基于共詞聚類的能源互聯網研究熱點及發展脈絡分析

劉春年 陳 通

能源互聯網是互聯網和新能源技術相融合的全新的能源生態系統。能源互聯網是一種在現有配電網基礎上通過先進的電力電子技術和信息技術，將分布式可再生能源發電裝置和分布式儲能裝置融合一起的一種新型高效的電網，它實現了能量和信息的雙向流動，可以促進能源結構向生態方向轉變，提高資源配置效率的一種能源生態系統［1］。在新能源科技迅猛發展的今天，各國都在積極探索發展經濟和新產業的全新途徑。互聯網和能源網絡的結合提供了一條高效便捷之路，作為互聯網與新能源技術融合的產物，能源互聯網已經受到學術各界的廣泛關注，眾多研究者在能源互聯網方面做出了相關研究。為了探索出能源互聯網的發展脈絡及最新的發展動態，本文通過共詞分析、聚類分析，引文編年分析等方式探索國內外能源互聯網領域研究結構、研究方向及研究路線。

1 數據來源與研究方法

1.1 數據來源與預處理

本文數據主要來源于Web of Science(WOS) 數據庫中的SCI－E、SSCI及CPIC－S 3個子庫，其中檢索策略為“主題=(energy) AND主題=(internet) ”，檢索過程中設置時間為默認所有年份，共檢索到文獻記錄2 635條。將記錄導入查重軟件NoteExpress中作預處理，通過剔除重復文獻記錄，最終得到有效文獻2 427篇，關鍵詞9 371個。接著進行關鍵詞標準化操作，即將9 371個關鍵詞中重復的詞剔除 (包括同義詞和相近詞) ，由于都是外文文獻，需要將英文大小寫字母統一，例如將Energy替換為energy，將Cloud Computing替換為cloud computing等。前期規范化工作可以使分析準確率增加，數據處理工作效率得到提升。

1.2 研究方法與工具

本文主要的研究方法是共詞分析、聚類分析及引文編年史分析。共詞分析是一種比較新的文獻計量方法，通過統計一組詞同時出現在一篇文獻中的次數，就可以看出這組詞之間的親疏關系［2］。聚類分析可以得到兩個個體間的緊密聯系的程度，是描述兩個個案間對應程度的有效方法。引文編年史分析可以直觀得到引文之間引與被引的關系，從而反映出文獻之間的關聯。本文主要用到的研究工具主要 有 NoteExpress、 BICOMB2、 SPSS19.0、 Histcite、 Excel等。通過NoteExpress進行文獻查重處理、用BICOMB2生成詞頻統計和共現矩陣，將矩陣導出進行后續聚類分析及多維尺度分析。SPSS19.0用來做數據處理，實現聚類分析、多維尺度分析。EXCEL用于共詞矩陣的轉換，將共詞矩陣轉化為相似度矩陣，可以更準確的顯示出關鍵詞之間的關聯關系。

2 數據處理

數據處理的步驟可分為以下兩步:

(1) 詞頻統計。2 427篇文獻中共統計得到6 725個關鍵詞，不同關鍵詞有不同詞頻，按照詞頻高低進行排序并編號，按照40%閾值確定高頻關鍵詞［3］;

(2) 構建共現矩陣。兩個關鍵詞同時出現在同一篇文獻中叫共詞，統計這種情況的頻次，可得到一個高頻共詞矩陣;矩陣中的數字僅僅代表著共詞出現次數的絕對數字，因此用EXCEL宏工具箱，做相關系數轉換，進而形成相似度矩陣，可以更好地揭示相互間關聯程度。

2.1 高頻詞統計

在BICOMB2中進行詞頻統計，得到6 725個不重復的關鍵詞，并給出每個關鍵詞的詞頻及所占總頻次的百分比，結合文獻總數、關鍵詞總數等條件，將閾值定為10，于是我們得到30個關鍵詞及其頻次 (如表1) 。

