基于NMF算法的全球碳中和技术领域研究态势分析☆

贾佳; 陆晴; 杨帆

doi:10.15978/j.cnki.1673-5668.202301006

科学观察 ›› 2023, Vol. 18 ›› Issue (1) :27-44 DOI: 10.15978/j.cnki.1673-5668.202301006

研究论文

基于NMF算法的全球碳中和技术领域研究态势分析^☆

贾佳 ¹^,^* ,
陆晴 ¹ ,
杨帆 ²

作者信息 +

Trend Analysis of Global Carbon Neutrality Related Field Research: Based on Machine Learning and Bibliometrics

Jia Jia ¹^,^* ,
Lu Qing ¹ ,
Yang Fan ²

Author information +

文章历史 +

摘要

[目的/意义] 气候变化已成为重大全球性挑战，目前已有超过130个国家和地区提出了碳中和目标。在各国明确提出碳中和目标之前，学术界关于碳中和及相关主题的研究已经有多年的文献积累。[方法/过程] 通过NMF主题建模的方法对碳中和领域2011－2021年SCI论文的研究主题进行聚类分析，识别出8个与碳中和技术相关的主题聚类，包括多能集成供能、地热利用、生物质转化、混合储能系统、制氢和二氧化碳还原、新能源汽车、碳捕集、碳封存。基于上述主题的论文，利用文献计量方法对各主题方向上表现突出的国家、机构，以及研究主题的分布、演变，热点和新兴研究主题的识别等分析碳中和领域的研究现状和趋势。[结果/结论] 分析发现，综合能源系统、混合动力电车、太阳能制氢、锂电子电池、能源管理等是学术研究的热点；中、美、英、德是碳中和领域研究积累最多的国家；亚洲和欧洲机构的学术影响力和产出质量相对较高。

Abstract

[Objective/Significance] Climate change has become a major global challenge, and more than 130 countries and regions have proposed carbon neutrality targets. The academic literature on carbon neutrality and related topics has been accumulated for many years before countries explicitly put forward carbon neutrality targets. [Method/Process] In this paper, the research themes of SCI papers in the field of carbon neutrality from 2011-2021 were clustered and analyzed by the NMF theme modeling method, and eight theme clusters related to carbon neutral technologies were identified, including multi-energy integrated energy supply, geothermal utilization, biomass conversion, hybrid energy storage systems, hydrogen production and CO₂reduction, electric vehicles, carbon capture, and carbon sequestration. Based on the papers on the above topics, the bibliometrics method is used to analyze the research status and trends in the field of carbon neutrality, including countries and institutions with outstanding performance in each topic direction, the distribution and evolution of research topics, and the identification of hot and emerging research topics. [Results/Conclusions] It is found that integrated energy system, hybrid electric car, solar hydrogen production, lithium battery and energy management are the hot spots of academic research. China, the United States, the United Kingdom and Germany are the countries with the largest accumulation of carbon neutral research. The academic impact and quality of output of central Asian and European institutions are relatively high.

Graphical abstract

关键词

碳中和 / 文献计量 / 机器学习 / 热点研究主题 / 新兴研究主题

Key words

carbon neutrality / bibliometrics / machine learning / hot research themes / emerging research themes

引用本文

引用格式 ▾

贾佳, 陆晴, 杨帆. 基于NMF算法的全球碳中和技术领域研究态势分析^☆[J]. 科学观察, 2023, 18(1): 27-44 DOI:10.15978/j.cnki.1673-5668.202301006

Jia Jia, Lu Qing, Yang Fan. Trend Analysis of Global Carbon Neutrality Related Field Research: Based on Machine Learning and Bibliometrics[J]. Science Focus, 2023, 18(1): 27-44 DOI:10.15978/j.cnki.1673-5668.202301006

登录浏览全文

4963

注册一个新账户忘记密码

1 研究背景

气候变化已成为当今人类社会面临的重大全球性挑战。在以全球变暖为主要特征的气候变化下，联合国政府间气候变化专门委员会（IPCC）迄今为止发布了5次报告，基本认定全球温度升高与二氧化碳及其他温室气体的累积排放呈准线性关系，人类通过化石燃料、生物质燃料等过程中的温室气体排放是当前气候变暖的主要原因。IPCC测算，若实现《巴黎协定》2℃控温目标，全球必须在2050年达到二氧化碳净零排放（又称“碳中和”）；在2067年达到温室气体净零排放，即除二氧化碳外，甲烷等温室气体的排放量与抵消量平衡。目前，全球已有超过130个国家和地区提出了碳中和目标。欧盟是全球较早提出碳中和目标的经济体（国家）之一，欧洲议会与欧洲理事会于2019年相继批准了2050年温室气体净零排放目标。同年12月，欧盟委员会发布了《欧洲绿色协议》（即“绿色新政”），提出了欧洲迈向气候中和循环经济体的7大转型路径^[1]。英国也是较早提出碳中和目标的国家之一。2021年4月，英国政府再次宣布将制定气候变化新目标，并写入法律：到2035年温室气体排放量与1990年的水平相比减少78%^[2]。2022年，由于俄乌战争，欧盟实现碳中和时遭遇了一些变数，但趋势没有变化。德国的目标是2045年实现碳中和，计划到2035年实现100%可再生能源发电。而由于欧洲能源危机的影响，德国必须重启煤电保障能源供应。2022年7月，德国将2035年实现100%可再生能源发电的计划变成2030年实现80%可再生能源发电^[3]。随后，荷兰、法国、英国等国家相继宣布重启燃煤电厂^[4]。8月下旬，由于一家重点企业减排计划不顺，丹麦宣布无法实现到2025实现碳中和的目标，推迟至2050年^[5]。

