低碳能源技術(shù)追蹤預(yù)測決策支持系統(tǒng)的開發(fā)設(shè)計(jì)

摘 要：在大數(shù)據(jù)背景下，如何將先進(jìn)的數(shù)據(jù)科學(xué)和傳統(tǒng)的預(yù)見方法有效融合，從而實(shí)現(xiàn)低碳能源技術(shù)預(yù)見的智能化，是當(dāng)前亟待解決的科學(xué)問題。本研究揭示了低碳能源技術(shù)追蹤預(yù)測的主流集成方法，揭示了實(shí)現(xiàn)低碳能源技術(shù)預(yù)見智能化的路徑，提出了低碳能源技術(shù)預(yù)見智能（Low-carbon Energy Technology Foresight Intelligence，LETFI）的概念，最后提出了一種低碳能源技術(shù)追蹤預(yù)測決策支持系統(tǒng)的開發(fā)設(shè)計(jì)。本研究開發(fā)設(shè)計(jì)的決策支持系統(tǒng)，利用大數(shù)據(jù)挖掘和非線性預(yù)測技術(shù)，將低碳能源技術(shù)的追蹤和預(yù)測進(jìn)行系統(tǒng)集成，可以有效地對低碳能源技術(shù)進(jìn)行前瞻性管理，具有快速、精準(zhǔn)、科學(xué)、高效等優(yōu)點(diǎn)。

關(guān)鍵詞：低碳能源技術(shù);技術(shù)預(yù)見;技術(shù)預(yù)測

中圖分類號：F206文獻(xiàn)標(biāo)識碼：A文章編號：1005-6432（2022）13-0128-05

DOI：10.13939/j.cnki.zgsc.2022.13.128

1 引言

低碳能源技術(shù)對于一國的能源戰(zhàn)略和國家整體戰(zhàn)略都有重要的作用。低碳能源技術(shù)的追蹤預(yù)測是指發(fā)現(xiàn)和監(jiān)測能源領(lǐng)域的技術(shù)前沿及其發(fā)展態(tài)勢，對先進(jìn)的能源技術(shù)進(jìn)行分析展望和戰(zhàn)略布局，也稱作低碳能源技術(shù)預(yù)見。及時有效地追蹤預(yù)測低碳能源技術(shù)對于推進(jìn)社會進(jìn)步、應(yīng)對氣候變化、繁榮低碳經(jīng)濟(jì)、引領(lǐng)低碳行為都發(fā)揮著重要作用。但是，有效追蹤預(yù)測未來的低碳能源技術(shù)是困難的，有兩個難點(diǎn)：一是缺少決策參考信息;二是不確定性較強(qiáng)。[1]

考慮到低碳能源技術(shù)追蹤預(yù)測的重要性和難點(diǎn)，開發(fā)設(shè)計(jì)一套低碳能源技術(shù)追蹤預(yù)測決策支持系統(tǒng)對于成功實(shí)施低碳戰(zhàn)略有重要意義。目前，學(xué)者們提出很多能源技術(shù)追蹤預(yù)測的方法，每種方法各有優(yōu)劣。實(shí)踐中大多采用了多方法融合、多領(lǐng)域協(xié)作的策略。但是，現(xiàn)有研究沒有給出一個整合框架。因此，很有必要構(gòu)建低碳能源技術(shù)追蹤預(yù)測集成方法的開發(fā)設(shè)計(jì)。同時，在大數(shù)據(jù)背景下，如何將先進(jìn)的數(shù)據(jù)科學(xué)和傳統(tǒng)的預(yù)見方法有效融合，從而實(shí)現(xiàn)低碳能源技術(shù)預(yù)見的智能化，這是當(dāng)前亟待解決的科學(xué)問題。

文章分析主流的低碳能源技術(shù)追蹤預(yù)測集成方法，揭示大數(shù)據(jù)時代實(shí)現(xiàn)能源技術(shù)預(yù)見智能化的發(fā)展路徑，最后提出低碳能源技術(shù)追蹤預(yù)測決策支持系統(tǒng)的開發(fā)設(shè)計(jì)。本研究試圖回答三個問題：

