全球能源產業的技術演進與技術預見

欒春娟 李宇婧

摘 要：采用專利引文分析法，基于專利引文的知識流動方向，選擇美國專利商標局公布的、能源技術領域的有效發明專利數據，及其后向引證（backward citation，簡稱后引）專利數據和前向引證（forward citation，簡稱前引）專利數據（前引與后引數據都排除了自引），構建全球能源技術演進與技術預見模型，揭示技術演進的趨勢并預見技術的發展前景。對全面把握世界能源產業技術創新發展動態、正確制定和實施能源產業發展戰略和政策，具有重要的理論價值和現實意義。研究發現，在“過去—現在—未來”3個創新發展階段，中國的整體能力有所提升，但機構創新能力尤其是企業創新能力需要加強;雜環化合物等技術將成為未來能源技術的重要領域;燃氣渦輪發動機、光電轉換/半導體器件技術及地下能源探測/開采等相關技術，是未來能源技術的前沿熱點主題。

關鍵詞：技術預見;技術演進;理論模型;能源產業;專利引文;知識流動;后向引證;前向引證

中圖分類號：G 306;N 18

文獻標識碼：A

文章編號：1672-7312（2022）01-0010-11

Abstract：Based on the direction of knowledge flow of patent citations，this article uses patent citation analysis method and selects valid invention patent data，backward citation patent data and forward citation patent data （both citations and back citations exclude selfcitations）published by the United States Patent and Trademark Office in the field of energy technology，to build a global energy technology evolution and technology foresight model and to reveal the trend of technology evolution and foresee the development prospects of technology.It has important theoretical value and practical significance for comprehensively grasping the development trends of the world’s technological innovation in energy industry and correctly formulating and implementing energy industry development strategies and policies.The study found that in the pastpresentfuture three innovation development stages，China’s overall capability has improved，but the institution’s innovation capability，especially the enterprise’s innovation capability needs to be strengthened;technologies such as heterocyclic compounds will become an important field of future energy technology.Gas turbine engine，photoelectric conversion/semiconductor device technology，underground energy detection / mining and other related technologies are the hot topics of the future energy technology.

Key words：technology foresight;technology evolution;theoretical model;energy industry;patent citation;knowledge flow;backward citation;forward citation

0 引言全球能源產業技術創新的過去、現在和未來呈現怎樣的競爭態勢和發展趨勢？主要國家/地區是如何演進的？中國在演進過程中的地位發生了怎樣的變化？主要國家/地區未來的發展趨勢如何？主要創新機構的競爭態勢是如何演進的？未來將形成怎樣的競爭格局？主要技術領域是如何演進的？能源技術前沿熱點主題是什么？本研究擬基于專利引文的知識流動方向，構建技術演進與技術預見理論模型，并對能源領域技術演進與技術預見進行實證分析，以期為國家能源產業技術的創新發展提供決策支撐。以往基于專利數據進行的技術演進與技術預見研究，往往是基于授權專利或引證專利單一類型的專利數據進行的[1-2]，揭示的至多是技術演進狀況。研究基于專利引文的知識流動方向[3-4]，選擇能源領域當前專利數據代表現在技術，該數據的后向引證專利數據代表過去技術，該數據的前向引證專利數據代表未來技術，構建全球能源產業技術演進與技術預見理論模型與分析框架，揭示技術演進態勢并預見未來技術的創新前景。選擇技術綜合實力與經濟綜合實力相結合的四象限分析模型，對能源產業創新機構的競爭優勢進行演進與預測分析。并對主要技術領域的演進及預測和能源產業技術領域的前沿熱點主題進行分析。研究選擇美國專利商標局公布的、能源技術領域的有效發明專利數據33 979個結果，及其后向引證（backward citation，簡稱后引）專利數據98 699個結果和前向引證（forward citation，簡稱前引）專利數據11 199個結果（前引與后引數據都排除了自引），遵循構建的理論模型，實證分析全球能源產業主要國家/地區技術演進與預見、主要機構技術演進與預見、主要技術領域演進與預見和前沿熱點主題。以期為我國能源產業技術的發展提供決策參考。在理論與方法層面，研究提出的理論模型能夠更全面地揭示能源產業技術演進并預測其未來，同時為其他產業的技術預測提供了一個嶄新的視角和方法。在實踐層面，對全面把握世界能源產業技術發展動態、正確制定和實施能源產業發展戰略和政策，具有重要現實意義。