美国作为一个排放大国，碳排放量在全球占比约15%左右。美国政府发布一系列政策文件，对美国实现碳中和的关键行业减排举措、关键科学与技术措施以及政策保障措施等进行汇总^[6⇓-8]，以碳达峰与碳中和为目标的绿色低碳发展行动已经加速行动起来。

在各国明确提出碳中和目标之前，在学术界直接关于碳中和或相关的零碳/低碳能源技术的研究已经有多年的文献积累。从文献计量角度，学者们分别基于国内外文献数据，借助CiteSpace、DII等分析软件，考察碳中和相关领域的研究趋势。一方面从专利技术本身入手，分析各国在CCUS技术方面的投入、合作以及产出^[8,9]，提出创新研究方向和技术热点，并在专利分析的基础上，结合专家评价方法，对碳中和领域的产业和发展进行预警^[10]。另一方面则以研究论文为基础，选择碳中和领域的关键技术进行探究，如对比国内外信息技术在碳中和领域发挥的作用^[11]；对二氧化碳排放峰值文献进行聚类，为气候环境相关的研究人员和政策制定者提供了新的见解和观点^[12]；研究碳足迹的生命周期评价方法，指导技术碳中和目标实现及路径选择，为实现碳中和目标提供有效参考^[13]等。

现有的关于碳中和领域的文献计量分析多数聚焦于碳中和的某一技术或者研究主题，或者即使从整体对碳中和的发展脉络进行深入分析，但仅限于一个角度或一种方法，如政策分析、主题分析^[14]。为进一步分析和比较国内外碳中和研究进展，克服上述研究局限，本文基于Web of Science^[15]数据库2011－2021年间各国发表的碳中和相关研究文献，采用文献计量学和知识图谱方法，应用分析软件和机器学习主题建模方法，聚焦碳中和的相关产业和技术，从研究主题的分布、主题演变趋势、热点和新兴研究主题的角度来分析碳中和领域的研究现状、趋势，并且利用文献计量的方式对各主题上表现突出的国家、机构、作者进行挖掘。本文有助于为专业领域的研究者提供碳中和技术领域的全景性分析和前沿趋势挖掘，对政策制定者制定相关政策措施具有重要的参考价值。

2 数据与研究方法

2.1 数据采集

本文采用主题迭代检索方法（图1），围绕“碳中和”概念迭代生成检索式，如表1所示。

主题迭代检索的数据来自Web of Science平台SCI-Expanded数据库（SCI论文）。对论文的国别和学科种类未加限制。文献年份为2011－2021年，限制文献类型为article和review。最终数据的采集时间为2021-07-15。本文基于这27 064篇论文的题录信息作为分析数据集。

2.2 研究方法

2.2.1 主题模型与文本聚类

主题模型（topic modelling）^[16]是一种统计机器学习方法，旨在从文档集合或语料库中发现一组潜在的语义主题（topic），并返回每个主题对应的文档集合和属于主题的词集合。相较于文献计量学传统上使用的共词分析^[17]、共被引分析^[18]等方法，主题模型对文本数据的格式要求更低，对关键词字段和引用关系没有依赖，能够直接对文本进行分解，建立词-主题-文档的三层对应关系，实现更具细粒度、更深层次、更全面的分析，在科学文献领域得到越来越多的应用，包括期刊论文^[19]、科研项目^[20]、专利文献^[21]等。NMF（Non-negative Matrix Factorization，非负矩阵分解）^[22]是常用的主题模型之一，在短文本的主题建模的准确度和海量文本的计算速度上均优于同类的主题建模算法^[23]，本文采用NMF方法用于碳中和相关文献的主题建模。

主题建模的分析文本由碳中和相关论文集的标题（title）、作者关键词（author keywords）、附加关键词（keyword plus）合并构成，应用文献分析软件DDA^[24]对分析文本进行切词和同义词归并，使用Python NLTK库^[25]导入文本生成词袋（word bag），再利用TF-IDF（词频-逆文档词频）算法对文档进行文本特征抽取和向量化。在文本特征向量化的步骤后，应用NMF主题模型构建文档-词矩阵D进行非负矩阵分解，得到K秩（rank）的降维近似（K为设定的主题数目），产生2个矩阵：主题的单词分布矩阵U和文档的主题分布矩阵V。因子U的每列对应一个主题（topic），行对应M个词在某个主题下的权重，U=[u₁,u₂,···, u_k] ∈ R^M^×^K。对于U的每一列按照词的权重进行排序，即可得到每个主题下最相关的词。矩阵V的每列对应一个文档，行对应文档在不同主题下的权重，V=[v₁,v₂,···, v_N] ∈ R^K^×^N，基于此可以将主题与对应的文档联系起来。