（1） 主流的低碳能源技術(shù)追蹤預(yù)測集成方法是什么？

（2） 大數(shù)據(jù)背景下，如何實(shí)現(xiàn)低碳能源技術(shù)預(yù)見的智能化？

（3） 低碳能源技術(shù)追蹤預(yù)測決策支持系統(tǒng)的開發(fā)設(shè)計(jì)是什么？

文章的其余部分安排如下：第二部分從兩方面開展文獻(xiàn)綜述，包括低碳能源技術(shù)追蹤預(yù)測方法體系的演變和低碳能源技術(shù)追蹤預(yù)測方法的分類;第三部分介紹文章的研究框架和研究方法;第四部分介紹低碳能源技術(shù)追蹤預(yù)測的主流集成方法，揭示實(shí)現(xiàn)低碳能源技術(shù)預(yù)見智能化的路徑，提出低碳能源技術(shù)追蹤預(yù)測決策支持系統(tǒng)的開發(fā)設(shè)計(jì);第五部分總結(jié)本研究的結(jié)論，給出未來低碳能源技術(shù)追蹤預(yù)測研究和實(shí)踐的一些思考。

2 文獻(xiàn)綜述

2.1 低碳能源技術(shù)追蹤預(yù)測方法體系的演變

低碳能源技術(shù)追蹤預(yù)測方法體系的演變經(jīng)歷了4個時期：

（1）20世紀(jì)70年代前，是預(yù)見的基礎(chǔ)方法（德爾菲法）的發(fā)源和發(fā)展階段，[2]這個時期的方法體系主要是圍繞德爾菲法進(jìn)行改良和拓展。

（2）1970—2000年，此時期的方法體系是在德爾菲法的基礎(chǔ)上，融合了情景規(guī)劃和趨勢分析等戰(zhàn)略型分析方法，典型的實(shí)踐案例包括日本從1971年開始的大規(guī)?？萍碱A(yù)見調(diào)查（第一次至第七次）等。[3]

（3）21世紀(jì)20年代，此階段的方法體系是在前一階段的基礎(chǔ)上，引入了文獻(xiàn)計(jì)量方法，代表性應(yīng)用是2005年完成的日本第八次科技預(yù)見調(diào)查;此外，一些文獻(xiàn)繼續(xù)擴(kuò)展了方法體系，基于文獻(xiàn)和專利數(shù)據(jù)，通過構(gòu)建數(shù)學(xué)模型來輔助低碳能源技術(shù)追蹤預(yù)測。

（4）21世紀(jì)20年代以后，前述的方法體系不能很好地滿足大數(shù)據(jù)時代的低碳能源技術(shù)預(yù)見的需求，全球的能源戰(zhàn)略科學(xué)家都期待將大數(shù)據(jù)分析方法整合進(jìn)入低碳能源技術(shù)追蹤預(yù)測的方法體系，通過挖掘更多的信息，發(fā)現(xiàn)更多的知識，構(gòu)建更加靈活的決策支持系統(tǒng)，最終實(shí)現(xiàn)低碳能源技術(shù)預(yù)見的智能化。

2.2 低碳能源技術(shù)追蹤預(yù)測方法分類

根據(jù)研究方法的主要特征，低碳能源技術(shù)追蹤預(yù)測方法分為四類：數(shù)據(jù)驅(qū)動型、戰(zhàn)略驅(qū)動型、經(jīng)驗(yàn)驅(qū)動型和模型驅(qū)動型?，F(xiàn)有的文獻(xiàn)中，數(shù)據(jù)驅(qū)動型方法主要包括文獻(xiàn)計(jì)量、專利分析和文本挖掘;[4-5]戰(zhàn)略驅(qū)動型方法主要包括情景規(guī)劃、環(huán)境掃描、趨勢分析和技術(shù)路線圖;[6-9]經(jīng)驗(yàn)驅(qū)動型方法主要包括德爾菲法和專家小組法;[10-11]模型驅(qū)動型方法主要包括多準(zhǔn)則決策、經(jīng)驗(yàn)曲線、邏輯生長模型和交叉影響分析等16種具體方法。[12-14]