表1 高頻關鍵詞列表

2.2 共詞矩陣

BICOMB2的共現矩陣功能可以直接統計出高頻關鍵詞共同出現在同一篇文獻中的頻次，詞頻閾值確定10，統計得出30×30矩陣，用EXCEL宏工具箱結合余弦指數，做相關系數轉換，利用余弦指數可以計算出各高頻詞之間相互的關聯度［4］。余弦指數計算公式為:

其中，Cij表示的是2個關鍵詞共現頻次，Ci表示關鍵詞i詞頻，Cj表示關鍵詞j詞頻，結合余弦指數計算公式和Excel宏工具箱把共現矩陣轉化為相似度矩陣，結果如表2 所示。

表2 高頻關鍵詞相似度矩陣

3 數據分析

3.1 聚類分析

聚類分析是對研究樣本或指標進行分類的一種多元統計方法。按照一批數據的個案情況或者按照變量的不同特征，可以對關系的遠近程度做出分類［29］。本文主要采用Q型聚類，類與類之間距離的計算采用組內平均鏈鎖法(Within－groups linkage) 。將高頻關鍵詞的相似度矩陣作為數據源輸入，運用SPSS 19.0軟件進行聚類分析，得到結果如圖1。

圖1 聚類樹狀圖

3.1.1 聚類圖結構分析

首先從宏觀上觀察聚類樹圖的結構。聚類樹圖中的最左邊的一列標號 (Label) 和數字 (Number) 代表著高頻關鍵詞及其編號，本文采用凝聚聚類算法計算每兩個關鍵詞之間的相似程度，發現12號和22號關鍵詞的相似性在所有主題詞詞對之間是最小的，因此，它們首先聚集成為一個類。隨著后續關鍵詞之間的距離拉大，最終所有詞構成一個大類。通過樹圖的結構可以看出，所有的關鍵詞從整體上可以分為5個部分:由12、22號詞組成類別A，由20、29、2、30、27、24號主題詞組成類別 B，由6、17、1、14、21、25號詞組成類別C，由4、11、3、19、28、5、9、18號詞組成類別D，由13、26、8、10、16、23、15、7號詞組成類別E。

3.1.2 聚類圖內容分析

主要是通過各個類別關鍵詞之間語義關系的分析。首先要理解各個小類的含義，各個小類的語義不同，將這些不同語義的小類進行疊加可得到上一級大類的語義。具體而言，就是從小類中關系最近的兩個關鍵詞開始分析二者之間的語義關系，得到一組“元”概念，在“元”概念基礎上，根據這個小類中其他關鍵詞與該概念的距離，逐步添加關鍵詞，這樣一個類別的內容就得到了豐富［6］。

在類A中，Performance和Design組合在一起表明的是能源互聯網的性能和設計體系;類B中Education、renewable energy、internet、monitoring、physical activity、obesity組合在一起主要表明能源互聯網的一些研究領域包括能源互聯網教育、可再生能源、能源互聯網的監視控制、物理活動等;類 C中 cloud computing、date center、energy efficiency、green networking、QOS、future internet組合在一起主要表明能源互聯網的一些研究方向包括云計算、能源效率、綠色網絡、能源互聯網服務質量、未來能源等;類D中 wireless sensor network、6LoWPAN、internet of things、RFID、energy harvesting、smart grid、security、sensors networks組合在一起主要表明能源互聯網的關鍵技術體系和技術標準規范，包括無線傳感網絡、6LoWPAN、物聯網、射頻技術、能源獲取智能電網、能源安全、傳感等;類E中WSN、ZigBee、energy、loT、internet of things(IoT) 、energy saving、power consumption、energy consumption組合在一起主要表明能源互聯網的研究目標，通過智能電網、分布式能源、云計算等技術，能源互聯網為現實意義下能源可持續發展提供切實可行的道路。