1 文獻回顧技術演進很早就受到學者的關注[5-6]。學者們研究了技術能力的演進[7]、技術網絡的演進[8]、技術集群的演進[9]、技術創新主體的演化[10]、技術演進與競爭反應[11]和特定技術演進[12]等問題。關于技術演進模型的研究，學者曾提出了技術創新與演進過程中的生產者與消費者互動模型[13]、技術創新網絡演化模型[14]、后發企業技術創新過程中的“國際接口-資源體系-技術創新戰略 ”三者間“鏈式旋進”的共演模型[15]、中國清潔能源技術創新過程中的產學研合作網絡演進發展模型、復雜環境下技術演進的集成模型[16]、東亞地區舊石器時代技術演化的人口模型[17]、技術演進中的多階段數據包絡分析模型[18]等。技術預見是對技術發展的未來進行預測。20世紀90年代以來，世界上主要的發達國家美國、英國和德國等，和一些發展中國家中國、韓國等紛紛開始重視技術預見的理論研究與國家科技發展戰略中的技術預見實踐。學者們關于技術預見的研究成果，主要集中于技術預見的理論、方法和應用。技術預見中的德爾菲法受到普遍關注和探討[19-20]。隨著信息技術與計算機技術的發展，新興的技術預見方法不斷涌現，比如匯編網格方法[21]、專利關鍵詞網絡構建方法[22]、矩陣圖譜和專利聚類方法[23]、混合的技術路線圖方法[24]等。能源產業技術的發展是一個國家乃至全球的經濟命脈。能源技術創新是引領能源產業變革、實現能源產業升級換代的源動力。學者們研究了新能源產業技術的發展對策[31]、新能源產業技術發展的財政與風險防范[32]、新能源技術競爭能力模型

[33]等?？稍偕茉醇夹g也受到關注：可再生能源對碳排放的影響[34]、可再生能源技術吸收能力對我國能源產業績效的影響[35]、可再生能源產業補貼標準設計[36]等。學者還探討了新興生物能源技術的研究進展，分析了生物能源產業技術發展路徑[37]、美國生物能源產業生態系統演化過程[38]、生物能源產業技術生態系統構建[39]等。已有的上述相關研究成果為本項研究提供了重要的理論和方法基礎。但以往的研究往往是基于專利申請、授權專利或引證專利單一類型的專利數據進行的，揭示的通常是過去技術演進的狀況或當前技術創新的狀況[1-2]，且對于能源產業技術演進過程及技術預見的研究較少。本項研究的創新之處就在于，基于專利引文分析的知識流動方向，選擇后向引證專利、當前專利、前向引證專利分別代表過去技術、當前技術和未來技術，創造性地構建了技術演進與技術預見模型;并選擇全球能源產業技術進行了實證研究?；诰C合技術實力和綜合經濟實力指標，選擇四象限分析模型，對全球能源產業主要創新機構的競爭優勢進行了演進分析與未來發展預測。

2 模型構建與研究方法

2.1 技術演進與預見研究框架專利文獻作為重要的創新研究成果載體，凝聚了大量的、豐富的技術信息與創新信息，常被用來進行技術演進相關研究[40-41]。由于專利授權的新穎性標準要求，技術進步的最新研究成果90%～95%首先發表于專利文獻，并且80%以上僅僅通過專利文獻公開[42]。專利文獻及時更新公布的特征，有助于通過對最新發表的專利文獻進行分析，從而把握技術創新的當前最新進展。

專利文獻的引文著錄信息反映了技術發展過程中的繼承與演化[2，43]。專利引證分為后向引證和前向引證。專利后引文獻是指當前樣本專利數據引用的、在其之前公開的專利文獻的數據。對專利后引文獻的分析，可以幫助把握技術的過去。專利前引文獻反映了當前專利數據被引用的狀況。對引用當前專利數據的專利文獻進行分析，可以幫助預測技術的未來發展趨勢[44]。研究根據專利數據及其引文所反映的知識流動方向[2，43]，通過對后引專利、當前專利、前引專利的分析，構建如圖1所示的理論模型，并以能源領域專利數據及其后引與前引的專利數據為分析對象，對能源產業技術演進和技術預見進行實證研究。

