全球能源产业的技术演进与技术预见

栾春娟 李宇婧

摘 要：采用专利引文分析法，基于专利引文的知识流动方向，选择美国专利商标局公布的、能源技术领域的有效发明专利数据，及其后向引证（backward citation，简称后引）专利数据和前向引证（forward citation，简称前引）专利数据（前引与后引数据都排除了自引），构建全球能源技术演进与技术预见模型，揭示技术演进的趋势并预见技术的发展前景。对全面把握世界能源产业技术创新发展动态、正确制定和实施能源产业发展战略和政策，具有重要的理论价值和现实意义。研究发现，在“过去—现在—未来”3个创新发展阶段，中国的整体能力有所提升，但机构创新能力尤其是企业创新能力需要加强;杂环化合物等技术将成为未来能源技术的重要领域;燃气涡轮发动机、光电转换/半导体器件技术及地下能源探测/开采等相关技术，是未来能源技术的前沿热点主题。

关键词：技术预见;技术演进;理论模型;能源产业;专利引文;知识流动;后向引证;前向引证

中图分类号：G 306;N 18

文献标识码：A

文章编号：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 引言全球能源產业技术创新的过去、现在和未来呈现怎样的竞争态势和发展趋势？主要国家/地区是如何演进的？中国在演进过程中的地位发生了怎样的变化？主要国家/地区未来的发展趋势如何？主要创新机构的竞争态势是如何演进的？未来将形成怎样的竞争格局？主要技术领域是如何演进的？能源技术前沿热点主题是什么？本研究拟基于专利引文的知识流动方向，构建技术演进与技术预见理论模型，并对能源领域技术演进与技术预见进行实证分析，以期为国家能源产业技术的创新发展提供决策支撑。以往基于专利数据进行的技术演进与技术预见研究，往往是基于授权专利或引证专利单一类型的专利数据进行的[1-2]，揭示的至多是技术演进状况。研究基于专利引文的知识流动方向[3-4]，选择能源领域当前专利数据代表现在技术，该数据的后向引证专利数据代表过去技术，该数据的前向引证专利数据代表未来技术，构建全球能源产业技术演进与技术预见理论模型与分析框架，揭示技术演进态势并预见未来技术的创新前景。选择技术综合实力与经济综合实力相结合的四象限分析模型，对能源产业创新机构的竞争优势进行演进与预测分析。并对主要技术领域的演进及预测和能源产业技术领域的前沿热点主题进行分析。研究选择美国专利商标局公布的、能源技术领域的有效发明专利数据33 979个结果，及其后向引证（backward citation，简称后引）专利数据98 699个结果和前向引证（forward citation，简称前引）专利数据11 199个结果（前引与后引数据都排除了自引），遵循构建的理论模型，实证分析全球能源产业主要国家/地区技术演进与预见、主要机构技术演进与预见、主要技术领域演进与预见和前沿热点主题。以期为我国能源产业技术的发展提供决策参考。在理论与方法层面，研究提出的理论模型能够更全面地揭示能源产业技术演进并预测其未来，同时为其他产业的技术预测提供了一个崭新的视角和方法。在实践层面，对全面把握世界能源产业技术发展动态、正确制定和实施能源产业发展战略和政策，具有重要现实意义。

