基于技術融合視角的領域知識發現

引用格式：李姝影，張嫻，李嘉暉，等.基于技術融合視角的領域知識發現[J/OL].知識管理論壇，2025，10 （3）： 256-274[引用日期]. https：//www.kmf.ac.cn/CN/10.13266/j.issn.2095-5472.2025.017. （Li Shuying，Zhang Xian，LiJiahui，etal.DomainKnowledgeDiscoveryBasedonthePerspectiveofTechnologyIntegration：ACaseof Low-CarbonEnergyTechnology[J/OL].KnowledgeManagementForum，2025，10（3）：256-274[citedate].https：/ www.kmf.ac.cn/CN/10.13266/j.issn.2095-5472.2025.017.）

①引言/Introduction

隨著全球氣候危機的加劇，各國紛紛加快能源轉型步伐，優化能源供應結構成為是實現“雙碳”目標的關鍵支撐[1]。為實現這一目標，全球正逐步改變以化石燃料為主導的能源結構，推動非化石能源的多能互補與規模化應用[2]。近年來，光伏、光熱、風能、核能、氫能等多元化低碳清潔能源技術不斷取得突破，應用規模迅速擴大。然而，可再生能源存在能量密度低、波動性強、間歇性等固有特性，其大規模應用必須依托能源系統的深度融合與智能化管理[3]。例如，可構建以風光資源為主力發電來源，核電、水電等穩定電源為支撐，少量火電作為應急調節電源的新型電力系統[4]。此外，掌握多種能源耦合互補的核心技術，已成為構建多能互補集成能源體系的關鍵突破口[5]

多能融合涉及物理、化學、生物等多種技術的綜合應用，技術融合是支撐其不斷發展的關鍵因素。技術融合是將現有技術有機結合形成新技術的創新過程，其本質在于突破傳統技術邊界，創造新的市場價值[。在新能源領域，技術融合主要體現在能源資源的聯合利用、多能系統的整合優化以及能源形態的相互轉化等。以核能制氫技術為例，因其高效性和環保性成為未來能源轉型的重要方向，美英等發達國家相繼出臺系統性研發計劃[7-8]，積極推進相關技術的創新與整合。在氫能應用領域，研究重點正逐步轉向開發靈活高效的多能集成解決方案[9]，涵蓋了可再生能源制氫、制甲醇及化工原料等多重路徑，以及電一氫一電循環系統等多能整合模式[10]。在這一發展范式下，氫能作為關鍵能源載體，實現了多種能源的靈活互補，推動了電力、交通、化工、鋼鐵等多個領域的深度脫碳。

綜上，碳中和目標的實現高度依賴于可再生能源和新能源技術的規模化應用。但大規模部署可再生能源面臨諸多挑戰，其中不同能源的協同利用與優化配置尤為關鍵。為此，需構建新型電力系統管理與運營框架，其核心在于深入理解多種新能源的整合機制。本研究基于多能源專利知識圖譜，運用文獻計量學，系統分析了多能源集成的技術趨勢、融合特征、發展潛力及演化路徑，重點關注各類可再生能源整合的最新進展、多種可再生能源協同利用的潛力以及實現多種可再生能源的有效整合的路徑。

針對上述問題，本研究聚焦于主要低碳能源供應技術的技術融合與發展趨勢，基于多能源專利知識圖譜，深入剖析各類低碳能源供應技術的融合特征，明確多能源融合的關鍵技術方向與演化路徑。筆者提出了一種基于融合視角的技術領域知識發現方法與流程，通過概念層面和數據層面的知識融合，實現不同專利技術分類體系的有機融合，采用“自上而下”（知識概念細化）與“自下而上”（實體類別歸納）相結合的方式構建領域知識圖譜。在此基礎上，以低碳能源技術領域為例開展實證研究，系統分析了各類低碳能源技術的融合特征與集成趨勢，明確了多能源集成的關鍵技術方向與演進路徑，為相關政策制定和研究方向選擇提供全面、系統的決策依據，推動低碳能源技術的創新發展與規模化應用。

國內外研究進展/Literaturereview

2.1可再生能源技術分類體系

專利文獻是技術的有效載體，世界主要國家知識產權局和組織都建立了可再生能源領域的專利分類體系，涵蓋了多種能源的概念和分類體系（見表1），包括太陽能、風能、核能、氫能、生物質能、海洋能、地熱能7種可再生能源。與綠色轉型技術相關的專利分類體系是經該領域專家討論形成的低碳和零碳能源相關技術分類或專利檢索公式，有利于進行更廣泛的專利信息檢索與分析。在此背景下，世界知識產權組織（World Intellectual Property Organization，WIPO）

Table1 Comparison of diferent technology classification systems in the field of low-carbon energy建立了與現有國際專利分類（InternationalPatentClassification，IPC）體系相一致的氣候變化減緩技術專利分類。而中國和日本采用該體系相對較晚，正在從工業和發電領域的能源供應與利用角度制定該分類。聯合專利分類體系（CooperativePatentClassification，CPC）由歐洲專利局（European Patent Office，EPO）和美國專利及商標局（UnitedStatesPatentandTrademarkOffice，USPTO）聯合主持開發，設立了Y02E分類（低碳能源發電、輸電和配電技術）。