3.2 多維尺度分析

為進一步探索能源互聯網的研究方向，后續進行MDS分析。MDS(Multidimensional Scaling) 即多維尺度法，是一種多元統計方法，它通過樣本在低維空間中的坐標分布來反映多個研究樣本的特性與它們之間的相似程度［7］。每一個樣本在空間分布圖中都是一個點，兩個點之間可以通過的距離遠近來判斷兩個點之間的相似程度。以相似度矩陣作為SPSS多維尺度分析的輸入，選擇數據結構為Square symmetric，選擇數據測度水平為Ordinal，選擇尺度模型為歐幾里德模型 (Eu－clidean Distance) ，對高頻關鍵詞進行多維尺度分析，得到結果如圖2所示。

圖2 多維尺度分析結果

從多維尺度分析圖，再結合聚類分析的結果，把圖中所有所列舉高頻關鍵詞分成3塊區域比較合理，每一塊區域的關鍵詞都表示出能源互聯網研究的不同的領域的。

3.3 引文編年分析

能源互聯網研究文獻的引文編年，如圖3所示，設置LCSCount為30。通過圖中各節點的大小和箭頭指向可以得出能源互聯網研究中具有較高影響力的30篇文獻受關注的程度及其相互之間的引用關系等信息。同時根據圖左側文獻的發表時間可以得到重要文獻發表的年份。圖中的信息可以有效幫助后續研究者找出能源互聯網研究領域的重要文獻、研究熱點和演進軌跡等，從而預測該研究未來的研究趨勢［8］。

圖3 能源互聯網研究文獻引文編年圖

由圖3可以看出，有關能源互聯網研究，文獻168具有開創性的地位，由Munir S等人發表在2002年《IEEEASME TRANSACTIONSON MECHATRONICS》期刊上，文獻名為《Internet－based teleoperation using wave variables with prediction》，該文提出使用修改后的史密斯預測器，卡爾曼濾波器和一個能源監管工具來提高遙控機器人的性能，結果表明這種系統是穩定可行的［9］。文獻224由Christensen KJ等人發表在2003年《PERFORMANCE AND CONTROL OF NEXT GENERATION COMMUNICATION NETWORKS》期刊上，文章通過對電腦電源管理的績效評價，發現現存互聯網消耗的弊端，指出新的電能管理方案會帶來大規模的成本效益［10］。從圖中可以看出清晰地看出有關能源互聯網的研究文獻有多個分支，映射出該研究主題涉及科學研究領域的廣泛性。

對LSC值較大的研究文獻排序得到以下序列:1198、905、255、908、915、330、1646、1614、556。編號 1198文獻針對綠色網絡提出兩點方向，首先為下一代網絡探索有關能源消耗的新視角，其次在新興技術工程和在制品標準方面做詳細的調查，為設計新一代技術機制和能源利用網絡提供支撐［11］。編號905文獻提出綠化互聯網可以有效地減少網絡的運營成本，減少溫室氣體排放區域。基于傳統virtual－topology模型和交通梳理設計，從混合整數線性規劃 (MILP) 模型出發，探索出一條可以有效減少IP在WDM網絡的能源消耗的道路。仿真研究表明，該energy minimized設計可以顯著降低IP在WDM網絡的能量消耗、平衡每個網絡節點的能耗［12］。編號255文獻通過對網絡接口、路由器、開關組件對網絡協議的影響的討論，提出需要對互聯網協議進行更深層次的改變以實現節能的目標，避免能源短缺成為影響互聯網全面發展的阻礙［13］。編號908文獻提出一個基于網絡的功耗模型，并使用這個模型來估計網絡的能源消耗［14］。編號915文獻發現電價的波動存在一定程度的變化，可以利用現有的分布式系統來利用這些變動，獲取更好的效益［15］。編號330文獻指出電源管理可以有效減少大型互聯網不斷增長的能源消耗，并舉例子說明大學宿舍的電腦有大量的空間可以使用電源管理［16］。1646號文獻引入一個有節能意識的分類設計空間，關注現有技術設備數據平面，為影響能源利用技術的網絡設備提供一個新的分析框架［17］。1614號文獻研究基于給定一個電信基礎設施，如何在關掉網絡節點和鏈接的同時保證完整的連通性和最大鏈路利用率［18］。556號文獻通過建模框架評估潛在的電源管理方案，探討如何降低峰值功率和能量使用，結果發現在更大的集群服務器中，電力和能源節約顯得更為重要［19］。

