Pendahuluan

Di era tantangan lingkungan yang terus meningkat, kecerdasan buatan (AI) muncul sebagai sekutu yang kuat dalam memerangi perubahan iklim dan melindungi ekosistem. Tahun 2025 merupakan tahun yang sangat penting ketika teknologi AI yang canggih akhirnya bergerak dari janji ke aplikasi nyata, menawarkan solusi inovatif untuk memantau, memprediksi, dan memitigasi dampak lingkungan.

‍

Makalah ini mengeksplorasi inovasi utama di mana AI merevolusi pengelolaan lingkungan, memberikan contoh konkret implementasi yang berhasil dan menguraikan prospek masa depan untuk sinergi antara teknologi dan keberlanjutan.

‍

Potensi AI dalam Memerangi Perubahan Iklim

Kecerdasan buatan menawarkan alat yang belum pernah ada sebelumnya untuk mengatasi tantangan lingkungan. Menurut penelitian terbaru, AI dapat membantu mengurangi emisi gas rumah kaca global hingga 10 persen pada tahun 2030, nilai yang setara dengan emisi tahunan seluruh Uni Eropa.

‍

Kemampuan AI dalam memproses data dalam jumlah besar, mengidentifikasi pola yang rumit dan menghasilkan prediksi yang akurat membuatnya sangat cocok untuk:

• Menganalisis data iklim dan cuaca untuk memprediksi kejadian ekstrem
• Mengoptimalkan penggunaan sumber daya alam dan energi
• Memantau dan melindungi ekosistem
• Memfasilitasi transisi menuju ekonomi sirkular

‍

Aplikasi Utama AI untuk Lingkungan pada Tahun 2025

1. Pemantauan Ekosistem Tingkat Lanjut

Sistem pemantauan lingkungan berbasis AI merupakan salah satu aplikasi yang paling menjanjikan. Platform seperti Envirosensing merevolusi pemantauan deforestasi melalui analisis citra satelit beresolusi tinggi yang dikombinasikan dengan algoritme pembelajaran mesin. Sistem-sistem ini memungkinkan untuk:

• Melacak perubahan tutupan hutan secara akurat
• Mengidentifikasi risiko deforestasi pada tahap awal
• Mengotomatiskan proses uji tuntas untuk perusahaan yang tunduk pada EUDR

Di Italia, Kementerian Lingkungan Hidup telah meluncurkan investasi sebesar EUR 500 juta untuk mengembangkan sistem pemantauan terpadu yang canggih yang menggunakan penginderaan jauh dirgantara, sensor in-situ, dan analisis AI untuk memprediksi bahaya hidrogeologi dan mengidentifikasi kejahatan lingkungan.

‍

2. Prediksi dan Adaptasi Perubahan Iklim

AI mengubah kemampuan kita untuk memprediksi dan merespons perubahan iklim:

• Model iklim tingkat lanjut: Algoritme pembelajaran mendalam secara signifikan meningkatkan akurasi prediksi iklim dengan mengidentifikasi pola-pola kompleks yang mungkin tidak dapat dideteksi oleh model tradisional.
• Sistem Peringatan Dini: Platform seperti 'Sunny Lives', yang dikembangkan oleh IBM dan SEEDS, menggunakan AI untuk menganalisis citra satelit dan menilai risiko lokal dari bahaya alam dengan memberikan skor risiko relatif pada bangunan.
• Simulasi skenario iklim: AI memungkinkan simulasi berbagai skenario perubahan iklim dan evaluasi efektivitas strategi adaptasi dan mitigasi yang potensial.

3. Optimalisasi Sumber Daya Energi

Di sektor energi, AI mendorong transformasi menuju sistem yang lebih efisien dan berkelanjutan:

• Smart grid yang digerakkan oleh AI: sistem cerdas yang menyeimbangkan pasokan dan permintaan energi secara real time, memfasilitasi integrasi energi terbarukan.
• Perkiraan produksi terbarukan: Algoritme yang meningkatkan akurasi perkiraan produksi dari sumber angin dan matahari, sehingga mengurangi kebutuhan bahan bakar fosil cadangan.
• Efisiensi energi: Sistem manajemen energi berbasis AI yang mengoptimalkan konsumsi di gedung, proses industri, dan transportasi.