分類體系的多元化，豐富了信息的高精度搜索途徑，但同時也大大增長了不確定性。當同一技術特征存在多個知識源時，每個知識源可能使用不同的分類體系和屬性體系，容易造成知識組織的割裂。知識之間可能存在重復、語義多樣、質量參差等問題，知識獲取的不確定性增長，可靠性、置信度有待評估。這種情況下，將多種來源的知識進行有機融合，是提升知識發現精準性的必要手段。

2.2知識圖譜應用與構建

在能源領域，知識圖譜通過將應用數學、信息可視化、信息計量等理論方法相結合，在技術發展歷史、前沿分析、趨勢探索等方面有著豐富應用，是分析能源技術常用的方法之_[17-18]。知識圖譜是一種結構化的語義網知識庫，通過將抽象的數據和知識映射到圖形元素，以可視化的方式描述概念及其相互關系[19]，通過幫助用戶感知和分析數據與知識，探索實體間關系來描述和擴展知識，從而增強人機交互[20]。知識圖譜是關注科技前沿和知識管理的重要工具，可以通過其挖掘和分析知識及其相互關系。現有研究主要集中在知識地圖的概念、發展歷程、結構、應用等方面[21]。J.Pino-Diaz等[22]在共詞分析、社會網絡分析和戰略分析的基礎上，提出了構建技術科學網絡戰略知識圖譜的方法，該方法可將戰略知識、關鍵詞、子網絡接近度等內容可視化；L.Zhang等[23]利用專利文獻中的語義信息和結構特征，使用知識圖譜進行專利知識推理；H.Zhou等[24]則在文獻計量學和IPC共分類分析的基礎上繪制了氫燃料電池技術知識圖譜。

在知識圖譜構建方面，U.Fayyad等[25]認為，數據庫知識發現（knowledgediscovery indatabases，KDD）是識別數據中有效的、新穎的、潛在有用的和最終可理解的模式的重要過程，其核心是從數據中提取隱含的、未知的和潛在有用的信息。知識圖譜作為KDD中的重要工具之一，提取的信息包括概念、概念之間的關系、分類、決策規則等[26]。由于現實信息的復雜性和技術的融合性，在構建知識圖譜的過程中，采用適當的方法和視角進行知識發現和分析非常重要[27]。隨著現有的知識發現技術、研究方法、研究視角和研究成果等不斷豐富和多元化，為了避免發現局部和片面的知識，準確描述和揭示知識結構與演化特征，需要整合多源異構數據，完善知識組織體系，從數據和技術融合的角度最大限度地發掘領域知識結構和動態演化特征[28]。

2.3低碳能源專利技術分析

在研究方法與視角層面，專利文獻計量學是研究低碳技術創新成果的重要方法。分析低碳能源專利數據可以深人了解低碳技術的發展趨勢和軌跡。專利活動是衡量綠色能源技術發展的重要指標，通過分析專利數據，可以考察特定技術領域的發明活動、技術國際傳播、企業研發能力、創新機構知識來源以及技術溢出效應[29]，現有研究多結合信息計量學進行深入分析。J.S.Lacerda[30通過文獻計量分析研究了科學知識對風力渦輪機技術演進軌跡的影響，發現科學知識的發展與風力渦輪機的技術軌跡之間存在很強的相關性。類似地，K.Hotte等[31]分析了低碳能源技術與科學知識之間的關系。L.Jiang等[32]通過分析1970—2019年涉及6種可再生能源技術的專利語料庫，揭示了這些技術的生命周期、技術格局、潛在市場以及相關主要國家/地區的競爭格局。現有研究多基于專利文獻的單一描述性統計信息，其數據挖掘能力比較有限；其次，在專利分類上使用單一靜態的專利分類系統，其研究體系仍有待完善；此外，鮮有研究對多能融合趨勢進行分析，領域之間的界限并不清晰，技術發展趨勢可能會隨著跨領域的動態融合而演變，分析結果的時效性與準確性還有提升的空間。

在研究內容與指標層面，基于專利信息的技術融合研究已成為技術融合研究的主要方法和熱點方向，同時還有利用論文、標準、維基百科等數據進行的相關研究。在衡量技術趨同方面，赫芬達爾指數、專利交叉影響分析、社會網絡分析、時間窗口分析等方法得到了廣泛應用[33-34]。在技術融合趨勢預測方面，主要研究有基于技術融合網絡的鏈接預測法[35]、基于技術融合矩陣的神經網絡法[36]、基于技術融合關系的二項回歸擬合法[37]等方法。現有研究表明，技術趨同會對技術價值和創新活動產生積極影響[38]。然而，大多數實證研究都是跨領域的高度概括性研究，針對多領域專利數據的技術融合分析研究較少。

2.4研究述評

目前，可再生能源研究存在三方面局限：① 在數據體系上，多種技術分類標準并存，數據分散，缺乏統一規范，導致低碳能源技術分析存在不確定性； ② 在技術工具層面，盡管知識圖譜在專利分析中應用廣泛，但在多源異構數據的深度知識挖掘上仍有不足； ③ 在研究視角方面，現有文獻多依賴文獻信息計量學，雖指標多樣，但對多領域、跨領域技術融合動態的分析較少，視角相對單一。