結合研究文獻具體內容，可以繪制出研究文獻知識節點圖譜分別如圖4所示:

圖4 知識節點圖譜

以電源管理為中心的研究分支情況如下:1198號文獻參考330文獻從綠色網絡的角度探索有關能源消耗的問題，為設計新一代能源技術機制和能源利用網絡提供幫助。908號文獻參考330文獻提出一個基于網絡的功耗模型，并使用這個模型來估計網絡的能源消耗。1646號文獻參考908號文獻提出一個分析框架，能夠對現有的能夠影到響能源利用技術的網絡設備提供分析。

以電力市場環境和建模框架為中心的研究分支情況如下:1308號文獻參考915號文獻，研究了在管制放松的電力市場環境下如何使得數據中心的風險最小化［20］。被1308號文獻引用的556號文獻通過建模框架評估潛在的電源管理方案，如何降低峰值功率和能量使用成為大集群服務器的關鍵問題所在。

根據以上分析可以看出，能源互聯網研究的歷年文獻主要從功能結構、關鍵技術、效率評估、發展方向等方面展開研究，且從2002年之后，各重要節點文獻逐漸出現。能源互聯網研究的趨勢是:從將互聯網技術與能源體系相結合的思想開始，研究具體的信息技術 (云計算、大數據等) 在各層次能源互聯網上的構建和應用，通過各種功耗模型對能源互聯網效率和服務質量的評估，對能源互聯網的發展方向提出預測和判斷。隨著研究層次的逐漸深入形成了諸如1646→908→330→224、1261←1646→1614→654、915←1308→824→556、1579→905→330等多條主要演進路線。

4 結果與討論

從本文的計量分析結果我們可以看出目前關于能源互聯網研究的經典文獻很少。當前能源互聯網的研究主要涉及能源互聯網結構、關鍵技術、效率評估、未來方向等方面。能源互聯網是一個多學科交叉的領域，其涉及材料科學、電子控制科學、計算機科學、經濟管理科學等眾多學科。

能源互聯網研究的發展離不開信息技術、網絡技術、電子技術的支撐，同時能源互聯網的研究還涉及經濟社會發展與大自然環境的協調，有利于社會的可持續發展。發展至今能源互聯網研究進程主要發展如下:

(1) 萌芽階段:該階段主要對能源互聯網所在能源領域展開了研究，如引文編年分析中的330號文獻主要研究能源消耗的問題，雖然沒有完全擺脫傳統能源的范疇，但卻開創了能源與互聯網相結合的新時代。

(2) 起步及快速發展階段:現在能源互聯網也正處于起步階段。在2015年1月召開的第五屆智慧能源國際峰會，其副主題為“開啟能源互聯網新時代”，意味著2015年將作為能源互聯網元年。能源互聯網的關鍵技術、發展方向都有待于專家學者們的進一步研究。結合現有成果能源互聯網研究主要包括以下幾個方面:能源網絡主體職能演進研究、能源互聯網技術體系研究、能源的生產調度及傳輸控制研究、能源互聯網信息獲取和處理方面等。