2.2.2 基于聚类的文献计量分析

在主题模型完成的基础上，论文集已经按照主题（topic）划分为若干个不同的聚类（cluster）。NMF主题模型生成文档的主题分布矩阵V，对于V的每一行按照文档的权重进行排序，将文档归类到权重排名第一的主题下，得到各主题对应的聚类中的论文集。

因此，对每个主题对应的论文数据集进行文献计量分析，引入论文的年份、作者机构和国别等信息，可以计算主题的动态变化趋势，分析国家和机构在各个主题上的研究产出情况。此外，在各个主题下将论文数据进行时间切片，结合“相对热度”指标计算，可以识别热点/新兴关键词。

（1）主题强度演化

主题强度反映了文档主题的热门程度，主题的强度越高，与该主题相关的文档数量越多。结合文档（论文）的发表年份，统计各个主题在各年份的文献数量，即为本文定义的主题强度。分析主题强度随年份的变化，可以从一定程度上测量各个主题下研究热度的增长消退趋势。

由于不同聚类在起始年份的主题强度不同，本文引入文献增长指数，以量化主题强度的相对增长速度。

（2）各主题下的国家和机构发文情况

为了分析各主题聚类的主要贡献国家、机构和作者，本研究导出NMF主题模型下属于各主题的文档的WoS收藏号，返回Web of Science平台获取对应的文献集，并导入InCites学科分析数据库，利用InCites数据库对各主题下各国的论文数、突出的研究机构等进行统计。

结合各主题聚类中论文的发文国别信息，可以统计各聚类中不同国家/地区的发文量，按照发文量进行排名。考察各聚类发文量排名前10~15国家/地区近5年的发文增长情况，以识别发文增速较快的国家。为了解各国的发文增长情况，本文引入“5年平均发文量增速” 指标（基于2016－2020年）以及“5年相对发文增幅”指标（基于2011－2020年），

(公式1) $\left\{\begin{array}{l}5 \text { 年平均发文量增速 }=\frac{\text { 第 } i \text { 年增长率 }}{4} \\6 \leq i \leq 10\end{array}\right.$

(公式2) $5 年相对发文增幅=\frac{\text { 近 } 5 \text { 年发文总量－前 } 5 \text { 年发文总量 }}{\text { 前 } 5 \text { 年发文总量 }}$

将“5年平均发文量增速”和“5年相对发文增幅”指标排名前50%交集的国家，视为发文增长速度较快的国家。

在机构分析中，聚焦发文量排名前15~20的机构，以文章总数考察机构的“学术积累能力”，包括研究论文和综述论文（article、review）；以InCites^[26]数据库中CNCI（学科规范化引文影响力）指标考察机构的“学术影响力”，该指标消除了不同学科领域、不同出版年份的论文引文差异，包括研究论文和综述论文（article、review）；以研究论文（article）的“高被引论文占比”指标和“篇均被引”指标考察机构“学术产出质量”。

（3）热点/新兴关键词识别

在各个主题下，将数据时间范围进行切片，通过对不同时间切片的关键词的关注度进行对比，识别热点/新兴关键词。切片时间范围包括：近5年（2016－2020）、近10年（2011－2020）、前5年（2011－2015）。

热点关键词的特征是词频高，热度持续增长，分别考察各个主题下排名前50主题词在近5年（2016－2020）和近10年（2011－2020）的增长情况，并引入“相对热度”指标，尝试识别热点主题词。

(公式3) $\text {相对热度 }=\frac{\text { 近 } 5 \text { 年平均词频增长率 }}{\text { 近 } 10 \text { 年平均词频增长率 }}$

$近5年平均词频增长率=(第10年词频/第6年词频)1/5-1$

$近10年平均词频增长率=(第10年词频/第1年词频)1/10-1$

其中，相对热度>1表明该主题词在近5年的平均词频增长速度大于（超过）10年平均词频增长速度，视为热点主题词。在“相对热度>1”的主题词中，将“相对热度”排名前10%~20%的主题词视为关注度较高的热点主题词。

新兴主题词的特点为虽然词频比较低，但是上升趋势比较明显。本文界定新兴主题词为在各个主题下前5年（2011－2015）出现频次少于3，近5年（2016－2020）出现频次大于8，且呈上升趋势的主题词，并按照后5年出现的频次排序。新兴主题词从一定程度上能够反映碳中和领域的新兴研究趋势。

3 全球碳中和领域主题布局

3.1 全球碳中和领域的主题布局和演化

3.1.1 主题布局

本文利用机器学习主题模型NMF算法，对碳中和领域论文的标题和关键词文本内容进行主题聚类，建立词-文档-主题的三层关系，根据文本内容的相似度划分为若干个聚类，并从各聚类中提取代表性研究主题。经优化调试后得到主题数目为12个，包括多能集成供能、地热利用、生物质转化、混合储能系统、制氢和二氧化碳还原等与技术相关的8个聚类，以及环境经济、能源管理等4个聚类。代表性主题词和词在各聚类下的权重如表2所示。