針對上述問題，筆者提出系統性解決方案：① 在數據處理上，采用概念級知識融合技術，將不同分類與屬性系統下的同一知識源整合至統一框架； ② 在模型構建中，基于統一數據框架，融合多源異構信息，運用自上而下與自下而上相結合的方法，構建低碳與零碳能源領域知識圖譜概念模型； ③ 在分析方法上，依據研究內容靈活選取測度指標，著重剖析多領域專利數據的技術融合態勢。筆者以低碳能源技術領域為研究對象，深入分析多能技術融合發展趨勢，為基于技術融合的領域知識發現提供新思路與實踐參考。

研究方法/Methodology

本研究包括3個步驟：首先，對多種可再生能源技術分類系統進行融合，將不同來源的數據整合在一個統一的領域知識系統；其次，利用多源異構數據構建低碳能源領域多能源技術知識圖譜；最后，結合知識圖譜與指標計量，對多能源技術融合與發展態勢進行分析。

3.1多源領域知識系統融合

實現多源領域知識系統融合的重點是解決不同分類系統指向相同知識內容時出現的沖突檢測、實體消歧、實體對齊和協作推理等關鍵問題，為多種技術分類系統的無縫集成奠定基礎。筆者系統歸納和重組了低碳能源的7個分類體系，包括主要技術類別、行業劃分和特定領域分類，進而將其與國際專利分類（IPC）和合作專利分類（CPC）系統中的對應條目建立關聯。這一歸納和重組過程有助于增強知識表述的連貫性和一致性，為后續的技術集成與創新分析提供了更清晰、更全面的視角。

在具體實施中，本研究從概念層入手進行知識融合，整合不同的分類體系和屬性體系中相同的知識源，將其統一為一個全局的體系。基于多源領域知識分類與融合理論（見圖1），本研究首先提取領域的知識體系，通過數據的直接合并形成“概念 + 屬性 + 屬性值”的表述，例如“風能，IPC/CPC”，基于既定的分類和融合規則對實體指代進行分類。具體采用的原則如下：

（1）分類原則： ① 概念互斥約束，即越相交，概念越兼容； ② 層級概念約束，即一個實體不屬于某個概念，它也不屬于任意子概念。

（2）融合原則： ① 概念融合，指同義詞或概念相近； ② 屬性對齊，即屬性對應的實體一屬性值的重疊程度； ③ 屬性值對齊，即刪除重復、去掉錯誤知識。

基于上述理論基礎，在方法層面，筆者設計了多元分類的類目自動映射模型（見圖2），具體包含兩個層面的專利分類特征融合方式。

（1）概念層面融合。采用基于文本和結構的方法。基于文本方法，即通過本體的文本描述信息匹配本體，通過抽取兩個本體的描述，通過計算相似度衡量兩者是否匹配；基于結構的方法，即當難以通過文本信息判斷兩個本體的匹配關系時，則利用本體概念間的結構信息來發現匹配。具體操作如下： ① 抽取“概念 + 屬性 + 屬性值”中的文本，包括技術類目、釋義以及IPC分類說明的文本； ② 利用抽取的文本信息映射到各種能夠與之對應的向量中，其形式如下：（風能 n）），形成向量集合； ③ 利用余弦相似度、歐幾里得距離等指標計算向量之間的語義相似度。

（2）數據層面融合。采用基于實例的方法。即計算本體相似度時，利用本體概念的實例作為相似度衡量的依據，比較兩個本體相同實例數量來計算本體之間的相似度，相似性越高就越匹配，該方法的可靠性較高。具體操作如下：① 抽取本體對應的IPC分類號 + 屬性值； ② 只要提取兩個實體（指的是IPC分類號）和具有IPC關系的其他實體（單件專利），就可以在一定條件下通過概率模型判斷這些實體的匹配關系。

3.2多源領域知識圖譜構建

結合低碳能源領域的多能源知識組織體系，自上而下和自下而上相結合，構建低碳領域的多能源知識圖譜概念模型（見圖3）： ① 自上而下利用多能源知識組織體系，從頂層向下逐步細化概念，形成樹狀結構的圖譜模型； ② 自下而上利用專利數據（相關實體類別分組），從幾個專利領域逐步上移，形成大類別層和通用專利知識圖譜； ③ 自上而下和自下而上相結合，通過數據采集、屬性提取、對齊、關系構建、概念層次構建和實體分類，構建低碳能源知識地圖。

在多能源知識組織系統的基礎上，通過收集數據、提取屬性、對齊、建立關系、構建概念層次和實體分類等方法，構建多能源知識圖譜。如圖4所示，從專利領域提取實體、關系和屬性知識，并利用實體鏈接和實體互補等知識圖譜構建技術對知識圖譜內的結構化知識進行鏈接和增強。最后，低碳能源技術領域的知識圖譜將形成并存儲在Neo4j中。