現(xiàn)有的低碳能源技術(shù)追蹤預(yù)測的文獻(xiàn)主要應(yīng)用于中長期的預(yù)判和規(guī)劃，常見的預(yù)見時間尺度是10～20年，也有個別文獻(xiàn)的預(yù)見時間尺度達(dá)到40年左右，例如Habib和Wenzel[15]預(yù)見2050年的清潔能源技術(shù)，Dixon等[16]運(yùn)用技術(shù)路線圖預(yù)見2050年的低碳能源，Lee[17]運(yùn)用動態(tài)GTAP模型預(yù)見2060年的生物制氫技術(shù)，Ordowich等[18]運(yùn)用學(xué)習(xí)曲線預(yù)見2050年的煤炭和天然氣發(fā)電技術(shù)。

3 研究方法

本研究通過系統(tǒng)綜述的方法，梳理低碳能源技術(shù)追蹤預(yù)測領(lǐng)域的文獻(xiàn)，揭示低碳能源技術(shù)追蹤預(yù)測的主流集成方法，揭示實(shí)現(xiàn)低碳能源技術(shù)預(yù)見智能化的路徑，提出低碳能源技術(shù)追蹤預(yù)測決策支持系統(tǒng)的開發(fā)設(shè)計(jì)。

4 結(jié)果與討論

研究結(jié)果表明，低碳能源技術(shù)追蹤預(yù)測方法的優(yōu)秀組合有兩種：定量的集成方法和定性的集成方法。

4.1 定量的集成方法

低碳能源技術(shù)追蹤預(yù)測方法的定量集成特征為：運(yùn)用數(shù)據(jù)驅(qū)動型方法、模型驅(qū)動型方法，但沒有運(yùn)用經(jīng)驗(yàn)驅(qū)動型方法。數(shù)據(jù)驅(qū)動型方法主要是文獻(xiàn)計(jì)量和專利分析，解決技術(shù)預(yù)見中數(shù)據(jù)稀缺的難題。在定量集成中有兩類，一類是只有數(shù)學(xué)模型和數(shù)據(jù)驅(qū)動方法的集成，例如利用兩因素經(jīng)驗(yàn)曲線方法和專利分析探究PEM燃料電池和鋰離子電池在2020年的成本目標(biāo)可行性，[19]利用Logistic生長模型和專利數(shù)據(jù)預(yù)測“光伏建筑一體化技術(shù)”（Building-integrated Photovoltaic，BIPV）的生命周期。[20]另一類是在數(shù)據(jù)驅(qū)動和模型驅(qū)動的基礎(chǔ)上，集成了戰(zhàn)略驅(qū)動方法。Daim對燃料電池的預(yù)見研究，基于文獻(xiàn)數(shù)據(jù)和專利數(shù)據(jù)，提出將系統(tǒng)動力學(xué)（數(shù)據(jù)驅(qū)動型）、情景分析（戰(zhàn)略驅(qū)動型）和類比分析（戰(zhàn)略驅(qū)動型）進(jìn)行集成。AFF0A036-B80C-4562-8286-3D557337B314

4.2 定性的集成方法

低碳能源技術(shù)追蹤預(yù)測的定性集成特征為：組合運(yùn)用戰(zhàn)略驅(qū)動型方法、經(jīng)驗(yàn)驅(qū)動型方法，但是沒有運(yùn)用數(shù)據(jù)驅(qū)動型方法、模型驅(qū)動型方法。雖然沒有豐富的數(shù)據(jù)基礎(chǔ)和復(fù)雜的數(shù)學(xué)模型，但基于高度經(jīng)驗(yàn)化的知識，再利用戰(zhàn)略工具進(jìn)行未來推演，也是很好的能源技術(shù)預(yù)見集成方法。這類集成的典型研究是Rikkonen and Tapio將德爾菲法和情景分析集成，對芬蘭生物質(zhì)能源的未來進(jìn)行預(yù)見。[21]