2.2 創新機構競爭優勢分析模型構建競爭優勢，是指企業或者組織相對于其競爭對手擁有的可持續性優勢，通?？梢苑譃槌杀緝瀯?、差異優勢及聚焦優勢。對于創新機構而言，其競爭優勢主要有兩個來源，技術和經濟。具有較強的技術實力和技術儲備，可以提高其創新能力;而較強的經濟實力則可以提高創新機構抵御外界風險、獲取資源的能力。故本文采用綜合經濟實力和綜合技術實力兩個維度來構建創新機構的競爭優勢分析模型。選擇四象限氣泡圖對創新機構的競爭優勢演進及未來預測進行分析[45]，如圖2所示。圖2中的橫軸代表創新主體的綜合技術實力（X軸/vision軸/愿景軸）;縱軸代表的是創新機構的綜合經濟實力（Y軸/resource軸/資源軸）。氣泡大小代表創新機構所擁有專利數量的多少，不同顏色代表不同的創新機構/專利權人。

X軸綜合考慮以下三方面主要因素：機構專利組合規模、機構專利分類代碼數量規模和機構專利引證情況。這三方面因素都與創新機構的技術實力密切相關：專利組合規模顯示了創新機構的研發實力;機構專利分類代碼規模展示了機構在該領域的專利申請廣度;引證情況反映了機構在該技術領域的影響力[45]。在四象限圖示中，氣泡位置越靠右，機構在所搜索領域的關注程度和專利表現越突出，機構的綜合技術實力越強大。X軸的計算公式見式（1）。

式中：CESi為機構i的綜合經濟實力;INCi為機構i的收入;∑INCi為全部機構的收入總和;PLNi為機構i的訴訟案件數量;∑PLNi為各機構訴訟案件數量的總和;PLPNi為機構i的專利布局位置數量;∑PLPNi為各機構的專利布局位置數量總和。在特定的檢索結果集中，每個氣泡所代表的專利權人的位置是確定的，每個氣泡將依據其愿景軸與資源軸的綜合得分共同確定了其在四象限圖中的位置。如果檢索結果集更改了，氣泡的位置也會隨之更改。對特定檢索結果集進行分析，位于第一象限的是領導者（Incumbents），其在特定領域具有強勢的技術實力并且擁有能夠執行其愿景的經濟資源，此類公司通常為市場領導者[45]。位于第二象限的機構是潛在購買方（Potential Buyers）。這些公司處于資源軸頂部，掌握大量資源，但缺乏技術實力。他們想挑戰市場領導者，這樣他們就需要加強和提高技術實力，很可能成為潛在的專利被許可方/購買方。位于第三象限的為仿效者/加入者（Followers/Entrants）。這些公司同時缺乏資源和愿景，通常是剛進入市場的新公司或者是控制市場較小份額的一些公司。位于第四象限的是潛在銷售者（Potential Sellers）。這類公司技術實力很強，但資源不足。他們若與適當的合作伙伴或者潛在購買者合作就會獲得大量資源，快速進入領導者行列。

2.3 文本聚類分析主要采用文本聚類分析技術。聚類是指將數據分為多個類或者簇，同一類（或簇）中的數據具有較高的共性，且不同類（或簇）中的數據具有差異性。文本聚類分析則就是依據著名的聚類假設：同類的文檔相似度大，而不同類的文檔相似度小。文本聚類分析根據給定的相似性度量下把對象進行分組，使得同組類的對象具有極大的相似度。根據文本聚類分析的原理，將檢索到的專利文獻根據技術主題進行聚類分析進而劃分為不同的小組，屬于同一小組的專利文獻具有相同的技術主題。并采用專利地形圖使聚類結果可視化，即主要技術主題一致的專利文獻分布在地形圖的同一區域，區域中山峰的海拔高度代表特定技術主題專利文獻的密度大小，密度越大，海拔越高。