3.3多能技術對比測度方法

對于不同國家與地區的對比，本研究融合了來自不同國家的低碳能源分類體系，為全球主要科技強國在多能源技術融合與應用進展對比分析提供了基礎。因此，筆者進一步選取國際上比較通用的多領域計量指標“顯性技術優勢”（revealedtechnologicaladvantage，RTA）[39]，挖掘分析各國在各技術領域的發展現狀。j國在第i個技術領域（二級）的專利技術顯性優勢可以由公式（1）計算獲取。

其中， P_ij 表示第j個國家在第i個技術領域的專利數量。

為量化7種能源技術間的關聯性，采用技術關聯度系數 S_ij 進行兩兩測度。該系數取值域為[0，1]，其值越大表明技術i與j的關聯越緊密。計算方法如公式（2）所示：

其中， S_ij 代表技術i與技術j的關聯度系數，若 S_ij 在關聯矩陣對角線上的取值為1，表示技術i與技術j在專利中的共現分布完全一致；若Sij取值為0，則表示技術i與技術j的專利分布無交集。 k 代表核心技術數量，即技術融合寬度。C_jn 代表技術j與技術n共同出現在同一項專利中的次數；對n項核心技術進行關聯度系數測算，可以得到一個新的 n^*n 對角矩陣，用以表現核心技術之間融合的緊密程度。

實證分析/Experimental analysis

本研究以低碳能源技術領域為例開展實驗研究，其主要原因有二： ① 綠色低碳技術當前備受世界關注，全國主要科技強國或地區組織均在大力推進綠色技術研究，包括與綠色轉型技術相關的專利技術分類體系研究，且分別構建發布過多個有關低碳能源領域相關的專利技術分類體系及相對應的專利信息檢索策略，便于對專利信息開展檢索分析，為本研究的實施奠定了便利的領域知識概念體系基礎； ② 低碳能源及多能融合技術研究具有重大戰略價值，全球科技與產業界開加速布局該領域，通過追蹤低碳能源供給技術的創新與應用趨勢，解析技術融合的動態演化路徑，為構建多能融合能源系統級創新決策提供關鍵支撐

4.1數據來源

世界主要國家知識產權局和組織都建立了可再生能源領域的專利分類體系，涵蓋了“多種能源”的概念和分類體系，包括太陽能、風能、核能、氫能、生物質能、海洋能、地熱能7種可再生能源。本研究的數據來源是開發的碳達峰碳中和專利信息平臺。筆者在該平臺檢索與低碳零碳能源、儲能和多能源集成相關的技術，截至2022年4月，共得到7個技術分支，相關專利數據150多萬條（見表2）。

4.2低碳能源領域的知識系統融合

針對低碳能源重大戰略和多能融合需求，調研國內外主要的“多種能源”概念及分類體系。對比發現，WIPO和USPTO較早推出綠色專利技術分類體系，主要從可替代能源角度制定分類；在歐美合作的《聯合專利分類體系》中，新增Y02E類（與能源發電、輸電、配電相關的低碳技術）；中國、日本偏向于從新能源產業和電力生產行業等能源供應與利用角度制定分類。

結合上述各套專利技術分類體系情況，并結合領域技術特點，筆者提取太陽能、風能、核能、氫能、生物質能、海洋能、地熱能7種低碳清潔能源的知識概念空間，開展多元技術分類體系下的低碳能源領域知識組織體系構建研究。

針對7種低碳清潔能源，筆者詳細調研與整理了其各自涵蓋的主要技術類別、產業和行業領域分類體系，以及對應的IPC分類號和CPC分類號。通過統一7種低碳清潔能源在不同分類體系中的屬性特征，實現概念層面、數據層面的融合，形成統一的全局體系。

4.3低碳多能源知識圖譜構建

在多能源知識組織系統的基礎上，通過收集數據、提取屬性、對齊、建立關系、構建概念層次、實體分類等方法構建多能源知識圖譜。如圖5至圖7所示，從專利領域中提取實體、關系和屬性知識，并利用實體鏈接和實體互補等知識圖譜構建技術對知識圖譜內的結構化知識進行鏈接和增強。最后，低碳能源技術領域的知識圖譜將形成并存儲在Neo4j中。

4.4低碳能源領域技術融合發展分析

筆者采用基于多種低碳能源技術分類整合的知識發現方法，本節在此基礎上，結合專利分析與領域知識，進一步確定低碳能源領域的技術創新機會和演進路徑，重點探討以下3個問題： ① 多種低碳能源融合的發展趨勢如何？② 哪些技術在低碳能源領域表現突出？ ③ 未來低碳能源技術集成方向和技術演進路徑是什么？

4.4.1多能技術融合發展趨勢

（1）第一個融合信號是多能源技術發展的必然產物，從風能、海洋能到核能、氫能、太陽能光伏。基于圖8，在19世紀和20世紀初，水電和風電占比最大，超過 60% 。二戰后，核電轉向核裂變發電，占比高達 46% ，1975年后轉向太陽能光伏發電和風力發電，兩者合計占同期總量的近 45% 。分析表明，與可再生能源相關的專利總體呈上升趨勢，1980年后出現明顯增長，2005年后加速增長。研究還發現，不同能源技術的發展存在很大差異，風能專利可追溯到1907年，而生物質能相關專利則在1970年后才出現。與風能和太陽能相關的專利增長和擴散最為顯著。相比之下，與海洋水能、氫能、生物質能和核能相關的專利在2011年至2015年期間經歷了明顯的創新激增，隨后在最近幾年有所下降。