1 文献回顾技术演进很早就受到学者的关注[5-6]。学者们研究了技术能力的演进[7]、技术网络的演进[8]、技术集群的演进[9]、技术创新主体的演化[10]、技术演进与竞争反应[11]和特定技术演进[12]等问题。关于技术演进模型的研究，学者曾提出了技术创新与演进过程中的生产者与消费者互动模型[13]、技术创新网络演化模型[14]、后发企业技术创新过程中的“国际接口-资源体系-技术创新战略 ”三者间“链式旋进”的共演模型[15]、中国清洁能源技术创新过程中的产学研合作网络演进发展模型、复杂环境下技术演进的集成模型[16]、东亚地区旧石器时代技术演化的人口模型[17]、技术演进中的多阶段数据包络分析模型[18]等。技术预见是对技术发展的未来进行预测。20世纪90年代以来，世界上主要的发达国家美国、英国和德国等，和一些发展中国家中国、韩国等纷纷开始重视技术预见的理论研究与国家科技发展战略中的技术预见实践。学者们关于技术预见的研究成果，主要集中于技术预见的理论、方法和应用。技术预见中的德尔菲法受到普遍关注和探讨[19-20]。随着信息技术与计算机技术的发展，新兴的技术预见方法不断涌现，比如汇编网格方法[21]、专利关键词网络构建方法[22]、矩阵图谱和专利聚类方法[23]、混合的技术路线图方法[24]等。能源产业技术的发展是一个国家乃至全球的经济命脉。能源技术创新是引领能源产业变革、实现能源产业升级换代的源动力。学者们研究了新能源产业技术的发展对策[31]、新能源产业技术发展的财政与风险防范[32]、新能源技术竞争能力模型

[33]等。可再生能源技术也受到关注：可再生能源对碳排放的影响[34]、可再生能源技术吸收能力对我国能源产业绩效的影响[35]、可再生能源产业补贴标准设计[36]等。学者还探讨了新兴生物能源技术的研究进展，分析了生物能源产业技术发展路径[37]、美国生物能源产业生态系统演化过程[38]、生物能源产业技术生态系统构建[39]等。已有的上述相关研究成果为本项研究提供了重要的理论和方法基础。但以往的研究往往是基于专利申请、授权专利或引证专利单一類型的专利数据进行的，揭示的通常是过去技术演进的状况或当前技术创新的状况[1-2]，且对于能源产业技术演进过程及技术预见的研究较少。本项研究的创新之处就在于，基于专利引文分析的知识流动方向，选择后向引证专利、当前专利、前向引证专利分别代表过去技术、当前技术和未来技术，创造性地构建了技术演进与技术预见模型;并选择全球能源产业技术进行了实证研究。基于综合技术实力和综合经济实力指标，选择四象限分析模型，对全球能源产业主要创新机构的竞争优势进行了演进分析与未来发展预测。

2 模型构建与研究方法

2.1 技术演进与预见研究框架专利文献作为重要的创新研究成果载体，凝聚了大量的、丰富的技术信息与创新信息，常被用来进行技术演进相关研究[40-41]。由于专利授权的新颖性标准要求，技术进步的最新研究成果90%～95%首先发表于专利文献，并且80%以上仅仅通过专利文献公开[42]。专利文献及时更新公布的特征，有助于通过对最新发表的专利文献进行分析，从而把握技术创新的当前最新进展。

专利文献的引文著录信息反映了技术发展过程中的继承与演化[2，43]。专利引证分为后向引证和前向引证。专利后引文献是指当前样本专利数据引用的、在其之前公开的专利文献的数据。对专利后引文献的分析，可以帮助把握技术的过去。专利前引文献反映了当前专利数据被引用的状况。对引用当前专利数据的专利文献进行分析，可以帮助预测技术的未来发展趋势[44]。研究根据专利数据及其引文所反映的知识流动方向[2，43]，通过对后引专利、当前专利、前引专利的分析，构建如图1所示的理论模型，并以能源领域专利数据及其后引与前引的专利数据为分析对象，对能源产业技术演进和技术预见进行实证研究。

2.2 创新机构竞争优势分析模型构建竞争优势，是指企业或者组织相对于其竞争对手拥有的可持续性优势，通常可以分为成本优势、差异优势及聚焦优势。对于创新机构而言，其竞争优势主要有两个来源，技术和经济。具有较强的技术实力和技术储备，可以提高其创新能力;而较强的经济实力则可以提高创新机构抵御外界风险、获取资源的能力。故本文采用综合经济实力和综合技术实力两个维度来构建创新机构的竞争优势分析模型。选择四象限气泡图对创新机构的竞争优势演进及未来预测进行分析[45]，如图2所示。图2中的横轴代表创新主体的综合技术实力（X轴/vision轴/愿景轴）;纵轴代表的是创新机构的综合经济实力（Y轴/resource轴/资源轴）。气泡大小代表创新机构所拥有专利数量的多少，不同颜色代表不同的创新机构/专利权人。