能源互聯網主體職能演進主要涉及生產模式的轉變、傳輸模式的發展、智能能源消費方面等方面。文獻1646指出可再生分布能源將逐漸擴散，大量虛擬電站將打破生產或消費單一的模式。文獻1584提出生產模式將逐漸以可再生能源為主導的模式轉變。文獻1614指出能源互聯網中可再生能源對生產的供應所占比例將逐漸增加，最終會形成全新的能源產銷生態環境。該方面的研究涉及信息科學、環境科學、能源科學等多個學科，為能源互聯網的理論創新及應用以及能源互聯網的發展方向奠定了一定的基礎，但在地理科學、氣象科學的約束下，目前研究還不能滿足大規模供電的需求，傳統能源向新興互聯網能源過渡的格局還未最終形成。

能源互聯網技術體系研究方面，為了滿足能源互聯網的需求，能源互聯網構建起一套完整的由技術節點支撐的技術體系包括:系統規劃技術、計算機通信網絡技術、新能源技術、電子技術與控制科學以及管理調度技術。每一類技術又派生出一系列相應的技術特征。文獻1638提出能源互聯網是復雜的結構體系，要用系統思維去設計主要包括架構設計、接口設計、協議標準等。文獻556指出現有能源技術例如分布式可再生能源為降低功耗、穩定供應和能源的合理使用提供了極具保障的技術支撐。文獻1579指出信息通信技術在整個技術體系中處于中樞地位，一系列智能分布式、高性能的計算為能源合理調配提供了信息保障。文獻1254研究了電子控制技術，該技術實現了真個系統傳輸過程的安全，基于生產的工業控制直接決定著系統的功能發揮。管理調度技術則涉及優化、機器學習、博弈論等方法是對整個系統網絡管理、優化的重要工作。這一套完整的優化、純屬、調配、融合技術共同構成了能源互聯網關鍵技術體系。但是在某些關鍵領域的技術研究還處于探索階段、沒有很多成熟的技術體系可以直接應用于生產之中。

能源的生產調度及傳輸控制研究方面主要是針對分布式能源的供應體系。文獻1599提出了微網模式，指出微網可以兼顧能源生產單元及能源存儲能源，靈活的實現能源互聯。文獻824指出應該從生產裝備部署、存儲裝備設置及調度策略選擇3個方面來研究多類型能源的利用問題。文獻1600指出能源傳輸控制的目標是高效的應急響應能力，要從保障傳輸的可靠性及提高智能化控制水平方面作為突破口。現有研究存在一些瓶頸，不能滿足業務需求，不能滿足用戶的能源需求，還有較大改進上升空間。

能源互聯網信息獲取和處理方面，主要涉及支撐能源互聯網運行的重要信息及其獲取效率。文獻906提出借用物聯網技術可以很好地提高信息采集及信息傳輸的效率。文獻1262提出可以借用互聯網P2P思維將電力系統中的能量調動過程實現網絡化傳輸。文獻654指出云計算可以更加高效的整合全網資源，并提供強大的計算能力，運用云計算來進行信息處理是可行的方式。除此之外，大數據技術所結合的數據挖掘也為挖掘有用信息提供了很好的技術支撐。目前相關的文獻很少，缺乏系統的針對能源互聯網領域應用的理論和方法。

從相關研究文獻可以看出，能源互聯網是一項異常龐雜的系統工程，杰里米·里夫金把它定義為人類的第三次工業革命，它的推進一定是需要所有參與方的共同努力和智慧奉獻。對現有研究文獻的分析我們可以看出，能源互聯網的高速發展出了要在上述領域做出突破之外還需要一系列必備條件，至少包括以下幾點:第一，政策引導支持。目前正在推廣的分布式能源都還僅僅停留在單一的天然氣分布式或光伏分布式電站層，政策引導上沒有將二者很好的組織，導致目前市場各參與主體的沒有積極性。第二，行業企業分工協作。能源互聯網不只是天然氣分布式和光伏分布式電站的結合，更是新興能源與傳統能源的循環發展。能源的多樣性使得企業呈現出多樣化的分布特征。龐大的能源互聯網工程也必定會使得多樣性的企業參與其中，而其中作為中通樞紐的就該是各層級電網公司，做好電網公司與其他行業企業的分工協作過程是能源互聯網發展的基礎環境因素。第三，互聯網技術支持。能源互聯網受到多種諸如大數據、云計算在內的信息技術的影響。從根本上來說，能源互聯網就是能源和互聯網如何完美地實現線下和線上的融合。第四，金融媒體支持與倡導。金融機構的支持將會為新產業的啟動和高速發展提供強力的資金基石保障。媒體的正能量宣傳對能源互聯網概念的普及、億萬民眾對未來時空的環保責任感和主動參與度的提升都會產生巨大的推動力。