4.3 實(shí)現(xiàn)低碳能源技術(shù)預(yù)見智能化的路徑

除了上述定量集成方法和定性集成方法，大數(shù)據(jù)時代的豐富數(shù)據(jù)資源給低碳能源技術(shù)追蹤預(yù)測（即低碳能源技術(shù)預(yù)見）帶來了新的需求，使得低碳能源技術(shù)預(yù)見趨于智能化（更加快速、自動和精準(zhǔn)）。[22]低碳能源技術(shù)預(yù)見智能（Low-carbon Energy Technology Foresight Intelligence，LETFI）具有3M-D特征，實(shí)現(xiàn)低碳能源技術(shù)預(yù)見智能化的路徑即利用更多的數(shù)據(jù)資源（More Data），使用更多的決策方法（More Decision-methods），獲取更多的能源技術(shù)前沿發(fā)現(xiàn)（More Discoveries）。如圖1所示，基于能源技術(shù)知識，運(yùn)用多種定性和定量的決策方法，構(gòu)成了傳統(tǒng)的低碳能源技術(shù)預(yù)見方法體系。大數(shù)據(jù)帶來了新的機(jī)遇，大數(shù)據(jù)結(jié)合決策方法可以形成數(shù)據(jù)科學(xué)，實(shí)現(xiàn)信息挖掘和智能決策的功能;大數(shù)據(jù)以多源異構(gòu)的海量信息的形式有效地補(bǔ)充能源技術(shù)知識，從而構(gòu)建更加完善的知識庫，并實(shí)現(xiàn)低碳能源技術(shù)領(lǐng)域知識發(fā)現(xiàn)的功能。

4.4 低碳能源技術(shù)追蹤預(yù)測決策支持系統(tǒng)的開發(fā)設(shè)計(jì)

基于上述低碳能源技術(shù)預(yù)見智能（LETFI）的思想，本研究開發(fā)設(shè)計(jì)一種低碳能源技術(shù)追蹤預(yù)測決策支持系統(tǒng)，來克服傳統(tǒng)方法的速度慢、準(zhǔn)確性低、主觀性強(qiáng)、自動化程度低的技術(shù)缺點(diǎn)。為實(shí)現(xiàn)前述目的，具體的技術(shù)方案如下。

一種低碳能源技術(shù)追蹤預(yù)測決策支持系統(tǒng)，包括用戶終端、管理員終端、無線網(wǎng)絡(luò)和決策支持服務(wù)器，系統(tǒng)結(jié)構(gòu)如圖2所示。所述用戶終端和管理員終端通過無線網(wǎng)絡(luò)連接決策支持服務(wù)器;所述決策支持服務(wù)器由網(wǎng)頁服務(wù)器、資源管理服務(wù)器、低碳能源技術(shù)追蹤處理器和低碳能源技術(shù)預(yù)測處理器組成，所述網(wǎng)頁服務(wù)器通過數(shù)據(jù)流通信網(wǎng)分別與資源管理服務(wù)器、低碳能源技術(shù)追蹤處理器和低碳能源技術(shù)預(yù)測處理器連接，所述資源管理服務(wù)器通過數(shù)據(jù)流通信網(wǎng)分別與低碳能源技術(shù)追蹤處理器和低碳能源技術(shù)預(yù)測處理器連接，所述低碳能源技術(shù)追蹤處理器通過數(shù)據(jù)流通信網(wǎng)連接低碳能源技術(shù)預(yù)測處理器。

優(yōu)選的，所述用戶終端有N個，且N個用戶終端都通過無線網(wǎng)絡(luò)與網(wǎng)頁服務(wù)器連接。

優(yōu)選的，所述低碳能源技術(shù)追蹤處理器有N個，且N個低碳能源技術(shù)追蹤處理器都通過數(shù)據(jù)流通信網(wǎng)分別與網(wǎng)頁服務(wù)器、資源管理服務(wù)器和低碳能源技術(shù)預(yù)測處理器連接。

優(yōu)選的，所述低碳能源技術(shù)預(yù)測處理器有N個，且N個低碳能源技術(shù)預(yù)測處理器都通過數(shù)據(jù)流通信網(wǎng)分別與網(wǎng)頁服務(wù)器、資源管理服務(wù)器和低碳能源技術(shù)追蹤處理器連接。