4. Manajemen Pertanian Berkelanjutan

Pertanian presisi bertenaga AI merevolusi sektor pertanian:

• Pemantauan status tanah: Sensor IoT yang dikombinasikan dengan algoritme AI menganalisis kesehatan tanah, termasuk mikrobioma, secara real time, sehingga memungkinkan intervensi yang ditargetkan dan mengurangi penggunaan pupuk.
• Manajemen air yang dioptimalkan: Sistem AI yang secara akurat menentukan kebutuhan irigasi, sehingga mengurangi pemborosan air.
• Prediksi penyakit tanaman: Algoritme yang mengidentifikasi potensi penyakit pada tahap awal, memungkinkan intervensi pencegahan dan mengurangi penggunaan pestisida.

5. Pendeteksian dan Pengelolaan Polusi

AI secara signifikan meningkatkan kemampuan kami untuk memantau dan mengelola polusi:

• Pemantauan kualitas udara: Jaringan sensor IoT yang dikombinasikan dengan AI menganalisis tingkat polutan udara di area perkotaan secara real time.
• Identifikasi sumber polutan: Algoritme visi komputer yang diterapkan pada citra satelit atau drone untuk mengidentifikasi sumber polusi ilegal.
• Optimalisasi pengelolaan limbah: Sistem cerdas yang meningkatkan pemisahan dan daur ulang limbah melalui robot yang digerakkan oleh AI.

‍

Tantangan dan Pertimbangan Etis

Terlepas dari potensi transformatifnya, implementasi AI untuk tujuan lingkungan juga menghadirkan tantangan yang signifikan:

Jejak Lingkungan dari AI: Sebuah Analisis Komparatif

AI sendiri memiliki jejak lingkungan yang perlu diperhatikan, tetapi analisis komparatif dengan teknologi dan sektor lain akan memberikan dampak nyata.

Menurut data terbaru, pelatihan model AI yang kompleks seperti GPT-3 menghabiskan sekitar 1.287 MWh dan menghasilkan sekitar 550 ton CO2. Angka ini mungkin terlihat tinggi, tetapi harus dibandingkan dengan sektor lain:

‍

• Transportasi: Sektor transportasi bertanggung jawab atas sekitar 26% emisi gas rumah kaca Italia. Penerbangan antara New York dan San Francisco pulang pergi sebanyak 550 kali akan menghasilkan emisi yang setara dengan pelatihan GPT-3.
• Streaming video: Satu jam streaming video menghasilkan rata-rata antara 36 hingga 100 gram CO2, menurut perkiraan Badan Energi Internasional. Dengan mempertimbangkan miliaran jam streaming yang dikonsumsi secara global, dampak kumulatifnya cukup besar.
• Penggunaan sehari-hari vs. pelatihan: Sebuah studi terbaru yang diterbitkan dalam Scientific Reports menunjukkan bahwa, terlepas dari biaya energi yang tinggi untuk pelatihan, AI dapat lebih hemat energi daripada pekerjaan manusia untuk tugas-tugas yang rumit, memancarkan antara 130 dan 1500 kali lebih sedikit CO2 untuk pemrosesan teks yang kompleks.

‍

Peran Sumber Energi Berkelanjutan untuk Pusat Data

Memberi daya pada pusat data yang menjadi tempat sistem AI merupakan tantangan penting bagi kelestarian lingkungan. Beberapa solusi energi muncul sebagai alternatif yang layak untuk mengurangi jejak karbon:

‍

1. Tenaga Nuklir untuk Pusat Data

Tenaga nuklir mengalami kebangkitan dalam konteks pusat data karena 'faktor kapasitas' yang tinggi (kemampuan untuk menghasilkan daya secara terus menerus) dan emisi CO2 yang rendah. Menurut IdTechEx, pusat data pada tahun 2024 telah menghidupkan kembali minat terhadap sumber energi ini dengan mengeksplorasi berbagai opsi:

• Reaktor Modular Kecil (SMR): Reaktor kompak ini menjanjikan biaya yang lebih rendah dan waktu konstruksi yang lebih singkat daripada pembangkit listrik tenaga nuklir konvensional, berkat proses produksi skala industri.
• Keuntungan Nuklir: Dengan emisi CO2 nol selama pembangkitan listrik dan kepadatan energi yang tinggi, tenaga nuklir dapat menyediakan daya tinggi yang dibutuhkan oleh pusat data IA tanpa fluktuasi yang biasa terjadi pada sumber energi terbarukan seperti tenaga surya dan angin.