表2列举的是碳中和领域的12个聚类的主题词和权重（TOP15的主题词），聚类的划分和主题词权重的计算由NMF主题模型获得，聚类的标签和含义由人工标注。

由于本文的分析与碳中和技术紧密相关，而聚类9~12的技术相关性较弱，故本文将基于聚类1~8进行分析，其余4个聚类不作为本文重点分析的对象。

图3（a）~（h）为聚类1~8的词云图，分别对应多能集成供能、地热利用、生物质转化、混合储能系统、制氢和二氧化碳还原、新能源汽车、碳捕集、碳封存。图中显示的是各聚类下的代表性主题词，主题词字号大小与词的权重成正比。

3.1.2 主题强度演化

通过文献数量随时间的变化，可以了解每个主题聚类下各自的研究趋势，但由于各聚类的文献量规模不同，本文引入“主题强度”指标（章节2.2.2），综合考察碳中和领域的整体情况。

本研究选择与碳中和技术/产业相关的前8个主题聚类展开进一步分析。图4以热力图的方式呈现聚类1~8在2011－2021年各年份的主题强度。由图3可以看出，整体上主题强度较大的聚类包括多能集成供能（聚类1）、地热利用（聚类2）、制氢和二氧化碳还原（聚类5）、碳捕集（聚类7）。各聚类在2011－2020年间的主题强度都呈现逐年上升的趋势。

从图4来看，各聚类的主题强度都呈现逐年上升的趋势。为更好地了解主题强度的相对增长速度，本章节引入文献增长指数。依据普赖斯曲线方程^[27]，科技文献量遵守指数增长规律，F=A×e^rt，e是自然对数的底数，r表示文献量的指数增长率，t表示时间，F和A表示本期和初期文献量。本文中，本期和初期文献量分别为2020年和2011年的主题强度。根据该模型计算，2011－2020年间，聚类1~8的指数增长率r的数值如表3所示。结果显示，10年间，文献量增长率排在前三的聚类依次为：聚类4混合储能系统，聚类6新能源汽车和聚类1多能集成供能。地热利用、制氢和二氧化碳还原、碳捕集、碳封存、生物质转化这5个聚类的增长率依次排名第4至第8位。

3.2 各主题聚类的论文分布及重要研究主题词识别

3.2.1 论文的国家/地区分布

如表4所示，中国、美国在8个主题聚类领域的研究论文数量均排名第一、第二位。德国、英国两国在多数领域中也投入较多的科研精力，如地热利用、生物质转化、新能源汽车、碳捕集、碳封存等。从5年平均发文量增速（2016－2020年，公式1）以及5年相对发文增幅（2016－2020较2011－2015相比，公式2）来看，中国除了科研积累实力雄厚之外，在8个领域也呈现快速增长趋势。考虑到北欧的地热资源较为丰富，且丹麦、挪威、瑞典、芬兰和冰岛五国在地热利用领域的文献积累量均在前26位之内，因此将上述合五国合并分析，本文称为“北欧5国”。

3.2.2 论文的机构分布

根据国家分布，中国和美国是碳中和领域文献积累量最多的国家。相应的，从机构分析来看（表5），在8个技术主题领域，学术积累能力较高的机构主要集中在美国能源部（DOE）、中国科学院、清华大学等中美机构。依据CNCI指标，德黑兰大学、法国原子能委员会（CEA）、加州大学伯克利分校、美国能源部（DOE）、清华大学等在多个领域的学术影响力较高。从整体学术产出质量来看，美国能源部（DOE）、清华大学、帝国理工学院、法国原子能委员会（CEA）、密歇根大学、南洋理工大学、苏黎世联邦理工学院、中国科学院等机构在多个领域排名靠前。

3.2.3 重要研究主题词识别

根据重要主题词识别方法，本章节分别对8个主题聚类对应论文集合的主题词进行计算和统计。表6列出了每个聚类主题的TOP 5热点主题词和TOP 5新兴主题词。

4 碳中和主要技术领域分析

以文献数量最多的三个主题聚类（地热利用、生物质转化、制氢和二氧化碳还原）为例，分别进一步对国家、机构和重要研究主题词进行分析。

4.1 国家/地区分布

（1）在地热利用主题聚类领域发文较多的国家/地区中，中国、北欧5国、意大利、英国的增幅非常大，如图5所示。北欧国家是供热大户，供热占国家能耗的一半。这些国家已提出并尝试第四代供热系统，充分利用太阳能、地热、风能、生物能等可再生能源，形成分布式智能能源网。

近年来，伊朗已具有一定的地热资源勘探能力，勘探方面能够实现完全自给自足，科研力量也有所提升。经过几年努力，2022年7月，伊朗Meshginshahr地热发电厂已经开始向电网输送电力。这是伊朗首个地热电厂，钻井11口，井深3 000多米，总投资成本达到4 700万美元^[28]。伊朗近5年的发文量较前5年有极大的增长，可见伊朗在能源领域取得了不错进展。

（2）根据《BP世界能源统计年鉴2021》^[29]公布的数据，全球生物燃料产量和消费量排名依次为北美、中南美、欧洲及亚太地区，但亚太地区的年增长率（2009－2019）却是大幅度领先。从生物质转化的研究来看，亚太、北美、欧洲地区体现出较强的实力。图6呈现了生物质转化主题聚类发文TOP11位的国家/地区在2011－2015年和2016－2020年两个阶段的发文情况及发文增幅。虽然中国在前5年的发文数量落后于美国，但近5年发展速度较快，已超过美国等国家。此外，英、德、西、意等国的5年相对发文增幅也处于较高水平。