優(yōu)選的，所述低碳能源技術(shù)追蹤處理器包括：熱點(diǎn)探測單元，用于捕捉低碳能源技術(shù)的研究熱點(diǎn);合作網(wǎng)絡(luò)挖掘單元，用于偵測低碳能源技術(shù)的研發(fā)合作關(guān)系;前沿偵測單元，用于偵測低碳能源技術(shù)的研究前沿。

優(yōu)選的，所述低碳能源技術(shù)預(yù)測處理器包括：技術(shù)預(yù)測單元，用于預(yù)測低碳能源技術(shù)未來發(fā)展軌跡;路線圖繪制單元，用于構(gòu)建低碳能源技術(shù)路線圖。

優(yōu)選的，所述資源管理服務(wù)器包括輸入資源單元和輸出資源單元，所述輸入資源單元管理的內(nèi)容包括低碳能源技術(shù)的專利數(shù)據(jù)、低碳能源技術(shù)的文獻(xiàn)數(shù)據(jù)、低碳能源技術(shù)的年鑒統(tǒng)計(jì)數(shù)據(jù)、低碳能源技術(shù)的社交媒體數(shù)據(jù)，所述輸出資源單元管理的內(nèi)容包括低碳能源技術(shù)的研究熱點(diǎn)、低碳能源技術(shù)的研發(fā)合作關(guān)系、低碳能源技術(shù)的研究前沿、低碳能源技術(shù)未來發(fā)展軌跡、低碳能源技術(shù)路線圖。

優(yōu)選的，所述管理員終端安裝有指紋識別裝置，用于提高管理員終端安全性。

與現(xiàn)有技術(shù)相比，本研究開發(fā)設(shè)計(jì)的低碳能源技術(shù)追蹤預(yù)測決策支持系統(tǒng)的有益效果體現(xiàn)在：本研究開發(fā)設(shè)計(jì)的決策支持系統(tǒng)，利用大數(shù)據(jù)挖掘和非線性預(yù)測技術(shù)，將低碳能源技術(shù)的追蹤和預(yù)測進(jìn)行系統(tǒng)集成，并設(shè)計(jì)了自動化的技術(shù)方案。通過本研究提出的技術(shù)方案，可以有效地對低碳能源技術(shù)進(jìn)行前瞻性管理，為低碳能源技術(shù)布局贏得寶貴時間，過程透明化、公開化、可追溯，實(shí)現(xiàn)了決策流程清晰化、決策過程痕跡化，有效降低了主觀決策帶來的低碳能源技術(shù)布局風(fēng)險。本研究開發(fā)設(shè)計(jì)的低碳能源技術(shù)追蹤預(yù)測決策支持系統(tǒng)具有快速、精準(zhǔn)、科學(xué)、高效等優(yōu)點(diǎn)。

5 結(jié)論與啟示

本研究的結(jié)論如下：

（1）現(xiàn)有低碳能源技術(shù)追蹤預(yù)測方法的主流集成有兩種。一是定量的集成，即數(shù)據(jù)驅(qū)動型方法和模型驅(qū)動型方法的集成;二是定性的集成，即戰(zhàn)略驅(qū)動型方法和經(jīng)驗(yàn)驅(qū)動型方法的集成。

（2）大數(shù)據(jù)時代需要低碳能源技術(shù)預(yù)見方法的智能化集成。低碳能源技術(shù)預(yù)見智能（LETFI）的核心需求就是“更多的數(shù)據(jù)”（More Data），大數(shù)據(jù)、決策方法和能源技術(shù)知識交叉融合，共同構(gòu)成低碳能源技術(shù)預(yù)見智能。大量的多源異構(gòu)的能源技術(shù)數(shù)據(jù)，將為低碳能源技術(shù)預(yù)見智能化提供更多的、更重要的決策參考。