James Hart, CEO BCS Consulting, menunjukkan bahwa 'pertumbuhan eksponensial AI menimbulkan tantangan bagi industri pusat data' dan menekankan perlunya sumber energi yang stabil dan rendah emisi seperti tenaga nuklir.

‍

2. Sistem Kogenerasi: Efisiensi yang Tak Tertandingi

Sistem Combined Heat and Power (CHP) adalah salah satu solusi paling efisien untuk memberi daya pada pusat data yang menghosting sistem IA, yang menawarkan keunggulan signifikan dibandingkan sumber energi lainnya:

‍

• Efisiensi energi yang lebih tinggi: Meskipun produksi listrik dan panas yang terpisah memiliki efisiensi keseluruhan 40-55%, sistem CHP dapat mencapai efisiensi luar biasa sebesar 80-90%, memulihkan panas yang seharusnya hilang dan menggunakannya untuk tujuan lain.
• Konsumsi bahan bakar berkurang: CHP membutuhkan bahan bakar hingga 40 persen lebih sedikit daripada pembangkit listrik dan panas yang terpisah untuk mencapai jumlah energi yang sama, seperti yang ditunjukkan oleh data dari Departemen Energi AS.
• Pengurangan emisi CO2 yang signifikan: Karena efisiensinya yang lebih tinggi, pembangkit listrik tenaga panas bumi dapat mengurangi emisi gas rumah kaca hingga 30 persen dibandingkan dengan metode produksi energi tradisional.
• Aplikasi yang ideal untuk pusat data: panas yang dihasilkan oleh server dapat dipulihkan dan digunakan untuk memanaskan bangunan di sekitarnya atau proses industri lainnya, sehingga menciptakan lingkaran efisiensi energi yang baik.
• Kemandirian dan ketahanan jaringan: Sistem CHP menawarkan kemandirian energi dan peningkatan ketahanan, terutama yang sangat berharga untuk pusat data yang membutuhkan jaminan kelangsungan bisnis.
• Trigenerasi: Evolusi lanjutan dari kogenerasi yang menambahkan pembangkitan energi pendinginan (pendinginan) ke pembangkitan listrik dan panas, terutama menguntungkan bagi pusat data yang membutuhkan sistem pendingin yang efisien.

Kogenerasi merupakan jembatan ideal antara teknologi energi konvensional dan terbarukan, beroperasi sebagai pembangkit listrik terdistribusi yang mirip dengan fotovoltaik tetapi dengan keuntungan operasi yang tidak bergantung pada cuaca. Selain itu, pembangkit CHP dapat memanfaatkan berbagai bahan bakar, termasuk biogas dan biomassa terbarukan, yang membuka jalan menuju masa depan tanpa emisi.

‍

Menurut sebuah laporan dari Geoside, 'peningkatan efisiensi proses produksi energi menghasilkan lebih sedikit CO2 dan emisi gas rumah kaca, mengurangi dampak lingkungan', menyoroti peran penting kogenerasi dalam transisi energi.

‍

3. Energi Surya dan Energi Terbarukan Lainnya

‍

Perusahaan-perusahaan teknologi besar berinvestasi besar-besaran dalam energi terbarukan:

• Komitmen untuk Masa Depan: Menurut Business Critical Services Consulting, 90 persen energi yang digunakan oleh pusat data akan menjadi energi terbarukan pada tahun 2033, dengan perusahaan seperti Google dan Microsoft yang telah mengumumkan tujuan mereka untuk menggunakan energi nol karbon 24/7 pada tahun 2030.
• Proyek Tenaga Surya Khusus: Banyak perusahaan teknologi membangun sistem tenaga surya khusus untuk memberi daya pada pusat data mereka, sering kali dikombinasikan dengan sistem penyimpanan energi untuk memastikan kesinambungan.

Saling melengkapi dari sumber-sumber energi ini sangat penting: nuklir dapat menyediakan beban dasar yang berkelanjutan, sementara energi terbarukan seperti tenaga surya dapat memenuhi permintaan puncak, dengan sistem kogenerasi yang memaksimalkan efisiensi secara keseluruhan.