2.4 數據檢索與分布研究實證分析部分的能源產業技術專利數據來源于全球專利在線檢索及分析工具、2007年由美國INNOGRAPHY公司推出、2015年被CPA GLOBAL收購的Innography專業知識產權服務平臺。該平臺豐富的數據源包括專利、公司、財務、市場、訴訟、商標、科技文獻、標準等數據，并進行關聯分析[46]。專利數據方面，可以查詢和獲取100多個國家1億多篇專利文獻及其法律狀態，其中包括22個國家的專利全文數據。財務數據方面，收錄了來自鄧白氏商業情報數據庫及美國證券交易委員會等的專利權人財務數據;專利訴訟數據方面，可以檢索和分析來自美國法院電子數據庫系統（PACER）的專利訴訟案件、美國國際貿易委員會（ITC）337調查以及美國PTAB的專利無效復審案件。所有這些數據都經過了解析、清理和規范化，可以更快、更精準地進行分析。首先，選擇美國專利商標局（USPTO）作為專利受理和授權機構（Authority），獲取其公布的專利數據與專利引證數據，作為研究的數據來源。美國是世界科技創新領先的國家，USPTO公布的專利數據常常被學者們選用為技術創新相關研究的指標[47-48]。按照下列具體步驟進行了數據檢索與精煉：第一步，檢索得到USPTO于2017年1月1日至2019年12月31日期間發表的、屬于能源技術領域的、有效的、發明專利數據33 979個結果，該結果作為全球能源技術當前創新發展狀況分析的數據樣本。第二步，對33 979個數據樣本進行了后向引證檢索并排除了2017年1月1日至2019年12月31日期間發表的專利數據，得到98 699個結果，該結果作為能源技術演進的“過去”狀況分析數據樣本;第三步，對33 979個數據樣本進行了前向引證檢索，得到11 199個結果，該結果作為能源技術未來發展趨勢的分析數據樣本，見表1。

3 能源產業技術演進與技術預見

3.1 主要國家/地區演進與預見以發明者來源國家/地區（inventor location）專利占比，作為衡量能源產業技術主要國家/地區演進與預見的指標。專利制度就是給天才之火，澆上利益之油[49]。作為天才之火的發明者，其是專利創新成果的直接創造者，因此對發明者來源地進行分析，能夠幫助把握某一產業技術領域創新的全球分布狀況。以表1中的后向引證專利數據代表能源產業技術創新發展的過去;當年專利數據代表能源產業技術創新發展的現在狀況;前向引證專利數據代表能源產業技術創新發展的未來趨勢。對該3組數據發明者來源國家/地區（inventor location）分布進行分析，得到表2所示的“能源技術主要國家/地區演進與預見”。

表2從主要國家/地區的排序變化和比例變化兩個角度，揭示了能源技術主要國家/地區演進與未來發展趨勢。從排序變化視角，美國、日本和德國3個國家在能源產業技術發展的“過去—現在—未來”都始終位于前三甲，而且順序沒有發生變化。排序第四位的在過去階段是英國;當前階段是韓國;未來階段是中國。排序第五位的在過去階段是韓國;當前階段是中國;未來階段還是韓國。中國的排序位置呈現出上升的發展勢頭：由過去階段的第九位，到現在階段的第五位，到未來階段的第四位。英國的排序位置由過去的第四位，到現在的第七位，未來也排序在第七位。

從比例變化視角，美國過去比例為56.11%，當前比例為41.26%，未來比例為50.58%;呈現出下降—上升、最終仍占有50%的絕對優勢地位。中國由過去比例1.11%，到現在比例3.88%，到未來比例5.88%;全球視角下的中國能源技術上升發展勢頭比較明顯，但未來的優勢仍不足6%。日本的比例從過去的17.22%，到現在的19.58%，到未來的13.75%，經歷的趨勢是“上升—下降”。

3.2 主要機構演進與預見依據公式（1）和公式（2）分別計算得出的主要創新機構在“過去—現在—未來”3個階段的“綜合技術實力”和“綜合經濟實力”數值見表3。表3詳細展示了能源產業技術在“過去—現在—未來”3個發展階段中、每個階段前20創新機構在愿景和資源方面的得分值，以及每個階段前20機構的位次變化、愿景變化和資源變化情況。比如，通用電氣公司的位次經歷了過去第一、現在第一到未來第二的變化;聯合技術公司的排序經歷了過去第二、現在第二和未來第一的變化。聯合技術公司未來的技術實力會很強，但其資源方面優勢不足。福特汽車公司由過去的第20位，到現在的第12位，到未來的第八位;其位次整體上呈現出明顯的上升發展勢頭。創新機構位次發生變化，表明其在“過去—現在—未來”各個階段中的相對競爭優勢發生了變化。創新機構在各個發展階段競爭優勢的變化，可以通過四象限模型更形象地展示出來（圖3，圖4，圖5）。

圖3至圖5形象展示了全球能源產業技術在“過去—現在—未來”3個發展階段的前20位創新機構的競爭優勢。通用電氣公司是唯一一個3個階段都處于第一象限的創新機構，即能源技術領域的領導者，同時擁有技術優勢和資源優勢，雖然其在不同階段的、在圖譜中的相對位置也發生了變化。聯合技術公司技術方面的競爭優勢在3個不同階段逐漸加強，但其資源優勢仍遠遠不足。三星電子公司資源方面的優勢比較突出，但技術優勢有待提高。