（3）氢气的制备，特别是利用可再生能源绿色制氢，在碳中和背景下氢气作为零碳能源正脱颖而出。二氧化碳还原将二氧化碳转化为有附加价值的化学品，是将二氧化碳资源化利用的过程，是CCUS（Carbon Capture, Utilization, and Storage）的一部分。目前，各国大力发展氢能产业，并且积极寻求将太阳能、核能等清洁能源与制氢协同开发的路径。美国能源部2019年发布了《氢能计划发展规划》^[30]，提出未来十年及更长时期氢能研究、开发和示范的总体战略框架。英国^[31]和德国^[32]分别发布国家氢能战略，将氢能视为能源转型成功的关键，高度重视“绿色氢能源”。在二氧化碳转化利用方面，美国能源部2022年发布《工业脱碳路线图》^[33]，确定了减少美国制造业工业排放的四个关键途径。为了实现《巴黎协定》中规定的“挑战性”目标，欧盟推出一项名为CCUS ZEN（零排放网络）^[34]新方案，主要针对波罗的海和地中海地区的工业集群脱碳。

图7呈现了制氢和二氧化碳还原主题聚类发文TOP11位的国家/地区在2011－2015年和2016－2020两个阶段的发文情况及发文增幅。10年间，中国的发文量排名第一，美国、英国、加拿大、德国位列第2至第5，日本、韩国、印度、西班牙、意大利、澳大利亚的发文量排名第6至第10。对比近5年的发文增幅，中国、英国、澳大利亚、德国等国在该领域的发文增幅加大。进一步分析上述四国的国家基金项目投入，发现中国近5年的国家资助论文数量是前5年的4倍多，英国和澳大利亚是2倍多，德国是5倍。可见这四个国家在制氢和二氧化碳转化领域研发力度增幅较大。

4.2 主要研究机构分析

以地热利用、生物质转化、制氢和二氧化碳还原为例。

（1）如表7所示，中国有较多机构在地热利用主题中具有一定影响力。中国石油大学（北京）、吉林大学均参与了国家重点研发计划项目，如111计划地热智能钻井项目、干热岩能量获取重大项目等；中科院的广州能源研究所、地球物理研究所等机构承担了长三角地区地热资源项目、高温深井地热项目等。从学术积累能力方面，中国石油大学、中国科学院、苏黎世联邦理工学院、美国能源部（DOE）排名前4，在排名前20的机构中，中国机构占据8席。学术影响力较高的4所高校包括伊朗的德黑兰大学和伊斯兰阿扎德大学，以及蒙纳士大学、清华大学。整体学术质量方面，位居前列的有蒙纳士大学、苏黎世联邦理工学院、安大略理工大学、清华大学等。

（2）如表8所示，在生物质转化主题中，中国科学院、美国能源部（DOE）是发文最多的机构。从CNCI指标来看，华中科技大学和浙江大学的学术影响力排名靠前，两所高校牵头参与了多项国家重点研发计划、国家自然科学基金项目，并与当地企业联合开展技术研发项目、共同成立联合研究中心，促进校地合作。从整体学术质量数据来看，排名较高的是浙江大学、乌得勒支大学以及华北电力大学。

（3）如表9所示，在制氢和二氧化碳还原主题聚类中，学术积累能力排名前20位机构中，中国机构占据8席。中国科学院、美国能源部（DOE）、安大略理工大学、中国科学院大学排名前4。东京大学、中国电子科技大学、中国科学院大连化学物理研究所在学术影响力和学术产出质量方面都名列前茅。加拿大第四代国家计划中要发展超临界水冷堆，其用途之一是制氢，目前的研发重点为铜氯循环项目，由安大略理工大学负责，加拿大国家核实验室（CNL）、美国阿贡国家实验室等机构参与。为推进以氢能为代表的可再生燃料的普及与发展，日本东京大学专门成立“可再生燃料全球合作网络”社会合作研究部，并联合相关新能源开发机构，利用阳光照射在水中分解出氢与氧的“光触媒”作用，实现了大规模制氢。

4.3 重要研究主题词识别

以地热利用、生物质转化、制氢和二氧化碳还原为例。

（1）地热能作为新能源中的优势能源之一，清洁环保。如表10所示，聚类地热利用的热点研究主题集中于热泵热水系统、超临界 CO₂循环的地热与太阳能混合系统、干热岩发电、地下储热系统以及热经济学分析。该聚类的新兴研究主题集中于水平井钻井技术、裂隙岩体、地热气体中的非冷凝气体、水力压裂技术以及地热制冷系统等。

热点和新兴研究主题体现了未来全球地热能开发以及利用的三大趋势：直接利用、地热发电、梯级开发和综合规划。如地热井供暖与热泵系统的结合，能够提升能源利用的效率。地热发电能够进一步探索深层地热能的利用，是地热能的最高利用形式，但中低温发电成本高、深层干热岩储量大但开采技术受限、适合发电的高温地热田并不多。裂隙岩溶热储作为中深层地热资源有较大的利用空间、地热能与太阳能互补、地热能与油井利用，都可采用梯级开发和综合利用的方式，实现能源的有效利用以及区域的多功能综合规划。