‍

Selain itu, industri AI membuat kemajuan yang signifikan dalam mengurangi dampak lingkungan:

1. Peningkatan efisiensi energi: pusat data terus meningkatkan peralatan mereka agar lebih hemat energi.
2. Adopsi energi terbarukan: Banyak perusahaan teknologi telah berkomitmen untuk menggunakan 100 persen energi terbarukan untuk menyalakan pusat data mereka.
3. Algoritme yang lebih efisien: Penelitian terus berkembang menuju algoritme AI yang membutuhkan daya komputasi yang lebih sedikit untuk mencapai hasil yang serupa atau lebih baik.

‍

Akurasi dan Keandalan

Kualitas hasil AI sangat bergantung pada kualitas data masukan. Dalam konteks lingkungan, di mana data mungkin tidak lengkap atau tidak akurat, hal ini merupakan tantangan yang signifikan.

‍

Kesetaraan dan Aksesibilitas

Terdapat risiko bahwa solusi berbasis AI untuk lingkungan hanya dapat diakses oleh negara dan organisasi yang memiliki sumber daya yang lebih besar, sehingga berpotensi memperlebar kesenjangan teknologi yang ada.

‍

Masa Depan AI untuk Lingkungan: Menuju AI yang Bertanggung Jawab

‍

Untuk memaksimalkan potensi AI dalam perlindungan lingkungan, penting untuk mengadopsi pendekatan 'AI yang Bertanggung Jawab' yang

• Menyeimbangkan inovasi teknologi dengan kelestarian lingkungan
• Memastikan transparansi dan akuntabilitas dalam penggunaan AI
• Mempromosikan kolaborasi internasional untuk berbagi data, sumber daya, dan keahlian
• Memastikan bahwa manfaat AI untuk lingkungan didistribusikan secara adil

‍

Tanya Jawab: Dampak Lingkungan dari AI

‍

Apakah AI benar-benar mencemari sebanyak yang mereka katakan?

Tidak, dampak lingkungan dari AI sering kali dilebih-lebihkan dalam perdebatan publik. Meskipun melatih model AI yang besar membutuhkan energi yang signifikan, dampak ini harus dibandingkan dengan manfaat yang dapat diberikan oleh AI dalam hal optimalisasi energi, pengurangan emisi, dan solusi iklim yang inovatif. Sebuah studi pada tahun 2021 oleh University of Bristol menunjukkan bahwa banyak perkiraan sebelumnya tentang dampak energi dari AI terlalu tinggi hingga 90 kali lipat.

‍

Mengapa dampak lingkungan dari AI terlalu dibesar-besarkan dalam perdebatan publik?

Dampak lingkungan dari AI dinilai terlalu tinggi karena kombinasi faktor psikologis, ekonomi, dan sosial. Ketakutan akan hal yang tidak diketahui dan technophobia tertentu secara alami memicu sikap kritis terhadap teknologi yang sedang berkembang ini, sementara sensasionalisme media memperkuat data yang mengkhawatirkan untuk menghasilkan lebih banyak keterlibatan. Kemudian ada kepentingan ekonomi dari sektor tradisional yang menganggap AI sebagai ancaman kompetitif.

‍

Elemen kuncinya adalah ketidaksesuaian persepsi: pusat data adalah struktur fisik yang terlihat jelas yang mengonsumsi energi dalam jumlah yang dapat diukur, sementara manfaat lingkungan yang dihasilkan oleh AI (seperti mengoptimalkan transportasi atau mengurangi limbah) tidak terlihat jelas dan tidak terlalu nyata. Selain itu, pusat data yang sangat otomatis menciptakan lapangan kerja yang relatif sedikit dibandingkan dengan industri lain, sehingga menimbulkan persepsi yang kurang baik tentang hubungan antara dampak lingkungan dan manfaat sosial-ekonomi lokal.

‍

AI sering kali secara keliru dikaitkan dengan dampak yang sebenarnya bergantung pada bauran energi yang digunakan, padahal dengan bauran energi yang efektif, dampak ini akan berkurang secara drastis. Terakhir, hampir selalu ada kekurangan konteks komparatif: jejak ekologi AI jarang dibandingkan dengan sektor lain seperti transportasi, industri berat, atau bahkan aktivitas digital sehari-hari lainnya (streaming video, game online), sehingga menimbulkan persepsi yang salah tentang relevansinya dalam gambaran keseluruhan emisi global.