3.3 主要技術領域演進與預見以專利國際分類代碼IPC小類來考察能源產業主要技術領域的演進與未來趨勢，表4列出了能源產業在“過去—現在—未來”3個階段的前技術領域演進與未來趨勢。其中，IPC小類的H01L，代表的“半導體器件、電氣固態器件”技術在3個發展階段始終處于第一位，比例為10%左右。F23R，代表的“產生高壓或高速的燃燒產物，如燃氣輪機燃燒室”技術，過去階段位于第19位，現在階段排序第15位，未來階段排序第12位，說明該類技術在未來能源產業發展中不斷提升的地位和作用。

當前能源技術發展階段獨有的前20強的IPC代碼有：F21K（光源技術）、C10L（燃料、天然氣、合成天然氣、液化石油氣、使用燃料添加劑或火災、打火機等技術）、F01K（蒸汽機裝置、蒸汽蓄熱器、發動機裝置、使用特殊工作液或循環的發動機技術）、F15B（一般通過流體作用的系統，流體壓力執行機構，如馬達，流體壓力系統等技術）。未來能源技術發展階段獨有的前20強的IPC代碼有：C07D（雜環化合物）、G06K（數據的識別，數據的表示，記錄載體，處理載體）、G06F（電氣數字數據處理），這幾類IPC技術在未來能源產業技術發展中將發揮著重要作用。

3.4 前沿熱點主題選取表1中的前引專利數據11 199條，運用了文本聚類的技術[46]，以地形圖可視化主題詞圖譜，捕獲能源技術未來的前沿熱點主題，如圖6。地形圖中選擇“文獻聚類”（Document Cluster）選項，專利文獻被劃分為不同的小組，屬于同一小組的專利文獻包含共同的技術主題。主要技術主題一致的專利文獻分布在地形圖上的同一區域，區域中山峰的海拔高度代表特定技術主題專利文獻的密度大小，密度越大，海拔越高。

圖6顯示，燃氣渦輪發動機（gas turbine engine）及控制器件相關技術、光電轉換（photoelectric conversion）/半導體器件（semiconductor device）及相關技術、X射線探測儀（Xray detector）/離子遷移檢測技術（ion mobility）/成像技術（imaging apparatus）、地下地層（subterranean formation）能源探測/開采等相關技術、質譜儀（mass spectrometer）/粒子束（particle beam）技術等，是未來能源技術創新的主要熱點領域。以燃氣渦輪發動機相關技術為例，自20世紀50年代以來，燃氣渦輪發動機一直是最主要的航空動力形式，目前仍然被廣泛應用于航空發動機，而且將持續應用于未來航空航天領域[50]。在可預見的未來動力技術創新領域，尚沒有任何其他形式的動力裝置能夠完全取代它[51-52]。美國國防部[51，53]、美國空軍[54-55]、美國海軍[56-57]、美國航空航天局格倫研究中心[56，58]等研究機構都非常重視燃氣渦輪發動機相關技術的研發與創新。地下地層能源探測與開采，也是當今世界能源技術創新前沿主題。美國科技人員[59]、法國科技人員[60]都發表了相關的研究成果。盡管光伏效應的原理早在1839年就已經被法國科學家BECQUREL發現[61-62]，但至今乃至未來，太陽能光電轉換相關技術將仍然是能源產業研究的熱點主題[63-64]。中國學者[65]、英國學者[66]2019年在離子遷移檢測技術領域的研究取得重要進展。

4 結 語在主要國家/地區層面，美國、日本和德國三個國家在能源產業技術發展的“過去—現在—未來”3個階段都始終位于前3甲，而且順序沒有發生變化，中國的比例雖不高但中國的排序位置上升發展勢頭很明顯，由過去階段的第九位到未來階段的第四位。

創新機構競爭優勢分析發現，能源產業技術“過去—現在—未來”3個發展階段中，通用電氣公司與聯合技術公司始終保持前兩位的競爭優勢;。西門子公司的競爭優勢地位有所下降;福特公司的地位有所上升。

技術領域方面，未來能源技術發展階段，資源拼湊效能在多情境下的比較研究雜環化合物技術、數據的識別—數據的表示—記錄載體—處理載體相關技術、電氣數字數據處理技術等將進入前20強IPC代碼范疇，成為能源技術的重要領域。能源技術創新發展的前沿熱點主題主要有：燃氣渦輪發動機及控制器件相關技術、光電轉換/半導體器件及相關技術、X射線探測儀/離子遷移檢測技術、地下地層能源探測/開采等相關技術、質譜儀/粒子束技術等。

