyldes, at de elgeneratorer, der leverer strøm til elnettet, hele tiden ændrer sig. En udledningsfaktor for drivhusgasser pr. time tager højde for kombinationen af produktionskilder, der anvendes time for time. Når denne beregningsmetode matches med data om timebaseret elforbrug, genererer den en udledningsværdi, der er følsom over for forholdet mellem elforbruget på elnettet og de ressourcer, der bruges til at levere det. Bemærk, at dette derefter aggregeres til daglige udledninger med henblik på fordeling for at producere den interne tjenestes lokationsbaserede CO2-belastning for el pr. dag og lokation.
• Årlige udledningsfaktorer for drivhusgasser bruges til at beregne markedsbaserede udledninger. Det skyldes, at disse er de udledningsfaktorer, der oftest bruges i andre omfang i virksomhedens regnskab over drivhusgasser. Disse udledningsfaktorer kombineret med effekten af Googles køb af CO2-fri elektricitet gør det til en egnet datakilde, der kan inkluderes i opgørelser over omfang 3-udledninger.

CO2-belastning fra elforbrug

Fordeling af CO2-belastning fra elforbruget til Googles annoncetjenester

Der kører en lang række forskellige tjenester inden for Googles grænser. Det første trin er at identificere de interne tjenester, der er knyttet til annoncering, og derefter kvantificere udledningen for hver tjeneste.

Udledningen pr. intern tjeneste aggregeres på daglig basis, og disse udledninger gælder for hver lokation, hvor der er placeret servere.

Fordeling af CO2-belastning fra elforbrug til kunder

Når du har udført ovenstående trin, får du vist den samlede CO2-belastning for Googles annoncetjenester, herunder udledningen for hver intern tjeneste på hver lokation opdelt på daglig basis. Det næste trin er at tildele disse tjenesters CO2-belastning til specifikke kunder, som aggregeres i meningsfulde enheder (i dette tilfælde data på kontoniveau, der leveres på månedlig granuleringsbasis).

Dette udføres ved hjælp af data på aktivitetsniveau, herunder logs. Dette sikrer, at den relevante del af udledningen for en bestemt konto kun inkluderes, hvis der er foregået arbejde på en intern annonceringsproces for den pågældende kunde i et bestemt datacenter på den pågældende dag.

Udledningskilder, der ikke relaterer til elektricitet

Udledningskilder, der ikke relaterer til elektricitet

Selvom udledningen fra elproduktion udgør størstedelen af CO2-belastningen for Google-annoncering, bidrager andre udledningskilder til den samlede udledning.

CO2-belastning for Google Ads bruger datastrømme for disse kilder, der ikke er baseret på elektricitet, som stammer fra Googles udledning for hele virksomheden. Derfor beregnes og føjes udledninger fra kilder, der ikke er baseret på elektricitet, til CO2-belastningen for annoncering på en mindre dynamisk og mindre granuleret basis end udledninger fra elektricitet. Vi måler elforbrug og tilknyttede lokationsbaserede udledninger på timebasis, men udledninger fra andre kilder fastlægges enten på måneds- eller årsbasis og er ikke tilgængelige med geografisk specificitet. Bemærk, at Googles data for indbyggede udledninger fra datacenterudstyr og datacenterfaciliteter ikke er blevet verificeret.

For at fordele virksomhedsrelaterede udledninger fra kilder, der ikke er baseret på elektricitet, til de kundespecifikke oversigter i rapportering af CO2-belastning, fastsætter vi en fordelingsfaktor – et forhold mellem kundens strømforbrug til annoncering og det samlede Google-strømforbrug – og ganger denne faktor med udledningen fra hver kilde, der bestemmes som beskrevet her.