（2）技術融合的第二個信號是專利引用論文比例的持續增長（見圖9）。盡管可再生能源技術專利文獻最早出現在20世紀初，但其系統性引用科學論文的現象始于1970年代，標志著低碳清潔能源技術對科學研究的依賴度顯著提升，尤以生物質能為典型代表。近40年來，伴隨7種低碳清潔能源專利申請量增長，其專利引文中的論文占比同步攀升。生物質能源因其與生物化學研究的密切聯系而依賴度最高，其引用論文占 33%-57% 。核能、氫能和光伏的論文引用率顯著高于水電與風能。該趨勢印證科學密集型技術發展范式一當技術演進至前沿領域，其進步愈發依賴基礎科學突破而非應用技術改良，低碳能源整體呈現向科學驅動型范式遷移的特征。

（3）技術融合的第三個信號來自全球公共事業的部署。各國正通過政策干預加速多能源技術融合及儲能技術研發。儲能技術的演進邏輯與能源供應端高度協同，形成雙向強化機制。當前，低碳清潔能源技術體系可進一步細分為可再生能源、氫能及燃料電池、核電及核能非電利用。儲能與多能融合技術體系可以細分為儲熱儲能、以可再生能源為主的新型電力系統、化學儲電、物理儲電。基于RTA指標，比較分析世界主要科技強國（中國、日本、美國、德國、韓國）在低碳零碳能源（見圖10）、儲能與多能融合領域（見圖11）的專利技術顯性優勢。

研究發現，各國在低碳能源方面的優勢技術各不相同，中國在可再生能源專利方面具有顯著的相對優勢，日本的優勢主要在核能和核能的非電力利用方面，美國的優勢則在核能、氫能和燃料電池方面。各國在儲能和多能融合領域的優勢技術不盡相同，中國在冷熱儲能、基于可再生能源的新型電力系統和化學儲能方面優勢明顯，而日本側重于化學儲能，美國和德國側重于物理儲能。

（4）技術融合的第四個信號是多種能源的融合基于相同或相似的科學原理。對各種低碳能源技術專利全集IPC前4位的數量和類型統計顯示，該領域共涉及221個子類別，其中太陽能光伏涉及的IPC類別最多，達81個。多種能源融合的基礎是以等離子體為基礎的核能融合物理學（G）、以機械工程為基礎的海洋能和地熱能（F）、以化學為基礎的生物燃料和氫燃料電池（C）、以光電效應為基礎的太陽能光伏和風能（Famp;H）。表3和表4分別從數量和類型上相互印證了多種能源技術融合的基礎。

如表5所示，通過技術關聯度系數來測度7種能源兩兩關聯強度（系數取值域[0，1]），取值與關聯度呈正相關。實證分析識別出五組顯著正相關的技術組合有：風能一地熱能、風能一海洋能、風能一太陽能、地熱能一太陽能、氫能一生物質能。其中，風能技術在四組高關聯組合中均為核心節點，在多能技術融合發展中具有重要地位。該網絡結構揭示風能通過共性技術平臺（如功率預測、并網控制）加速與其他清潔能源的技術滲透。

4.4.2關鍵技術融合趨勢分析（風能）

由于風能技術在多能技術融合發展中具有重要地位，筆者利用知識圖譜進一步探究其與其他能源技術的融合關系，抽取發生融合現象的主要技術分類號，構建關聯網絡圖（見圖12）。解析網絡節點技術分類號表征的技術內涵發現，風能領域與其他低碳清潔能源領域發生技術融合最突出的技術方向是風力發電與驅動技術（見圖13）。分析原因，該技術主要基于機械驅動發電，比較容易與地熱能技術、海洋水能技術相結合，此外還有與核電技術的結合表現。

4.4.3多能技術融合創新方向與演化路徑（核能）

核能是一種可靠的無碳能源，可產生穩定的電力供應。為了進一步分析技術融合演化路徑，筆者選擇核能領域的融合作為分析對象。研究分為5個時間段：1996—2000年、2001—2005年、2006—2010年、2011—2015年和2016—2021年。提取了每個時間段內融合技術的共現網絡，并分析國家與融合技術的共現網絡，分析和挖掘融合技術發展路徑。

如圖14所示，核能領域的專利申請量在小幅波動中穩步上升，分別在2004年、2012年和2018年達到峰值。與核能核聚變技術相關的IPC分類號數量穩步增長，表明其對新技術的不斷吸收。整體上，該技術網絡在早期（1996—2000年）相對孤立。但進入21世紀后，技術和功能網絡逐步完善，核聚變趨勢開始顯現。在核能聚變領域，美國和日本明顯處于領先地位。最近5年（2016一2021年），中國加入其中，形成三足鼎立之勢。