中國政府一直非常重視能源產業技術的創新發展，不斷完善能源政策，提出綠色發展理念和“能源革命”的戰略思想。能源產業的技術創新是實現能源產業升級換代的關鍵所在。企業作為創新主體，與學術機構相比，更有動機、資源和實力將其創新成果產業化，進而推動能源產業的創新發展。因此，我國能源企業需要切實提高自身創新能力，加強校企合作，促進高校及科研機構創新成果轉化，促使能源企業成為能源產業創新的核心和主導力量，更好的助力我國實現能源產業轉型升級。

參考文獻：

[1] BELTZ H，FULOP A，WADHWA R R，et al.From ranking and clustering of evolving networks to patent citation analysis[C]//In：2017 International Joint Conference on Neural Networks.New York：Ieee，2017：1388-1394.

[2]XU Q，GU XJ，FENG Y J.Knowledge adaptability evaluation in view of patent citation in technological evolutionary process：A case study of fuel cell[J].International Journal of Software Engineering and Knowledge Engineering，2015，25（08）：1335-1364.

[3]CHANG C L，LIN C Y，LAI K K，et al.The role on interorganizational knowledge flows of patent citation network：The case of thinfilm solar cells[C]//In：2019 Ieee International Conference on Engineering，Technology and Innovation.New York：Ieee，2019.

[4]VERMEULEN B.Geographical dynamics of knowledge flows：Descriptive statistics on inventor network distance and patent citation graphs in the pharmaceutical industry[J].International Journal of Computational Economics and Econometrics.2018，8（03-04）：301-324.

[5]BORDES F.Physical evolution and technological evolution in manparallelism[J].World Archaeology，1971，3（01）：1-5.

[6]CONSTANT E W.Diversity and coevolution of technological multiplessteamturbines and pelton water wheels[J].Social Studies of Science，1978，8（02）：183-210.

[7]STUART T E，PODOLNY J M.Local search and the evolution of technological capabilities[J].Strategic Management Journal，1996，17：21-38.

[8]IRUELA J R S，RUIZ L G B，PEGALAJAR M C，et al.A parallel solution with GPU technology to predict energy consumption in spatially distributed buildings using evolutionary optimization and artificial neural networks[J].Energy Conversion and Management，2020，207：13.

[9]HE J，FALLAH M H.Dynamics of inventor networks and the evolution of technology clusters[J].International Journal of Urban and Regional Research，2014，38（06）：2174-2200.

[10]鄒樂樂，陳佩佩，吳怡，等.中國清潔技術創新主體的合作特征及演化分析[J].科學學研究，2019，37（09）：1702-1711.

[11]WILLIAMS J R.Technological evolution and competitive response[J].Strategic Management Journal，1983，4（01）：55-65.

[12]ZENG Y C，DONG P W，SHI Y Y，et al.Analyzing the coevolution of green technology diffusion and consumers’ proenvironmental attitudes：An agentbased model[J].Journal of Cleaner Production，2020，256：11.

[13]Ma TJ，Nakamori Y.Agentbased modeling on technological innovation as an evolutionary process[J].European Journal of Operational Research，2005，166（03）：741-755.

[14]游鴿，郭昊，劉向.基于專利引文網絡的技術演化網絡模型與仿真分析[J].系統仿真學報，2021，33（3）：1-12.

[15] 徐雨森，鄭穌鵬，李金茹.國際接口、資源體系與技術創新共演過程研究[J].科學學研究.2018，36（11）：2092-2102.

[16]IANSITI M.Technology integrationmanaging technological evolution in a complex environment[J].Research Policy，1995，24（04）：521-542.

[17]LYCETT S J，NORTON C J.A demographic model for Palaeolithic technological evolution：The case of east asia and the movius line[J].Quaternary International，2010，211（01-02）：55-65.

[18]ARTEAGA FJS，TAVANA M，DI CAPRIO D，et al.A dynamic multistage slacksbased measure data envelopment analysis model with knowledge accumulation and technological evolution[J].European Journal of Operational Research，2019，278（02）：448-462.

[19]OVERBURY R E.Technological forecastingcriticism of delphi technique[J].Long Range Planning，1969，1（04）：76-77.