（2）生物质能源是全球第四大能源，仅次于煤炭、石油、天然气。如表11所示，聚类3生物质转化的热点研究主题集中于生物质能利用技术，如水蒸气气化、厌氧消化；生物质的应用场景，包括生物质炭在废水处理中的应用、生物质制备可再生氢、合成气、热电联产；以及生物质利用的火用分析以及技术经济评价等。国家发改委印发“十四五”循环经济发展规划^[35]指出将推进农村生物质能开发利用，发挥清洁能源供应和农村生态环境治理综合效益。其中，化学链燃烧技术是一种新型燃烧技术，它将生物质能环保利用和CO₂高效低耗捕集有机结合；利用生物质等可再生资源能够制取合成气和甲烷，但制备反应条件苛刻、对设备要求较高、能耗较大，科学家们在不断探索“温和的”制备条件^[36]；食物垃圾也能转化为清洁的可再生燃料，为飞机、火车和汽车提供动力^[37]；国家能源局鼓励合理发展以农林生物质、生物质成型燃料、生物天然气等为燃料的生物质供暖，鼓励采用大中型生物质锅炉^[38]。

（3）如表12所示，制氢和二氧化碳还原聚类中的热点研究主题词集中在太阳能制氢、电解水制氢、废水制氢等成熟技术和产业。未来技术趋势主要集中在如何高效制氢及将二氧化碳变废为宝，涉及的主要研究主题词包括金属有机骨架、双功能电催化剂、石墨氮化碳等催化剂，以及选择性电化学还原、活性位点、质子交换膜电解槽等。利用太阳能制氢的论文主要讨论在可见光的条件下，光催化水解（water split）产生氢气，研究的关注点在如何开发新的廉价光催化材料实现高效的水解。东京大学的Domen, Kazunari等^[39]研究了进行大规模太阳能制氢的颗粒光催化剂系统，以开发完整、实用和可再生的太阳能制氢工艺。电催化还原二氧化碳耦合了水解制氢的过程，实现二氧化碳的原位还原转化，利用可再生的诸如风能或太阳能、以及核能供电结合电催化，即可实现二氧化碳向合成气的清洁转化。哥伦比亚大学的Graves, Christopher等^[40]报道了H₂O和CO₂的高温共电解可非常有效地利用电和热（接近 100% 的电转化合成气效率）提供高反应速率，并直接产生合成气（可用于后续的工业生产）。

5 主要发现和结论

本文通过机器学习主题建模的方法对2011－2021年间碳中和及关联领域的论文的研究主题进行聚类分析，识别碳中和及关联领域的12个主题聚类。基于其中8个碳中和技术领域的主题聚类，从论文的研究主题分布、主题演变趋势、热点和新兴研究主题词的角度来分析碳中和领域的研究现状、趋势，并对各主题表现突出的国家/地区和机构进行挖掘。

（1）混合储能系统、新能源汽车和多能集成供能领域的研究迅猛发展，综合能源系统、混合动力电车、太阳能制氢、锂电子电池、能源管理等是学术研究的热点主题。

2011－2020年间，全球主要国家和地区持续推动碳中和政策，与碳中和技术相关的8个聚类主题研究强度（基于各类主题文献数量随时间的演变）均呈现逐年上升的趋势。增长速率排在前三的聚类主题依次为：混合储能系统、新能源汽车和多能集成供能。在碳中和背景下，新型电力系统将构成新能源发展的重点方向之一，混合储能系统将是发电侧和用电侧的关键设备。太阳能、风能、地热能、生物质能等可再生能源未来的应用也将持续扩大。作为低碳零碳能源，氢能是各个国家重点发展的产业，对于制氢的过程也正在从化石能源制氢向绿色能源制氢过渡和转换。对于工业生产和其他领域中难以避免的碳排放，直接空气碳捕集、碳汇、土壤碳封存、生物能源等负碳相关技术是实现碳中和目标的重要技术路径。

（2）中、美、英、德是碳中和领域研究积累最多的国家，中国在6个领域的研究趋势增长较快。

中国、美国在碳中和领域的研究积累（基于文献数量）最多，在各聚类主题均排名第一、第二位，两国研究实力较为雄厚，英国、德国紧随其后。中国在6个领域的研究趋势增长较快。意大利、印度、英国分别在4~5个领域有较大幅度的增长。其中，意大利在多能集成供能、地热利用、生物质能转化领域不仅科研积累较多，研究增长速度也较快。英国在制氢和二氧化碳还原领域有较快速度的增长。印度在复合储能、新能源汽车、碳捕集和封存领域增速较快。

混合储能系统和新能源汽车领域是近年增长第一和第二的领域，许多国家的研究产出也迅速增长，而中国虽然发文量仍为第一，但发文量增速有所减缓，可能是受到中国整体发文基数大的影响，也可能是国际竞争力加剧。印度在这个两个领域的增速最快，值得进一步关注。