如圖15所示，從核能專利技術融合演化來看，遵循的技術路徑主要是核能、熱能、機械能、電能之間的能量轉換。從技術類別來看，電池及其制造（H01M及其下屬分支）、化學或物理方法及設備（如催化作用、膠體化學，即B01J及其下屬分支）幾乎貫穿了整個核能融合技術演化的全部進程，提示這些技術是核能技術融合領域的基礎和關鍵技術。金屬化合物（C01G）、生產化合物或非金屬的電解工藝（C25B）、合金（C22C）、發動機（F03G）、離子注入法或化學氣相沉積（C23C）等在不同時期伴隨核能與其他能源的融合發揮重要創新作用，推動技術的更替，顯示核能技術從單一供電技術發展為能源一材料一化工多聯產系統，通過核能制氫、區域供熱、海水淡化等多種非電綜合利用實現增值。

綜上，核能技術融合創新方向與演化路徑有3條途徑。首先，核能可以提供穩定的電力供應。在開始階段，核能作為可再生能源間歇性的補充，用于解決可再生能源的不穩定性，核能與可再生能源的物理耦合。典型的模式如將小型核反應堆與集中式太陽能熱電廠相結合的集成電站架構。其次，核能與可再生能源相結合的智能系統，以電力系統為核心，以智能電網為基礎，以核能和可再生能源為主體，配以適量水電和火電，實現冷、熱、氣、水、電等多種能源互補，有效提升綜合能效。最后，依托核能熱化學轉化潛力，發展大規模制氫技術，現階段技術焦點集中在高溫氣冷堆耦合硫碘循環（SICycle）制氫、快中子堆驅動蒸汽甲烷重整（SMR）制氫。目前，業界正在對核能向氫能的二級轉化進行開發，支持氫經濟基礎設施的建設。例如，將核反應堆與采用先進制氫工藝的制氫廠耦合，從而實現大規模產氫的核能制氫技術。

總結/Conclusions

筆者提出了一種基于融合視角的領域知識發現方法，采用該方法可以揭示領域知識儲備動態、技術趨勢和領域融合技術演進路徑。該方法可以幫助研究人員、企業和政府部門更好地了解領域融合的技術機會、關鍵技術和未來發展趨勢，對促進相關領域的創新和發展具有重要意義。筆者通過設計多元分類的類目自動映射模型，實現了不同專利技術分類體系的有機融合，實現了對多源領域知識系統的融合，完善了不同體系之間知識的對比框架，降低了多源異構數據挖掘的復雜度，并進一步構建了多源領域知識圖譜。該知識圖譜是一個領域知識數據庫，可提取領域知識的最新進展，并提供有關技術融合潛力和發展軌跡的信息。知識圖譜技術在多領域、跨領域的拓展潛力巨大，可以進一步提高數據可用性和數據處理能力。本研究有利于拓展領域知識發現的應用范圍，提高準確性和效率，為相關領域研究提供借鑒與參考。筆者基于多能融合研究分析（研究進展、融合潛力和融合路徑），嘗試利用低碳多能融合專利知識圖譜研究多能融合的趨勢、融合信號、潛力和發展路徑。實證分析表明，當前多能源領域的技術趨同信號較弱，7種能源之間的技術關聯并不十分顯著，但風能與其他能源的融合較為明顯，由于多種能源在科學原理間的聚變效應，其未來多能融合的潛力巨大。在技術路徑方面，重點是多能源發電和熱效率利用，這是研究技術融合路徑的主要方向。基于專利的多能源知識圖譜有助于發現多能源技術融合的微弱信號與演化路徑，為相關政策制定和研究方向選擇提供全面、系統的決策依據，推動低碳能源技術的創新發展與規模化應用。

然而，本研究的局限性在于目前的研究方法仍基于專利的結構化數據，即主要基于專利分類號的融合，屬于比較初級的嘗試階段。未來筆者將探索結合使用結構化數據和非結構化數據，進一步完善知識圖譜在專利技術分析方面的研究和應用。其次，關于多元技術分類類目自動映射模型，還需進一步細化匹配規則相關算法。此外，技術融合發現與路徑演化分析的指標和算法還較薄弱，與知識圖譜的關聯性有待加強。未來可考慮加強低碳清潔能源知識圖譜的應用完善，利用圖數據庫相關算法完善技術融合路徑與演化分析。

參考文獻/References：

[1] EVRO S，ONI B A，TOMOMEWO O S.Global strategiesfora low-carbon future：lessonsfrom theUS， China，andEU’spursuitofcarbon neutrality[J].Journal ofcleanerproduction，2024，461：142635.

[2] WANG G，ZHANGZ，LINJ.Multi-energy complementary power systems based on solar energy：a review[J]. Renewable and sustainable energy reviews， 2024，199： 114464.

[3]OLABI A G，ELSAID K，OBAIDEEN K，et al. Renewable energy systems： comparisons， challenges and barriers，sustainability indicators，and the contribution to UNsustainable development goals[J]. International journal of thermofluids，2023，20：100498.

[4]蔡睿，朱漢雄，李婉君，等．“雙碳”目標下能源科技的 多能融合發展路徑研究[J].中國科學院院刊，2022，37 （4）：502-510. （CAI R， ZHU H X，LI W J，et al. Development path of energy science and technology under“Dual Carbon”goals：perspective of multienergysystem integration[J]. Bulletinof Chinese Academy of Sciences，2022，37（4）： 502-510.）

[5]LI W， ZHU H， XIAO Y， et al. An approach to achieve carbon neutrality with integrated multi-energy technology [J].Engineering，2022，19：11-13.