[20]SHIN T.Using delphi for a longrange technology forecasting，and assessing directions of future R&D activities：The Korean exercise[J].Technological Forecasting and Social Change，1998，58（01-02）：125-154.

[21]EIMECKE J，BAUMERT K，BAIER D.Applying the repertory grid method for technology forecasting：Civil unmanned aviation systems for germany[J].Management and Production Engineering Review，2017，8（03）：22-30.

[22]WU C C.Constructing a weighted keywordbased patent network approach to identify technological trends and evolution in a field of green energy：A case of biofuels[J].Quality & Quantity，2016，50（01）：213-235.

[23]JUN S，PARK S S，JANG D S.Technology forecasting using matrix map and patent clustering[J].Industrial Management & Data Systems，2012，112（05-06）：786-807.

[24]CHENG M N，CHEUNG C F，FUNG S H，et al.A hybrid roadmapping method for technology forecasting and assessment：A case study in an information and communication technology company[C]//In：KOCAOGLU D F，ANDERSON T R，DAIM T U，et al.eds.2014 Portland International Conference on Management of Engineering & Technology.New York：Ieee，2014：2882-2890.

[25]JEE S J，KWON M，HA J M，et al.Exploring the forward citation patterns of patents based on the evolution of technology fields[J].Journal of Informetrics，2019，13（04）：16.

[26]SU H N，MOANIBA I M.Investigating the dynamics of interdisciplinary evolution in technology developments[J].Technological Forecasting and Social Change，2017，122：12-23.

[27]WONG C Y，WANG L L.Trajectories of science and technology and their coevolution in BRICS：Insights from publication and patent analysis[J].Journal of Informetrics，2015，9（01）：90-101.

[28]PARK T Y，LIM H，JI I.Identifying potential users of technology for technology transfer using patent citation analysis：a case analysis of a Korean research institute[J].Scientometrics，2018，116（03）：1541-1558.

[29]KUMAR V，LAI K K，CHANG Y H，et al.Mapping technological trajectories for energy storage device through patent citation network[C]//In：2018 9th International Conference on Awareness Science and Technology.New York：Ieee，2018：56-61.

[30]SHARMA P，TRIPATHI R C.Patent citation：A technique for measuring the knowledge flow of information and innovation[J].World Patent Information，2017，51：31-42.

[31]張曉鵬.新能源產業發展的困境及對策[J].科技風，2017（20）：1.

[32]王新，張濤.新能源產業金融支持路徑與風險防范方法探析[J].經濟研究導刊，2016（02）：146-148.

[33]陳巖，陳斯琴.新能源產業競爭能力模型分析[J].時代經貿，2017（27）：50-51.

[34]魏景賦.可再生能源、產業內貿易對碳排放的影響——基于中日韓三國面板數據的研究[J].東北亞經濟研究，2017（01）：33-41.

[35]劉微微，邢菁.可再生能源技術吸收能力對我國能源產業績效的影響[J].管理學報，2017（01）：93-99.

[36]陳艷，朱雅麗.基于博弈模型的可再生能源產業補貼標準設計[J].統計與決策，2014（20）：49-51.

[37]李伯興.生物能源產業發展的路徑分析[J].企業科技與發展，2014（08）：1-3.

[38]趙軍.美國生物能源產業生態系統演化過程研究[J].中國科學院院刊，2014（04）：485-492.

[39]趙軍.生物能源產業生態系統的構建及其特征研究[J].中國生物工程雜志，2014（07）：102-107.

[40]AWATE S，MUDAMBI R.On the geography of emerging industry technological networks：the breadth and depth of patented innovations[J].Journal of Economic Geography，2018，18（02）：391-419.

[41]KYEBAMBE M N，CHENG G，HUANG Y Q，et al.Forecasting emerging technologies：A supervised learning approach through patent analysis[J].Technological Forecasting and Social Change，2017，125：236-244.

[42]Patent publication.2020.（Accessed at https：//www.wipo.int/export/sites/www/scp/en/meetings/session_17/quality/germany.pdf.）

[43]HUENTELER J，OSSENBRINK J，SCHMIDT T S，et al.How a product’s design hierarchy shapes the evolution of technological knowledgeevidence from patentcitation networks in wind power[J].Research Policy，2016，45（06）：1195-1217.

[44]肖明，李國俊，袁浩，等.國外情報學研究前沿可視化分析——基于JASIS&T（2000—2009年）的引文耦合分析[J].圖書情報工作網刊，2011（02）：1-5.