此外，一些国家/地区在关键领域也有较快发展，如伊朗在多能集成供能、地热利用领域，北欧五国在地热利用领域，西班牙在生物质能、新能源汽车、碳封存领域等。

（3）在碳中和领域，中国机构的研究积累最多，亚洲和欧洲机构的学术影响力和产出质量相对较高。

中国机构的研究积累（基于文献数量）最多，如中国科学院、清华大学等。在学术影响力（基于CNCI）、产出质量（基于篇均被引）方面，排名较高的多数为亚欧机构，如我国的天津大学、浙江大学、华中科技大学、北京大学等，日本的东京大学，伊朗的德黑兰大学、伊斯兰阿扎德大学，欧洲的CEA、帝国理工学院、卡尔斯鲁厄大学、苏黎世联邦理工学院等。

从研究主题分布和趋势、重点和新兴主题词来看，未来碳中和的研究趋势之一为围绕分布式能源开展的区域能源供应，利用可再生能源形成多能互补综合能源系统，并且结合综合能量管理系统和智慧能源技术，实现能源的最优化管理。在氢能方面，与太阳能、核能等清洁能源耦合，是实现绿色产氢的重要路径，在二氧化碳转化利用方面，廉价高效的新型催化剂是目前研究的重点。生物质能有多种应用场景，包括热电联产、废水处理、合成气制备等有很大的开发潜力。

不同领域技术发展的趋势不同，各国针对各技术领域开启了竞争新格局。我国在关注国际绿色能源相关前沿技术的同时，应依据本国技术发展的热点趋势和新兴趋势，布局具有中国特色的绿色发展政策，加强核心技术的攻关和人才建设。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	European Commission. 2019a. Communication on the European Green Deal[EB/OL]. (2019-12-11) [2021-09-06]. https://ec.europa.eu/info/files/communication-european-green-deal_en.

[2]	BEIS. 2021a. UK enshrines new target in law to slash emissions by 78% by 2035[EB/OL]. (2021-04-20) [2021-09-06]. https://www.gov.uk/government/news/uk-enshrines-new-target-in-law-to-slash-emissions-by-78-by-2035.

[3]	Entwurf eines Gesetzes zu Sofortmaßnahmen für einen beschleunigten Ausbau der erneuerbaren Energien und weiteren Maßnahmen im Stromsektor[EB/OL]. (2022-07-06)[2022-10-02]. https://dserver.bundestag.de/btd/20/026/2002642.pdf.

[4]	李丽旻. 多国相继宣布重启燃煤电厂——全球煤电“卷土重来”[N]. 中国能源报, 2022-07-07(002).

[5]	The Local DK. Copenhagen gives up on 2025 carbon neutrality target[EB/OL]. (2022-08-23)[2022-10-02]. https://www.thelocal.dk/20220823/copenhagen-gives-up-on-2025-carbon-neutrality-target/

[6]	U.S. Department of Energy. 2020b. Energy Storage Grand Challenge Roadmap[EB/OL]. (2020-12-21) [2021-09-07]. https://www.energy.gov/sites/default/files/2020/12/f81/Energy%20Storage%20Grand%20Challenge%20Roadmap.pdf.

[7]	The White House. 2021. Executive Order on Tackling the Climate Crisis at Home and Abroad, 2021[EB/OL]. (2021-01-27) [2021-09-09]. https://www.whitehouse.gov/briefing-room/presidential-actions/2021/01/27/executive-order-on-tackling-the-climate-crisis-at-home-and-abroad/.

[8]	Committee on Energy & Commerce. 2021. Clean Future Act, 2021[EB/OL]. (2021-03)[2021-10-06]. https://energycommerce.house.gov/sites/democrats.energycommerce.house.gov/files/documents/Section-by-Section%20of%20CLEAN%20Future%20Act%20117th.pdf.

[9]	习近平在第七十五届联合国大会一般性辩论上发表重要讲话[EB/OL]. (2020-09-22)[2021-10-06]. http://www.gov.cn/xinwen/2020-09/22/content_5546168.htm.

[10]	许景龙. 专利情报视角下“CCUS”技术研发态势分析[J]. 中国发明与专利, 2022, 19(03): 42-52.

[11]	肖涵彬, 李明, 田世杰, 等. 碳中和背景下碳捕集、利用与封存技术专利发展研究——基于知识图谱的可视化分析[J]. 热力发电, 2021, 50(12): 122-131.

[12]	李雨珂, 都平平, 李素美, 等. 基于碳达峰、碳中和专利预警背景下能源需求情报和保障对策研究[J]. 中小企业管理与科技(上旬刊), 2021(11): 164-166.

[13]	石李妍, 唐川. 信息技术助推碳中和——基于国际国内论文的研究态势及对比分析[J]. 科学观察, 2022, 17(3): 23-35.

[14]	Yang S, Yang D, Shi W, et al. Global evaluation of carbon neutrality and peak carbon dioxide emissions: current challenges and future outlook[J]. Environ Sci Pollut Res (2022). https://doi.org/10.1007/s11356-022-19764-0.

[15]	李媛媛, 葛晓华, 王文静, 等. 技术生命周期评价进展及其在碳中和领域应用趋势分析[J]. 环境工程技术学报, 2022, 12(4): 1048-1057.