[6]CURRAN C S，BRORING S，LEKER J. Anticipating converging industries using publicly available data[J]. Technological forecasting and social change，201o，77（3）： 385-395.

[7]National Nuclear Laboratory.Unlocking the UK’s nuclear hydrogen economy to support net zero[EB/OL]. [2025-06-07]. https：//www.nnl.co.uk/wp-content/uploads/ 2021/07/Hydrogen-Round-Table-FINAL-v2.pdf.

[8]The U.S.Department of Energy. Nuclear hydrogen Ramp;D plan[EB/OL].[2025-06-07]. https：//www.energy.gov/eere/ fuelcells/articles/nuclear-hydrogen-rd-plan-0.

[9]YUE M，LAMBERT H，PAHON E，et al.Hydrogen energysystems：a critical review of technologies， applications， trendsand challenges[J].Renewable and sustainable energy reviews，2021，146： 111180.

[10]FU P， PUDJIANTOD， ZHANG X，et al. Integration of hydrogen into multi-energysystemsoptimisation[J]. Energies，2020，13（7）： 1606.

[11]國家知識產權局.國家知識產權局辦公室關于印發 《戰略性新興產業分類與國際專利分類參照關系表 （2021）（試行）》的通知[EB/OL].[2025-06-07].https： //www.cnipa.gov.cn/art/2021/2/10/art_75_156716. html. （China National Intellectual Property Administration. Notice of the General Office of the China National Intellectual Property Administration on the Issuance of the Relationship Table of Strategic Emerging Industry Classification and International Patent Classfication （2021）（Trial）[EB/OL]. [2025-06-07]. htps：//www.cnipa. gov.cn/art/2021/2/10/art_75_156716.html.）

[12]國家知識產權局.關于印發《國際專利分類與國民經 濟行業分類參照關系表（2018）》的通知[EB/OL]. [2025-06-07]. https：//www. cnipa. gov. cn/art/2018/10/8/ art_75_131968．html.（ChinaNationalIntellectual Property Administration.Notice on issuing the Reference Tableof International Patent Classification and National Economic Industry Classification （2018）[EB/OL]. [2025- 06-07].htps：//www.cnipa. gov. cn/art/2018/10/8/art_75 131968.html.）

[13]World Intellectual Property Organization. Ipcgreen inventory[EB/OL]. [2025-06-07]. https：//www.wipo. int/ classifications/ipc/green-inventory/home.

[14]United States Patent and Trademark Offie.CPC scheme - Y02E Reduction of Greenhouse Gas [GHG] Emissions， related to energy generation， transmission or distribution [EB/OL]. [2025-06-07]. https：//www. uspto. gov/web/ patents/classification/cpc/html/cpc-Y02E.html#Y02E.

[15]UnitedStatesPatentandTrademarkOffice. Environmentally sound technologies （est） concordance [EB/OL]. [2025-06-07]. https：//www. uspto. gov/web/ patents/classification/international/est_concordance.htm.

[16]Ministry of Economy， Trade and Industry.A technologies inventory hasbeen developed for the purpose of analyzing green transformation （GX） technologies based onpatent information[EB/OL]. [2025-06-07].htps：// www.meti.go.jp/english/press/2022/0623_001.html.

[17]王鳳娟，徐玖平.多能互補發電系統：概念框架、知識 圖譜與集成優化[J].中國管理科學，2025，33（1）：62-75. （WANG F J，XU J P. Multi-energy complementary generation systems：conceptual framework， knowledge map and integrated optimization[J]. Chinese journal of management science，2025，33（1）： 62-75.）

[18] 葛鑫博，黃俊，趙同彬，等.基于知識圖譜的地下壓縮空 氣儲能研究進展[J].煤炭科學技術，2025，53（4）：80-103. （GE X B，HUANG J，ZHAO T B，et al. Research progress on underground compressed air energy storage based on knowledgegraph[J]. Coal scienceand technology，2025，53（4）：80-103.）

[19]LU F， CONG P， HUANG X. Utilizing textual information in knowledge graph embedding： a survey of methods and applications[J].IEEE access，2020，8： 92072-92088.

[20]XIAO Y，LI C， THURER M.A patent recommendation methodbasedonKGrepresentationlearning[J]. Engineering applications of artificial intelligence，2023， 126：106722.

[21]WANG G，HE J.A bibliometric analysis of recent developmentsand trends in knowledge graph research （2013-2022）[J]. IEEE access， 2024，12： 32005-32013.

[22] PINO-DIAZ J， JIMENEZ-CONTRERAS E， RUIZBANOS R， et al. Strategic knowledge maps of the technoscientific network （SK maps）[J]. Journal of the American Society for Information Science and Technology，2012， 63 （4）： 796-804.

[23]ZHANGL，HUK，MA X， et al. Combining semantic and structural features for reasoning on patent knowledge graphs[J].Applied sciences，2024，14（15）： 6807.

[24]ZHOU H，DAI J，CHEN X，et al. Understanding innovationofnewenergyindustry：observing development trend and evolution of hydrogen fuel cell based on patent mining[J]. International journal of hydrogen energy，2024，52：548-560.