X轴综合考虑以下三方面主要因素：机构专利组合规模、机构专利分类代码数量规模和机构专利引证情况。这三方面因素都与创新机构的技术实力密切相关：专利组合规模显示了创新机构的研发实力;机构专利分类代码规模展示了机构在该领域的专利申请广度;引证情况反映了机构在该技术领域的影响力[45]。在四象限图示中，气泡位置越靠右，机构在所搜索领域的关注程度和专利表现越突出，机构的综合技术实力越强大。X轴的计算公式见式（1）。

式中：CESi为机构i的综合经济实力;INCi为机构i的收入;∑INCi为全部机构的收入总和;PLNi为机构i的诉讼案件数量;∑PLNi为各机构诉讼案件数量的总和;PLPNi为机构i的专利布局位置数量;∑PLPNi为各机构的专利布局位置数量总和。在特定的检索结果集中，每个气泡所代表的专利权人的位置是确定的，每个气泡将依据其愿景轴与资源轴的综合得分共同确定了其在四象限图中的位置。如果检索结果集更改了，气泡的位置也会随之更改。对特定检索结果集进行分析，位于第一象限的是领导者（Incumbents），其在特定领域具有强势的技术实力并且拥有能够执行其愿景的经济资源，此类公司通常为市场领导者[45]。位于第二象限的机构是潜在购买方（Potential Buyers）。这些公司处于资源轴顶部，掌握大量资源，但缺乏技术实力。他们想挑战市场领导者，这样他们就需要加强和提高技术实力，很可能成为潜在的专利被许可方/购买方。位于第三象限的为仿效者/加入者（Followers/Entrants）。这些公司同时缺乏资源和愿景，通常是刚进入市场的新公司或者是控制市场较小份额的一些公司。位于第四象限的是潜在销售者（Potential Sellers）。这类公司技术实力很强，但资源不足。他们若与适当的合作伙伴或者潜在购买者合作就会获得大量资源，快速进入领导者行列。

2.3 文本聚类分析主要采用文本聚类分析技术。聚类是指将数据分为多个类或者簇，同一类（或簇）中的数据具有较高的共性，且不同类（或簇）中的数据具有差异性。文本聚类分析则就是依据著名的聚类假设：同类的文档相似度大，而不同类的文档相似度小。文本聚类分析根据给定的相似性度量下把对象进行分组，使得同组类的对象具有极大的相似度。根据文本聚类分析的原理，将检索到的专利文献根据技术主题进行聚类分析进而划分为不同的小组，属于同一小组的专利文献具有相同的技术主题。并采用专利地形图使聚类结果可视化，即主要技术主题一致的专利文献分布在地形图的同一区域，区域中山峰的海拔高度代表特定技术主题专利文献的密度大小，密度越大，海拔越高。