[16]	Wang D, Huangfu Y, Dong Z, et al. Research hotspots and evolution trends of carbon neutrality—Visual analysis of bibliometrics based on CiteSpace[J]. Sustainability 2022, 14, 1078.

[17]	Web of Science[EB/OL]. [2021-12-04]. http://apps.webofknowledge.com/WOS_GeneralSearch_input.do?product=WOS&search_mode=GeneralSearch&SID=8CArxP8tP4VkxzZFRul&preferencesSaved=.

[18]	Topic Modeling. In: Sammut C, Webb G I. (eds) Encyclopedia of Machine Learning and Data Mining. Springer, 2017, Boston, MA. https://doi.org/10.1007/978-1-4899-7687-1_100476.

[19]	唐果媛, 张薇. 基于共词分析法的学科主题演化研究进展与分析[J]. 图书情报工作, 2015, 59(5): 128-136.

[20]	黄福, 侯海燕, 任佩丽, 等. 基于共被引与文献耦合的研究前沿探测方法鄰选[J]. 情报杂志, 2018, 37(12): 13-19, 35.

[21]	Griffiths T L, Steyvers M. Finding scientific topics[J]. Proceedings of the National academy of Sciences, 2004, 101(Suppl 1): 5228-5235.

[22]	王效岳, 刘自强, 白如江, 等. 基于基金项目数据的研究前沿主题探测方法[J]. 图书情报工作, 2017, 61(13): 87-98.

[23]	艾楚涵, 熊新, 吴建德. 基于LDA主题模型的专利文本分析应用研究[J]. 科技和产业, 2019, 19(03): 77-82.

[24]	Chen Y, Zhang H, Liu R, et al. Experimental explorations on short text topic mining between LDA and NMF based Schemes[J]. Knowledge-Based Systems 2019, 163: 1-13.

[25]	王园园, 赵亚娟. 基于非负矩阵分解的技术主题演化分析[J]. 图书情报工作, 2018, 62(10): 94-105.

[26]	Derwent Data Analyzer[EB/OL]. [2021-06-04]. https://solutions.clarivate.com.cn/products/derwent-data-analyzer/.

[27]	Natural Language Toolkit[EB/OL]. [2021-09-04]. http://www.nltk.org/.

[28]	InCites[EB/OL]. [2021-05-04]. https://incites.clarivate.com/#/landing.

[29]	Derek de Solla Price. Little Science, Big Science[M]. New York: Columbia Press, 1963: 69.

[30]	《井深3000多米！伊朗首个地热电厂并网运行》[EB/OL]. (2022-08-29)[2022-09-30]. https://new.qq.com/rain/a/20220829A0802P00

[31]	《bp世界能源统计年鉴》2021年版[EB/OL]. (2021-07-08)[2022-03-06]. https://www.bp.com/zh_cn/china/home/news/reports/statistical-review-2021.html

[32]	Department of Energy hydrogen Program Plan[EB/OL]. (2020-11-12)[2022-10-17]. https://www.hydrogen.energy.gov/pdfs/hydrogen-program-plan-2020.pdf

[33]	UK hydrogen strategy[EB/OL]. (2021-08-17)[2022-10-10]. https://www.gov.uk/government/publications/uk-hydrogen-strategy

[34]	Germany’s National Hydrogen Strategy[EB/OL]. (2020-09-07)[2022-10-17]. https://www.bmuv.de/en/topics/climate-adaptation/climate-protection/hydrogen-and-power-to-x/national-hydrogen-strategy.

[35]	DOE Industrial Decarbonization Roadmap[EB/OL]. (2022-09-07)[2022-10-03]. https://www.energy.gov/eere/doe-industrial-decarbonization-roadmap.

[36]	Zero Emission Network to facilitate CCUS uptake in industrial clusters[EB/OL]. (2022-08-01)[2022-10-19]. https://cordis.europa.eu/project/id/101075693.

[37]	《国家发展改革委关于印发“十四五”循环经济发展规划的通知》[EB/OL]. (2021-07-01)[2022-03-05]. https://www.ndrc.gov.cn/xxgk/zcfb/ghwb/202107/t20210707_1285527.html?code=&state=123.

[38]	Zhou H, Wang M, Wang F. Oxygen-vacancy-mediated catalytic methanation of lignocellulose at temperatures below 200°C[J]. Joule, 2021, 5(11): 3031-3044.

[39]	Steven Ashby. PNNL researchers are turning kitchen waste into biofuels[EB/OL]. (2021-02-22)[2021-09-06]. https://www.pnnl.gov/news-media/pnnl-researchers-are-turning-kitchen-waste-biofuels.

[40]	《国家能源局印发关于因地制宜做好可再生能源供暖工作的通知》[EB/OL]. (2021-01-27)[2022-03-08]. http://zfxxgk.nea.gov.cn/2021-01/27/c_139728132.htm.

[41]	Hisatomi T, Domen K. Reaction systems for solar hydrogen production via water splitting with particulate semiconductor photocatalysts[J]. Nature Catalysis, 2019, 2(5): 387-399.

[42]	Graves C, Ebbesen S D, Mogensen M, et al. Sustainable hydrocarbon fuels by recycling CO₂ and H₂O with renewable or nuclear energy[J]. Renewable and Sustainable Energy Reviews, 2011, 15(1): 1-23.