［1］于慎航，孫瑩.基于分布式可再生能源發電的能源互聯網系統［J］.電力自動化設備，2010，30(5) :104－108.

［2］崔雷，鄭華川.關于從MEDLINE數據庫中進行知識抽取和挖掘的研究進展［J］.情報學報，2003，22(4) :425－433.

［3］鐘偉金，李佳，楊興菊.共詞分析法研究 (三) ——共詞聚類分析法的原理與特點［J］.情報雜志，2008，(7) :118－120.

［4］邱均平，王曰芬.文獻計量內容分析法［M］.北京:國家圖書館出版社，2008:343.

［5］楊丹.SPSS寶典 (第3版) ［M］.北京:電子工業出版社，2013:316－332.

［6］崔雷，劉偉.文獻數據庫中書目信息共現挖掘系統的開發［J］.現代圖書情報技術，2008，(8) :70－75.

［7］Borg I，Groenen P.Modern Multidimensional Scaling［M］.New York:Springer，1997.

［8］劉春年，張曼.危機管理研究進程中信息管理發展脈絡及基本特征［J］.圖書館學研究，2014，(17) :7－15.

［9］Munir S，Book WJ.Internet－ based teleoperation using wave variables with prediction［J］.IEEE－Asme Transactions on Mechatronics，2002，7(2) :124 －133.

［10］Christensen KJ.The next frontier for communications networks:Power management［J］.Performance and Control of Next Generation Communication Networks，2003，5244:1 －4.

［11］Bolla R，Bruschi R.Energy Efficiency in the Future Internet:A Survey of Existing Approaches and Trends in Energy－Aware Fixed Network Infrastructures［J］.IEEE Communications Surveys and Tutorials，2011，13(2) :223 －244.

［12］Shen GX，Tucker RS.Energy－ Minimized Design for IP Over WDM Networks［J］.Journal of Optical Communications and Networking，2009，1(1) :176－186.

［13］Gupta M，Singh S.Greening of the Internet［J］.Acm Sigcomm Computer Communication Review，2003，33(4) :19－26.

［14］Baliga J，Ayre R.Energy Consumption in Optical IP Networks［J］.Journal of Lightwave Technology，2009，27(13) :2391 －2403.

［15］Qureshi A，Weber R.Cutting the Electric Bill for Internet－Scale Systems［J］.Acm Sigcomm Computer Communication Review，2009，39(4) :123－134.

［16］Christensen KJ，Gunaratne C.The next frontier for communications networks:power management［J］.Computer Communications，2004，27(18) :1758 －1770.

［17］Bolla R，Bruschi R.Cutting the energy bills of Internet Service Providers and telecoms through power management:An impact analysis［J］.Computer Networks，2012，56(10) :2320 －2342.

［18］Chiaraviglio L，Mellia M.Minimizing ISP Network Energy Cost:Formulation and Solutions［J］.IEEE －Acm Transactions on Networking，2012，20(2) :463 －476.

［19］Fan XB，Weber WD.Power Provisioning for a Warehouse－sized Computer，34th Annual International Symposium on Computer Architecture，Conference Proceedings，2007:13 －23.

［20］Rao L，Liu X.Hedging Against Uncertainty:A Tale of Internet Data Center Operations Under SmartGrid Environment［J］.IEEE Transactions on Smart Grid，2011，2(3) :555－563.