• Indbyggede udledninger fra datacenterudstyr: Denne udledningskilde omfatter de aktiviteter, der er nødvendige for at udtrække, justere og transportere materialer til produktionssteder for udstyr, og de udledninger, der er knyttet til produktionsprocesserne. Ved hjælp af livscyklusanalyse har Google fastlagt en udledningsbelastning for hvert stykke datacenterudstyr. Denne belastning afskrives derefter over en periode på 4 år for at skabe en årlig udledningsbyrde for hvert stykke udstyr.
  Det samlede antal maskiner i Googles datacentre og de samlede udledninger fra alt udstyr opdateres månedligt ved at tilføje de nye maskiner og fjerne dem, der er 4 år gamle.
• Indbyggede udledninger fra datacenteranlæg: Denne udledningskilde omfatter de aktiviteter, der er nødvendige for at udtrække, justere og transportere materialer til de lokationer, hvor der bygges datacentre, og de udledninger, der er knyttet til selve byggeriet – herunder bygningsinfrastruktur som f.eks. kølesystemer og strømsystemer. Ved hjælp af en livscyklusanalyse har Google fastlagt en udledningsbelastning for byggeri af datacentre, som derefter skaleres op eller ned baseret på størrelsen (datakapaciteten) af nye datacentre. Denne skalerede belastning afskrives derefter over en periode på 20 år (valgt for at matche vores standarder for regnskabsføring).
  Google føjer hver måned nyligt tilgængelig bygningskapacitet til den løbende beregning af udledning fra bygninger.
• Fossilt brændstof, der forbrændes på stedet: Denne udledningskilde omfatter al brug af brændstof i datacentre, f.eks. til backupstrøm, vand- og rumvarme samt transport (flådekøretøjer). Google indsamler årligt alle relevante registreringer, opsummerer det samlede forbrug af brændstof til datacentre og beregner den resulterende CO2-belastning som en del af den årlige rapporteringsproces for udledning.
  Den samlede mængde udledninger fra brændstof i datacentrene opdateres årligt til beregning af CO2-belastning for Google Ads.
• Datacentermedarbejderes pendling og forretningsrejser: Denne udledningskilde omfatter rejser og pendling, der er knyttet til medarbejdere, der arbejder i Googles datacentre. Google indsamler årligt rejseregistreringer og estimater for medarbejdernes pendling, og i hvert tilfælde oprettes der en samlet udledningsbelastning for aktiviteten på verdensplan. Dette samlede globale Google-udledningstal skaleres derefter ned til datacentermedarbejdere ved at gange andelen af datacentermedarbejdere med Googles samlede antal medarbejdere for at oprette det samlede udledningstal for datacentre.
  Den samlede mængde udledning fra pendling og rejser for datacentrene opdateres årligt til beregning af CO2-belastning for Google Ads.

Elforbrug

I dette afsnit beskrives Googles metode til beregning af energiforbrug fra bunden.

Først kører hver maskine arbejdsbelastninger for en eller flere interne tjenester. Google registrerer de interne tjenester, der anvender hver maskine, på timebasis. Google registrerer også strømforbruget efter maskine på timebasis.

En maskines strømforbrug er en blanding af strøm, der bruges til at udføre arbejdsbelastninger (dynamisk strøm), og strøm, der bruges, når maskinen er inaktiv (inaktiv strøm). Der er to forskellige metoder til at tildele disse to typer strømforbrug på maskinniveau til det interne tjenesteniveau:

• Hver maskines timebaserede dynamiske strøm fordeles på de interne tjenester, den understøtter inden for den pågældende time. Når en arbejdsbelastning kører, stammer den største del af energiforbruget fra CPU-forbruget. Google overvåger CPU-forbruget i sine datacentre pr. maskine og intern tjenestebelastning. Hvis én intern tjeneste bruger maskinen, tildeles maskinens dynamiske energiforbrug til den pågældende interne tjeneste. Hvis en maskine understøtter mere end én intern tjeneste, tildeler Google den dynamiske effekt i forhold til CPU-forbruget for hver intern tjeneste, der kører på maskinen.
• Energiforbruget i inaktiv tilstand fordeles til Googles interne tjenester baseret på hver enkelt interne tjenestes ressourcefordeling i datacentret. En vigtig årsag til, at maskiner er inaktive, er ønsket om at have beregningsressourcer (CPU, RAM, HDD, SDD) "klar til brug" til at udføre usikre, men potentielt store arbejdsbyrder uden forsinkelse eller afbrydelse. Strømforbruget ved inaktivitet fordeles baseret på det niveau af beregningsressourcer, der er blevet købt, uanset om den interne tjeneste bruger disse ressourcer eller ej. Denne fordeling resulterer i tildelinger af strøm til inaktivitet pr. intern tjeneste for hver datacenterlokation.