2.4 数据检索与分布研究实证分析部分的能源产业技术专利数据来源于全球专利在线检索及分析工具、2007年由美国INNOGRAPHY公司推出、2015年被CPA GLOBAL收购的Innography专业知识产权服务平台。该平台丰富的数据源包括专利、公司、财务、市场、诉讼、商标、科技文献、标准等数据，并进行关联分析[46]。专利数据方面，可以查询和获取100多个国家1亿多篇专利文献及其法律状态，其中包括22个国家的专利全文数据。财务数据方面，收录了来自邓白氏商业情报数据库及美国证券交易委员会等的专利权人财务数据;专利诉讼数据方面，可以检索和分析来自美国法院电子数据库系统（PACER）的专利诉讼案件、美国国际贸易委员会（ITC）337调查以及美国PTAB的专利无效复审案件。所有这些数据都经过了解析、清理和规范化，可以更快、更精准地进行分析。首先，选择美国专利商标局（USPTO）作为专利受理和授权机构（Authority），获取其公布的专利数据与专利引证数据，作为研究的数据来源。美国是世界科技创新领先的国家，USPTO公布的专利数据常常被学者们选用为技术创新相关研究的指标[47-48]。按照下列具体步骤进行了数据检索与精炼：第一步，检索得到USPTO于2017年1月1日至2019年12月31日期间发表的、属于能源技术领域的、有效的、发明专利数据33 979个结果，该结果作为全球能源技术当前创新发展状况分析的数据样本。第二步，对33 979个数据样本进行了后向引证检索并排除了2017年1月1日至2019年12月31日期间发表的专利数据，得到98 699个结果，该结果作为能源技术演进的“过去”状况分析数据样本;第三步，对33 979个数据样本进行了前向引证检索，得到11 199个结果，该结果作为能源技术未来发展趋势的分析数据样本，见表1。

3 能源产业技术演进与技术预见

3.1 主要国家/地区演进与预见以发明者来源国家/地区（inventor location）专利占比，作为衡量能源产业技术主要国家/地区演进与预见的指标。专利制度就是给天才之火，浇上利益之油[49]。作为天才之火的发明者，其是专利创新成果的直接创造者，因此对发明者来源地进行分析，能够帮助把握某一产业技术领域创新的全球分布状况。以表1中的后向引证专利数据代表能源产业技术创新发展的过去;当年专利数据代表能源产业技术创新发展的现在状况;前向引证专利数据代表能源产业技术创新发展的未来趋势。对该3组数据发明者来源国家/地区（inventor location）分布进行分析，得到表2所示的“能源技术主要国家/地区演进与预见”。

表2从主要国家/地区的排序变化和比例变化两个角度，揭示了能源技术主要国家/地区演进与未来发展趋势。从排序变化视角，美国、日本和德国3个国家在能源产业技术发展的“过去—现在—未来”都始终位于前三甲，而且顺序没有发生变化。排序第四位的在过去阶段是英国;当前阶段是韩国;未来阶段是中国。排序第五位的在过去阶段是韩国;当前阶段是中国;未来阶段还是韩国。中国的排序位置呈现出上升的发展势头：由过去阶段的第九位，到现在阶段的第五位，到未来阶段的第四位。英国的排序位置由过去的第四位，到现在的第七位，未来也排序在第七位。

从比例變化视角，美国过去比例为56.11%，当前比例为41.26%，未来比例为50.58%;呈现出下降—上升、最终仍占有50%的绝对优势地位。中国由过去比例1.11%，到现在比例3.88%，到未来比例5.88%;全球视角下的中国能源技术上升发展势头比较明显，但未来的优势仍不足6%。日本的比例从过去的17.22%，到现在的19.58%，到未来的13.75%，经历的趋势是“上升—下降”。

3.2 主要机构演进与预见依据公式（1）和公式（2）分别计算得出的主要创新机构在“过去—现在—未来”3个阶段的“综合技术实力”和“综合经济实力”数值见表3。表3详细展示了能源产业技术在“过去—现在—未来”3个发展阶段中、每个阶段前20创新机构在愿景和资源方面的得分值，以及每个阶段前20机构的位次变化、愿景变化和资源变化情况。比如，通用电气公司的位次经历了过去第一、现在第一到未来第二的变化;联合技术公司的排序经历了过去第二、现在第二和未来第一的变化。联合技术公司未来的技术实力会很强，但其资源方面优势不足。福特汽车公司由过去的第20位，到现在的第12位，到未来的第八位;其位次整体上呈现出明显的上升发展势头。创新机构位次发生变化，表明其在“过去—现在—未来”各个阶段中的相对竞争优势发生了变化。创新机构在各个发展阶段竞争优势的变化，可以通过四象限模型更形象地展示出来（图3，图4，图5）。