‍

‍

Bagaimana dampak AI dibandingkan dengan aktivitas digital sehari-hari lainnya?

Jejak karbon AI sebanding atau lebih rendah daripada aktivitas digital sehari-hari. Sebagai contoh, satu jam streaming video definisi tinggi menghasilkan sekitar 36-100 gram CO2, sementara satu inferensi dari model AI dapat mengonsumsi lebih sedikit energi daripada manusia yang melakukan tugas yang sama. Fase pelatihan lebih intensif, tetapi hanya terjadi satu kali dibandingkan dengan penggunaan yang terus menerus.

‍

Apakah menggunakan AI untuk tujuan lingkungan merupakan suatu kontradiksi mengingat konsumsi energinya?

Tidak, ini bukanlah sebuah kontradiksi. Meskipun AI mengonsumsi energi, potensinya untuk mengoptimalkan efisiensi energi dan mengurangi emisi di berbagai sektor (energi, transportasi, manufaktur) dapat menghasilkan penghematan emisi yang secara signifikan melebihi dampak langsungnya. Penelitian menunjukkan bahwa AI dapat membantu mengurangi emisi global hingga 10 persen pada tahun 2030.

‍

Bagaimana kita dapat mengurangi dampak lingkungan dari AI?

Kita dapat mengurangi dampak lingkungan dari AI melalui berbagai strategi:

• Mengembangkan algoritme yang lebih efisien dan membutuhkan daya komputasi yang lebih sedikit
• Menerapkan perangkat keras khusus untuk AI yang mengonsumsi lebih sedikit energi
• Mengadopsi praktik 'green AI' yang menyeimbangkan kinerja dan konsumsi energi
• Mempromosikan transparansi di perusahaan teknologi mengenai jejak karbon dari model AI mereka

‍ApakahAI lebih berbahaya bagi lingkungan daripada proses tradisional yang digantikannya?

Tidak, dalam banyak kasus, AI lebih efisien daripada proses tradisional. Misalnya, dalam pengoptimalan transportasi, AI dapat mengurangi emisi hingga 10% melalui rute yang lebih efisien dan mengurangi kemacetan lalu lintas. Di bidang pertanian, AI dapat mengurangi penggunaan air dan pupuk hingga 30%. Peningkatan efisiensi ini umumnya melebihi jejak karbon dari AI itu sendiri.

‍

Kesimpulan

Kecerdasan buatan adalah alat yang kuat dan serbaguna dalam memerangi perubahan iklim dan perlindungan lingkungan. Pada tahun 2025, kita akan menyaksikan munculnya aplikasi konkret yang telah memberikan dampak positif yang signifikan.

‍

Meskipun AI mengonsumsi energi, dampaknya sebanding atau lebih kecil daripada aktivitas digital sehari-hari dan potensinya untuk mengurangi emisi di sektor lain jauh melebihi jejak karbonnya secara langsung. Sangat penting untuk membandingkan biaya energi AI dengan manfaat lingkungan yang dapat dihasilkannya melalui optimasi, peramalan, dan manajemen sumber daya.

‍

Untuk mewujudkan potensi penuh AI di bidang ini, diperlukan pendekatan yang seimbang yang tidak hanya mempertimbangkan kemungkinan teknologi, tetapi juga implikasi etika, sosial, dan lingkungan dari AI.

‍

Masa depan kelestarian lingkungan akan semakin bergantung pada kemampuan kita untuk mengintegrasikan kecerdasan buatan ke dalam strategi pengelolaan lingkungan secara bertanggung jawab, mengubah teknologi ini menjadi sekutu sejati bagi planet ini.