Den overskydende elektriske belastning i datacenteret (strømsystemer, køling, lys) tildeles derefter til alle maskiner i datacenteret. Google måler denne belastning på bygningsniveau og estimerer den mere præcist på niveauet for underordnede bygninger ved hjælp af validerede algoritmer som en del af Googles overvågningssystem for energieffektivitet. Estimaterne for underordnede bygninger fordeles på tværs af implementerede maskiner i sektoren for den underordnede bygning i samme proportioner som de fuldførte tildelinger af dynamisk og inaktiv strøm.

Derefter tildeles den strøm, der kræves af softwarelaget for delte infrastrukturtjenester, baseret på brugen af disse infrastrukturtjenester af interne tjenester på højere niveau. Den overskydende belastning for delte infrastrukturtjenester er inkluderet i deres tildelinger. Disse tildelinger forbliver på det interne tjenesteniveau (ikke på maskinniveau).

For de interne tjenester, der ikke har tilstrækkelige brugsdata, bruger Google omkostninger, der tilbageføres mellem de interne tjenester, for at omfordele energiforbruget for den delte infrastruktur.

Udledning af drivhusgasser

Denne sektion beskriver Electricity Maps' beregning.

CO2-udledningsfaktorer for elnettet starter med data om elproduktion fra myndigheder, der står for netbalancering. Disse data viser energimikset inden for samme dag, som er den relative produktion af elektricitet fra de forskellige kraftværker, der er tilgængelig på nettet. Electricity Maps tilføjer derefter import og eksport af elektricitet i realtid mellem sammenknyttede netværk.

Endelig bruger Electricity Maps IPCC's (Intergovernmental Panel on Climate Change, 2014) udledningsfaktorer for strømproduktion for hver kilde til strømproduktion (f.eks. kul, naturgas, vandkraft osv.) til at oprette en volumenvægtet timebaseret CO2-intensitetsfaktor (udledning pr. genereret megawatt-time) for hvert elnet. Du kan gennemgå CO2-intensitetsfaktorerne for Electricity Maps her.

Bemærk, at Electricity Maps ikke leverer data for alle Google-serverlokationer, især i Asien. Hvis sådanne data ikke er tilgængelige, bruger Google de landespecifikke årlige gennemsnitlige CO2-intensitetsfaktorer, der er offentliggjort af International Energy Agency.

Google knytter de relevante faktorer for CO2-udledning til hver af sine serverlokationer. Vi ganger derefter det timebaserede energiforbrug for hver intern tjeneste på hver lokation med den relevante faktor for CO2-udledningsintensitet for den pågældende lokation for at fastslå den interne tjenestes lokationsbaserede CO2-belastning pr. time og lokation. Hver intern tjenestes belastning opsummeres hver 24. time for at oprette et dagligt fodaftryk for den pågældende interne tjeneste på hver lokation.

Tildeling til kunder

Da udledningen for hver intern annonceringsfokuseret tjeneste på dette tidspunkt er kendt for hver lokation for hver dag, er næste trin at tildele belastningen til individuelle kundekonti. For hver kunde kan der ved hjælp af aktivitetsbaserede data som f.eks. logge og andre datapunkter fastslås, hvilke interne processer på hver lokation der har udført arbejde på deres konto, og også den andel af arbejdet for den pågældende dag, som blev udført af tjenesterne. Når konto-id'et er angivet sammen med datoparametre, sker følgende:

1. For hver dag inden for det angivne datointerval beregnes udledningen for konto-id'et for hver lokation og hver intern tjeneste, der bruges.
2. Disse data samles derefter for at få den samlede udledning for den pågældende dag på tværs af alle interne tjenester og lokationer, der bruges til at betjene det pågældende konto-id.
3. Dataene lægges derefter sammen for datointervallet for at angive de samlede udledninger for det pågældende konto-id opdelt efter omfang 1, omfang 2 (lokationsbaseret), omfang 2 (markedsbaseret) og omfang 3.
4. Dette vises derefter til kunderne opdelt efter måned.

Bemærk, at der foretages validering for at sikre, at sammenlægningen af alle kundens CO2-belastninger for el er lig med den samlede lokationsbaserede CO2-belastning for el til Googles annoncering.