图3至图5形象展示了全球能源产业技术在“过去—现在—未来”3个发展阶段的前20位创新机构的竞争优势。通用电气公司是唯一一个3个阶段都处于第一象限的创新机构，即能源技术领域的领导者，同时拥有技术优势和资源优势，虽然其在不同阶段的、在图谱中的相对位置也发生了变化。联合技术公司技术方面的竞争优势在3个不同阶段逐渐加强，但其资源优势仍远远不足。三星电子公司资源方面的优势比较突出，但技术优势有待提高。

3.3 主要技术领域演进与预见以专利国际分类代码IPC小类来考察能源产业主要技术领域的演进与未来趋势，表4列出了能源产业在“过去—现在—未来”3个阶段的前技术领域演进与未来趋势。其中，IPC小类的H01L，代表的“半导体器件、电气固态器件”技术在3个发展阶段始终处于第一位，比例为10%左右。F23R，代表的“产生高压或高速的燃烧产物，如燃气轮机燃烧室”技术，过去阶段位于第19位，现在阶段排序第15位，未来阶段排序第12位，说明该类技术在未来能源产业发展中不断提升的地位和作用。

当前能源技术发展阶段独有的前20强的IPC代码有：F21K（光源技术）、C10L（燃料、天然气、合成天然气、液化石油气、使用燃料添加剂或火灾、打火机等技术）、F01K（蒸汽机装置、蒸汽蓄热器、发动机装置、使用特殊工作液或循环的发动机技术）、F15B（一般通过流体作用的系统，流体压力执行机构，如马达，流体压力系统等技术）。未来能源技术发展阶段独有的前20强的IPC代码有：C07D（杂环化合物）、G06K（数据的识别，数据的表示，记录载体，处理载体）、G06F（电气数字数据处理），这几类IPC技术在未来能源产业技术发展中将发挥着重要作用。

3.4 前沿热点主题选取表1中的前引专利数据11 199条，运用了文本聚类的技术[46]，以地形图可视化主题词图谱，捕獲能源技术未来的前沿热点主题，如图6。地形图中选择“文献聚类”（Document Cluster）选项，专利文献被划分为不同的小组，属于同一小组的专利文献包含共同的技术主题。主要技术主题一致的专利文献分布在地形图上的同一区域，区域中山峰的海拔高度代表特定技术主题专利文献的密度大小，密度越大，海拔越高。

图6显示，燃气涡轮发动机（gas turbine engine）及控制器件相关技术、光电转换（photoelectric conversion）/半导体器件（semiconductor device）及相关技术、X射线探测仪（Xray detector）/离子迁移检测技术（ion mobility）/成像技术（imaging apparatus）、地下地层（subterranean formation）能源探测/开采等相关技术、质谱仪（mass spectrometer）/粒子束（particle beam）技术等，是未来能源技术创新的主要热点领域。以燃气涡轮发动机相关技术为例，自20世纪50年代以来，燃气涡轮发动机一直是最主要的航空动力形式，目前仍然被广泛应用于航空发动机，而且将持续应用于未来航空航天领域[50]。在可预见的未来动力技术创新领域，尚没有任何其他形式的动力装置能够完全取代它[51-52]。美国国防部[51，53]、美国空军[54-55]、美国海军[56-57]、美国航空航天局格伦研究中心[56，58]等研究机构都非常重视燃气涡轮发动机相关技术的研发与创新。地下地层能源探测与开采，也是当今世界能源技术创新前沿主题。美国科技人员[59]、法国科技人员[60]都发表了相关的研究成果。尽管光伏效应的原理早在1839年就已经被法国科学家BECQUREL发现[61-62]，但至今乃至未来，太阳能光电转换相关技术将仍然是能源产业研究的热点主题[63-64]。中国学者[65]、英国学者[66]2019年在离子迁移检测技术领域的研究取得重要进展。