‍

Sumber

1. Iren Group. (2025). 'Kecerdasan buatan, apa dampak lingkungan dan bagaimana menyeimbangkan keberlanjutan dan inovasi'. https://www.gruppoiren.it/it/everyday/energie-per-domani/2025/intelligenza-artificiale-qual-e-l-impatto-ambientale-e-come-equilibrare-sostenibilita-e-innovazione.html
2. Majalah GeoSmart. (2025). "Pemantauan deforestasi: revolusi Envirosensing." https://geosmartmagazine.it/2025/02/11/monitoraggio-deforestazione-la-rivoluzione-di-envirosensing/
3. Kementerian Lingkungan Hidup dan Ketahanan Energi. "Investasi 1.1 - Implementasi sistem pemantauan dan peramalan yang canggih dan terintegrasi". https://www.mase.gov.it/pagina/investimento-1-1-realizzazione-di-un-sistema-avanzato-ed-integrato-di-monitoraggio-e-0
4. ESG360. (2025). "Kecerdasan buatan: solusi baru melawan perubahan iklim". https://www.esg360.it/digital-for-esg/intelligenza-artificiale-nuove-soluzioni-contro-il-climate-change/
5. Majalah Ecofuture. (2025). "Kecerdasan buatan: apa manfaatnya bagi iklim dan lingkungan?". https://ecquologia.com/intelligenza-artificiale-quali-vantaggi-per-clima-e-ambiente/
6. Berpikirlah dengan Google. (2024). "Dapatkah kecerdasan buatan membantu mengatasi krisis iklim?". https://www.thinkwithgoogle.com/intl/it-it/strategie/marketing-automation/intelligenza-artificiale-cambiamento-climatico/
7. Wastezero. (2024). "Dampak lingkungan dari kecerdasan buatan (AI): seberapa besar polusi yang ditimbulkan antara CO2, konsumsi energi dan air?" . https://www.wastezero.it/impatto-ambientale-intelligenza-artificiale-ai-quanto-inquina/.
8. Agenda Digital. (2024). 'Kecerdasan buatan dan perubahan iklim: risiko dan peluang'. https://www.agendadigitale.eu/cultura-digitale/intelligenza-artificiale-e-cambiamenti-climatici-rischi-e-opportunita/
9. Badan Energi Internasional (IEA). "Dampak Iklim yang Sebenarnya dari Streaming". https://about.netflix.com/en/news/the-true-climate-impact-of-streaming
10. Terobosan Bahan Bakar. "Kecerdasan buatan di sektor transportasi mendorong efisiensi dan keberlanjutan." https://www.breakthroughfuel.com/it/blog/how-will-ai-impact-transportation-3-predictions/
11. GreenPlanner. (2024). 'Pada tahun 2033, pusat data hanya akan menggunakan energi terbarukan'. https://www.greenplanner.it/2024/09/05/data-center-energia-rinnovabile/
12. GreenPlanner. (2025). "Masa depan energi pusat data: nuklir, hidrogen, dan baterai." https://www.greenplanner.it/2025/02/24/data-center-futuro-energetico/
13. ZeroUno. (2023). "Faktor-faktor dampak lingkungan dari pusat data." https://www.zerounoweb.it/techtarget/searchdatacenter/i-fattori-dellimpatto-ambientale-dei-data-center/
14. Nuklir dan Nalar. (2024). 'Membandingkan Sumber Energi'. https://nucleareeragione.org/il-nucleare-a-confronto-con-altre-forme-di-energia/
15. Agenda Digital. (2024). "Digital bukanlah makanan gratis: seberapa banyak pusat data mencemari dan bagaimana cara mengurangi dampaknya". https://www.agendadigitale.eu/smart-city/il-digitale-non-e-un-pasto-gratis-quanto-inquinano-i-data-center-e-come-ridurne-limpatto/
16. Sorgenia. (2024). 'Kogenerasi energi: operasi dan manfaat'. https://www.sorgenia.it/guida-energia/cogenerazione
17. Viessmann. (2024). "Kogenerasi: keuntungan dan pengoperasian pembangkit listrik dan panas gabungan". https://industriale.viessmann.it/blog/cogeneratore
18. Enel X. (2024). "Industri Pusat Data dan Keberlanjutan". https://corporate.enelx.com/en/stories/2021/12/data-center-industry-sustainability
19. Geoside. (2023). "Smart Cogeneration: mengoptimalkan energi untuk menghemat uang dan berkontribusi pada transisi energi." https://www.geoside.com/it/risparmio-energetico-cogenerazione-ottimizzazione
20. Energi 2G. (2024). 'Kogenerasi: energi yang efisien dan berkelanjutan'. https://2-g.com/en/innovation-knowledge/combined-heat-and-power-generation
21. Cummins Inc (2021). 'Tiga keunggulan utama CHP'. https://www.cummins.com/it/news/2021/08/09/three-key-benefits-cogeneration