[45]Innography.Market Map Quadrants.2020.（Accessed at http：//education.innography.com/flow_vizl_opts.）

[46]Innography：About Innography.2020.（Accessed at http：//education.innography.com/aaedumain.）

[47]ARNOLD M，TAINTER J A，STRUMSKY D.Productivity of innovation in biofuel technologies[J].Energy Policy，2019，124：54-62.

[48]OH G，KIM H Y，PARK A.Analysis of technological innovation based on citation information[J].Quality & Quantity，2017，51（03）：1065-1091.

[49]戰玉華.專利的秘密——天才之火與利益之油[J].圖書館建設，2019（01）：162-163.

[50]HIMMEL S C，KREBS R P.The effect of changes in altitude on the controlled behavior of a gasturbine engine[J].Journal of the Aeronautical Sciences，1951，18（07）：433-446.

[51]KUMAL RR，LIU JW，GHARPURE A，et al.Impact of biofuel blends on black carbon emissions from a gas turbine engine[J].Energy & Fuels，2020，34（04）：4958-4966.

[52]ZHOU X，LU F，ZHOU W X，et al.An improved multivariable generalized predictive control algorithm for direct performance control of gas turbine engine[J].Aerospace Science and Technology，2020，99：17.

[53]CHAN K S，ENRIGHT M P，MOODY J P，et al.Residual stress profiles for mitigating fretting fatigue in gas turbine engine disks[J].International Journal of Fatigue，2010，32（05）：815-823.

[54]ROLLING A J，BYERLEY A R，WISNIEWSKI C F.Integrating systems engineering into the USAF academy capstone gas turbine engine course[J].Journal of Engineering for Gas Turbines and PowerTransactions of the Asme，2012，134（02）：8.

[55]TIMKO M T，HERNDON S C，BLANCO E D，et al.Combustion products of petroleum jet fuel，a fischertropsch synthetic fuel，and a biomass fatty acid methyl ester fuel for a gas turbine engine[J].Combustion Science and Technology，2011，183（10）：1039-1068.

[56]GHOSHAL A，MURUGAN M，WALOCK M J，et al.Molten particulate impact on tailored thermal barrier coatings for gas turbine engine[J].Journal of Engineering for Gas Turbines and PowerTransactions of the Asme，2018，140（02）：10.

[57]NIETO A，WALOCK M，GHOSHAL A，et al.Layered，composite，and doped thermal barrier coatings exposed to sand laden flows within a gas turbine engine：Microstructural evolution，mechanical properties，and CMAS deposition[J].Surface & Coatings Technology，2018，349：1107-1116.

[58]TIMKO M T，YU Z，ONASCH T B，et al.Particulate emissions of gas turbine engine combustion of a fischertropsch synthetic fuel[J].Energy & Fuels，2010，24（11）：5883-5896.

[59]MA K，MATEEN K，REN G W，et al.Modeling foam flow at achievable flow rates in the subterranean formation using the populationbalance approach and implications for experimental design[J].Journal of NonNewtonian Fluid Mechanics，2018，254：36-50.

[60]RAN L M，BOROUCHAKI H，BENALI A，et al.Hexdominant mesh generation for subterranean formation modeling[J].Engineering with Computers，2012，28（03）：255-268.

[61]孟方芳.光伏熱電新風機的性能研究 [D].湖南：湖南大學，2016.

[62]孫福洲.有機太陽能電池中光生電子的提取及產量研究[D].蘇州：蘇州大學，2014.

[63]HENG P P，MAO L M，GUO X G，et al.Accurate estimation of the photoelectric conversion efficiency of a series of anthracenebased organic dyes for dyesensitized solar cells[J].Journal of Materials Chemistry C，2020，8（07）：2388-2399.

[64]ZHANG W G，LEI H X，YAO S W，et al.Enhancement of photoelectric conversion efficiency with sulfurdoped gC3N4/TiO2 nanoparticles composites in dyesensitized solar cells[J].Journal of Materials ScienceMaterials in Electronics，2019，30（10）：9861-9871.

[65]ZHANG X Y，YANG C，PAN Y Y，et al.Monolayer GaS with high ion mobility and capacity as a promising anode battery material[J].Journal of Materials Chemistry A，2019，7（23）：14042-14050.

[66]KUGANATHAN N，SGOUROU E N，PANAYIOTATOS Y，et al.Defect process，dopant behaviour and Li Ion mobility in the Li2MnO3 cathode material[J].Energies，2019，12（07）：11.

（責任編輯：王 強）