4 结 语在主要国家/地区层面，美国、日本和德国三个国家在能源产业技术发展的“过去—现在—未来”3个阶段都始终位于前3甲，而且顺序没有发生变化，中国的比例虽不高但中国的排序位置上升发展势头很明显，由过去阶段的第九位到未来阶段的第四位。

创新机构竞争优势分析发现，能源产业技术“过去—现在—未来”3个发展阶段中，通用电气公司与联合技术公司始终保持前两位的竞争优势;。西门子公司的竞争优势地位有所下降;福特公司的地位有所上升。

技术领域方面，未来能源技术发展阶段，资源拼凑效能在多情境下的比较研究杂环化合物技术、数据的识别—数据的表示—记录载体—处理载体相关技术、电气数字数据处理技术等将进入前20强IPC代码范畴，成为能源技术的重要领域。能源技术创新发展的前沿热点主题主要有：燃气涡轮发动机及控制器件相关技术、光电转换/半导体器件及相关技术、X射线探测仪/离子迁移检测技术、地下地层能源探测/开采等相关技术、质谱仪/粒子束技术等。

中国政府一直非常重视能源产业技术的创新发展，不断完善能源政策，提出绿色发展理念和“能源革命”的战略思想。能源产业的技术创新是实现能源产业升级换代的关键所在。企业作为创新主体，与学术机构相比，更有动机、资源和实力将其创新成果产业化，进而推动能源产业的创新发展。因此，我国能源企业需要切实提高自身创新能力，加强校企合作，促进高校及科研机构创新成果转化，促使能源企业成为能源产业创新的核心和主导力量，更好的助力我国实现能源产业转型升级。

参考文献：

[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]鄒乐乐，陈佩佩，吴怡，等.中国清洁技术创新主体的合作特征及演化分析[J].科学学研究，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]游鸽，郭昊，刘向.基于专利引文网络的技术演化网络模型与仿真分析[J].系统仿真学报，2021，33（3）：1-12.

[15] 徐雨森，郑稣鹏，李金茹.国际接口、资源体系与技术创新共演过程研究[J].科学学研究.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]張晓鹏.新能源产业发展的困境及对策[J].科技风，2017（20）：1.

[32]王新，張涛.新能源产业金融支持路径与风险防范方法探析[J].经济研究导刊，2016（02）：146-148.

[33]陈岩，陈斯琴.新能源产业竞争能力模型分析[J].时代经贸，2017（27）：50-51.

[34]魏景赋.可再生能源、产业内贸易对碳排放的影响——基于中日韩三国面板数据的研究[J].东北亚经济研究，2017（01）：33-41.

[35]刘微微，邢菁.可再生能源技术吸收能力对我国能源产业绩效的影响[J].管理学报，2017（01）：93-99.

[36]陈艳，朱雅丽.基于博弈模型的可再生能源产业补贴标准设计[J].统计与决策，2014（20）：49-51.

[37]李伯兴.生物能源产业发展的路径分析[J].企业科技与发展，2014（08）：1-3.

[38]赵军.美国生物能源产业生态系统演化过程研究[J].中国科学院院刊，2014（04）：485-492.

[39]赵军.生物能源产业生态系统的构建及其特征研究[J].中国生物工程杂志，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，李国俊，袁浩，等.国外情报学研究前沿可视化分析——基于JASIS&T（2000—2009年）的引文耦合分析[J].图书情报工作网刊，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]战玉华.专利的秘密——天才之火与利益之油[J].图书馆建设，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.光伏热电新风机的性能研究 [D].湖南：湖南大学，2016.

[62]孙福洲.有机太阳能电池中光生电子的提取及产量研究[D].苏州：苏州大学，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.

（責任编辑：王 强）