（3）本研究開發(fā)設(shè)計(jì)了一種低碳能源技術(shù)追蹤預(yù)測決策支持系統(tǒng)。利用大數(shù)據(jù)挖掘和非線性預(yù)測技術(shù)，將低碳能源技術(shù)的追蹤和預(yù)測進(jìn)行系統(tǒng)集成，并設(shè)計(jì)了自動化的技術(shù)方案，可以有效地對低碳能源技術(shù)進(jìn)行前瞻性管理，具有快速、精準(zhǔn)、科學(xué)、高效等優(yōu)點(diǎn)，實(shí)現(xiàn)大數(shù)據(jù)背景下的低碳能源技術(shù)預(yù)見。

根據(jù)本研究提出的低碳能源技術(shù)追蹤預(yù)測決策支持系統(tǒng)的開發(fā)設(shè)計(jì)，以及“數(shù)據(jù)驅(qū)動發(fā)現(xiàn)”的研究思路，對未來低碳能源技術(shù)預(yù)見智能的思考如下：

（1）建立低碳能源技術(shù)多維數(shù)據(jù)庫。全面開發(fā)和收集低碳能源技術(shù)數(shù)據(jù)，進(jìn)行數(shù)據(jù)清洗和標(biāo)準(zhǔn)化，并充分?jǐn)U充低碳能源技術(shù)數(shù)據(jù)的維度。多維度體現(xiàn)在，數(shù)據(jù)內(nèi)容方面包括技術(shù)特征、能源消費(fèi)和碳排放數(shù)據(jù)，數(shù)據(jù)結(jié)構(gòu)方面包括結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)承載形式方面包括文本、圖片、視頻和音頻數(shù)據(jù)，地理尺度方面包括全球、國家（或地區(qū)）和城市數(shù)據(jù)，數(shù)據(jù)采集方面包括公開統(tǒng)計(jì)資料（二手?jǐn)?shù)據(jù)）和實(shí)地調(diào)查（一手?jǐn)?shù)據(jù)）。AFF0A036-B80C-4562-8286-3D557337B314

（2）注重低碳能源技術(shù)預(yù)見過程的自動化和可重復(fù)性。低碳能源技術(shù)預(yù)見方法的智能化集成，一方面需要提高過程自動化，加強(qiáng)預(yù)見科學(xué)和計(jì)算機(jī)技術(shù)的有效銜接，通過計(jì)算機(jī)語言實(shí)現(xiàn)數(shù)據(jù)層和方法層的自動交互;另一方面需要保障結(jié)果的可重復(fù)性，構(gòu)建科學(xué)性強(qiáng)和邏輯性好的低碳能源技術(shù)預(yù)見執(zhí)行框架，在充分考慮不確定性的基礎(chǔ)上，實(shí)現(xiàn)預(yù)見過程的透明化和重現(xiàn)性。

（3）加強(qiáng)低碳能源技術(shù)預(yù)見結(jié)果的可視化。加強(qiáng)表達(dá)層的設(shè)計(jì)，在傳統(tǒng)的文本形式的基礎(chǔ)上，強(qiáng)調(diào)預(yù)見結(jié)果展示的即時、動態(tài)、交互的特點(diǎn)，有助于低碳能源技術(shù)的動態(tài)監(jiān)測，也有助于能源技術(shù)系統(tǒng)、能源消費(fèi)系統(tǒng)和碳排放系統(tǒng)的信息交換，實(shí)現(xiàn)低碳能源技術(shù)預(yù)見準(zhǔn)確性的提高。

參考文獻(xiàn)：

[1]DAIM U，RUEDA G，MARTIN H，ET AL.Forecasting emerging technologies：use of bibliometrics and patent analysis[J].Technological Forecasting & Social Change，2006，73（8）：981-1012.

[2]ZIGLIO E，ADLER M.Gazing into the oracle：the delphi method and its application to social policy and public health[J].Jessica Kingsley Publishers，1996（8）.

[3]GRUPP H，LINSTONE A.National technology foresight activities around the globe：resurrection and new paradigms[J].Technological Forecasting & Social Change，1999（60）.

[4]LI X，ZHOU Y，XUE L，ET AL.Integrating bibliometrics and roadmapping methods：a case of dye-sensitized solar cell technology-based industry in China[J].Technological Forecasting & Social Change，2015（97）：205-222.