[25]FAYYAD U，PIATETSKY-SHAPIRO G，SMYTH P. Knowledge discovery and data mining： towardsa unifyingframework[C]/Proceedingsofthesecond international conference on knowledge discoveryand data mining. Oregon： AAAI Press， 1996： 82-88.

[26]VICKERY B C. Ontologies[J]. Journal of information science，1997，23（4）：277-286.

[27]FENSEL D， ＼$IMSEK U，ANGELE K， et al. Knowledge graphs：methodology，tools and selected use cases[M]. Switzerland： Springer International Publishing，2020： 95-112.

[28]YAN C，FANG X，HUANG X， et al. A solution and practice for combining multi-source heterogeneous data to construct enterprise knowledge graph[J]. Frontiers in bigdata，2023，6：1278153.

[29]OLTRA V， KEMPR， VRIES F P.Patents as a measure for eco-innovation[J]. International journal of environmental technology and management， 2010，13（2）： 130-148.

[30]LACERDA J S. Linking scientific knowledge and technological change：lessonsfrom windturbine evolution and innovation[J].Energy research amp; social science，2019，50：92-105.

[31]HOTTE K，PICHLER A，LAFOND F. The rise of science in low-carbon energy technologies[J].Renewable and sustainable energy reviews，2021，139： 110654.

[32]JIANGLD， ZOUF，QIAO YL，et al. Patent analysis for generating the technology landscape and competition situation of renewable energy[J].Journal of cleaner production，2022，378：134264.

[33]JEON J，SUH Y.Multiple patent network analysis for identifying safetytechnology convergence[J].Data technologies and applications，2019，53（3）：269-285.

[34]LEE C， KOGLER D F， LEE D. Capturing information on technology convergence，international collaboration，and knowledge flow from patent documents：a case of informationand communicationtechnology[J]. Information processing amp; management， 2019，56（4）： 1576-1591.

[35]PARK I， YOON B. Technological opportunity discovery for technological convergence based on the prediction of technology knowledge flow in a citation network[J]. Journal of informetrics，2018，12（4）：1199-1222.

[36]KIM J，LEE S. Forecasting and identifying multitechnology convergence based on patent data： the case of IT and BT industries in 202o[J].Scientometrics，2017， 111（1）： 47-65.

[37]LEE C，PARK G，KANG J. The impact of convergence between science and technology on innovation[J]. Journal of technology transfer，2018，43（2）： 522-544.

[38] XUE D， SHAO Z. Patent text mining based hydrogen energytechnologyevolution pathidentification[J]. International journal of hydrogen energy， 2024，49： 699-710.

[39]CARAVELLA S， CRESPI F， CUCIGNATTO G， et al. Technological sovereignty and strategic dependencies： the case of the photovoltaic supply chain[J]. Journal of cleaner production，2024， 434： 140222.

作者貢獻聲明/Authorcontributions：

李妹影：論文構思，研究設計，文獻調研，數據收集，模型構建，實證分析，論文撰寫與修訂；

張嫻：研究內容梳理，論文撰寫與修訂；

李嘉暉：研究內容梳理，文獻調研，初稿撰寫；

馬吾丹：文獻調研，實證分析與圖表解讀；

王小玉：數據收集，多能技術對比測度；

劉春江：知識圖譜構建；

許海云：論文撰寫與修訂。

Domain Knowledge Discovery Based on the Perspective of Technology Integration： A Case of Low-Carbon Energy Technology

Li Shuying1，2Zhang Xian1，2LiJiahui1，2Ma Wudan3Wang Xiaoyu1LiuChunjiang1，2Xu Haiyun4 1.National Science Library （Chengdu）， Chinese Academy of Sciences， Chengdu 610299

2.Department of Information Resources Management， School of Economics and Management， University of Chinese Academy of Sciences，Beijing 100190 3.Zhejiang Normal UniversityLibrary， Jinhua 321000 4.Business School， Shandong University of Technology， Zibo 255000

Abstract： [Purpose/Significance] This study proposes a methodology and process for knowledge discovery in technology fields based on the integration perspective.By constructing a knowledge map of multi-energy technology and focusing on analyzing the integration features （e.g.， synergistic energy utilizationand system integration），this study aims to provide a new methodological tool for identifying the potential of technology integration.[Method/Process] By integrating different patent technology classification systems，this study innovatively constructed a multi-energy integration patent knowledge graph. It established a domain knowledge organization framework based on multi-technology clasification fusion.The conceptual model was constructed by combining the \"top-down\" and \"bottom-up\" methods， with the low-carbon energy technology field using as the empirical research object to systematically analyze the multi-energy fusion trend，fusion signal，and multi-energy fusion potential of low-carbon energy.[Result/ Conclusion] Empirical study shows that combination of knowledge map，and bibliometrics can help analyze the development trends of low-carbon energy convergence，reveal the characteristics of technology integration of multiple low-carbon energy sources，and focus on specific domains to explore the potential and technological evolution path， to provide a decision-making basis for the development and application of low-carbon multi-energy integration technology.

Keywords： multi-energy integration; patent classification system; patentometric; domain knowledge discovery