[5]CHIUNG-WEN，HSU，PAO-LONG，ET AL.Charting the evolution of biohydrogen production technology through a patent analysis[J].Biomass & Bioenergy，2015（76）.

[6]MEDINA E，ARCE R D，MAHIA R.Barriers to the investment in the concentrated solar power sector in morocco：a foresight approach using the cross impact analysis for a large number of events[J].Futures，2015（71）：36-56.

[7]HALAL W E，MD KULL，LEFFMANN A .The george washington university forecast of emerging technologies[J].Technological Forecasting & Social Change，1998，59（1）：89-110.

[8]MILLETT S，MAHADEVAN K.Commercialization scenarios of polymer electrolyte membrane fuel cell applications for stationary power generation in the United States by the year 2015[J].Journal of Power Sources，2005（150）：187-191.

[9]AMER M，DAIM T U，JETTER A.Technology roadmap through fuzzy cognitive map-based scenarios：the case of wind energy sector of a developing country[J].Technology Analysis & Strategic Management，2016，28（2）：131-155.

[10]THOENNES M，BUSSE A，ECKSTEIN L.Forecast of performance parameters of automotive fuel cell systems–delphi study results[J].Fuel Cells，2015，14（6）：781-791.

[11]BISTLINE，JOHN E.Energy technology expert elicitations：an application to natural gas turbine efficiencies[J].Technological Forecasting & Social Change，2014（86）：177-187.

[12]POPIOLEK N，THAIS F.Multi-criteria analysis of innovation policies in favour of solar mobility in France by 2030[J].Energy Policy，2016（97）.AFF0A036-B80C-4562-8286-3D557337B314

[13]WONGLIMPIYARAT J.Technological change of the energy innovation system：from oil-based to bio-based energy[J].Applied Energy，2010，87（3）：749-755.

[14]MEADE N，ISLAM T.Modelling European usage of renewable energy technologies for electricity generation[J].Technological Forecasting & Social Change，2015（90）：497-509.

[15]HABIB K，WENZEL H.Exploring rare earths supply constraints for the emerging clean energy technologies and therole of recycling[J].Journal of Cleaner Production，2014，84（1）：348-359.

[16]DIXON T，EAMES M，BRITNELL J ，ET AL.Urban retrofitting：identifying disruptive and sustaining technologies using performative and foresight techniques[J].Technological Forecasting & Social Change，2014（89）：131-144.

[17]LEE D H.Identifying global competition and devising a biohydrogen roadmap on a continental level[J].International Journal of Hydrogen Energy，2013，38（35）：15620-15629.

[18]ORDOWICH C，CHASE J，STEELE D，ET AL.Applying learning curves to modeling future coal and gas power generation technologies[J].Energy & Fuels，2012（26）.

[19]MAYER T，KREYENBERG D，WIND J ，ET AL.Feasibility study of 2020 target costs for PEM fuel cells and lithium-ion batteries：A two-factor experience curve approach[J].International Journal of Hydrogen Energy，2012，37（19）：14463-14474.

[20]CHIU Y J，YING T M.A novel method for technology forecasting and developing R&D strategy of building integrated photovoltaic technology industry[J].Mathematical Problems in Engineering，2012：1-24.

[21]RIKKONEN P，TAPIO P.Future prospects of alternative agro-based bioenergy use in Finland—Constructing scenarios with quantitative and qualitative Delphi data - ScienceDirect[J].Technological Forecasting & Social Change，2009，76（7）：978-990.

[22]魏一鳴，王晉偉，廖華，等.一種碳捕獲與封存技術(shù)路線圖生成方法及系統(tǒng)：CN108932351A[P].2018-12-04.

[基金項(xiàng)目]國家能源集團(tuán)2021年第一批科技項(xiàng)目（項(xiàng)目編號：GJNY-21-148）。

[作者簡介]通訊作者：王晉偉（1990—），男，山西人，管理學(xué)博士（管理科學(xué)與工程專業(yè)），研究主管（能源政策），研究方向：能源技術(shù)預(yù)見、能源與氣候經(jīng)濟(jì)、低碳技術(shù)工程管理。AFF0A036-B80C-4562-8286-3D557337B314