当前全球极端气候事件频发，应对气候变化已成为全球共同面临的紧迫任务。我国已将碳达峰碳中和作为国家重大战略，而低碳技术创新是实现这一目标的核心驱动力。《低碳技术预见：方法与应用》立足大数据时代，聚焦低碳技术创新所面临的复杂性与不确定性，探讨如何通过技术预见与系统建模及技术突破的关键路径，系统规划低碳发展路线，从而为国家能源体系的低碳转型提供理论支持与实践指引。《低碳技术预见：方法与应用》不仅为低碳技术预见研究提供了系统的理论框架与分析方法，也为政府、企业及科研机构开展低碳科技规划、创新管理与政策评估提供了实践参考。旨在推动我国低碳技术预见研究走向科学化、系统化与智能化，助力国家能源转型与可持续发展战略的实施。

目录
前言
第1章 绪论 1
1.1 研究背景 1
1.1.1 绿色发展是能源科技创新的重要方向 1
1.1.2 技术预见为能源领域科技创新规划提供科学依据 2
1.1.3 大数据时代低碳技术预见的机遇和挑战 3
1.2 研究目的和意义 4
1.3 主要内容 6
第2章 低碳技术预见文献评述 7
2.1 引言 7
2.2 低碳技术预见研究现状 8
2.2.1 研究时空发展特点 8
2.2.2 低碳技术预见研究的热点技术 9
2.2.3 低碳技术预见研究的范式演变 10
2.3 二氧化碳捕集、利用与封存技术预见研究 14
2.4 主要启示 15
第3章 低碳技术主路径识别与监测方法及应用 17
3.1 引言 17
3.2 技术主路径识别与潜在突破性技术监测模型 18
3.2.1 理论框架 18
3.2.2 “前引全路径”动态规划算法 19
3.2.3 隐含狄利克雷分布主题模型 22
3.3 应用及数据说明 23
3.4 结果分析与讨论 26
3.4.1 碳捕集、利用与封存技术专利市场发展趋势 26
3.4.2 碳捕集、利用与封存关键技术领域 30
3.4.3 关键集群技术主路径识别和潜在突破性技术监测 32
3.5 主要结论及建议 37
第4章 低碳技术成本学习预测方法及应用 40
4.1 引言 40
4.2 基于关键组件的技术学习预测模型 41
4.2.1 研究框架 41
4.2.2 基于关键组件的学习*线模型 43
4.3 应用及数据说明 45
4.4 结果分析与讨论 48
4.4.1 四条技术路径减排潜力和成本优势 48
4.4.2 四条CCS技术路径的成本学习*线 50
4.5 主要结论 54
第5章 低碳技术发展路径规划方法及应用 56
5.1 引言 56
5.2 非线性技术选择模型 57
5.2.1 研究框架 57
5.2.2 目标函数 59
5.2.3 约束条件 59
5.3 应用背景及数据说明 61
5.4 结果分析与讨论 63
5.4.1 技术部署路径和减排贡献 63
5.4.2 CO2减排成本 66
5.4.3 盈亏平衡碳价 68
5.5 主要结论及政策建议 70
第6章 低碳技术社会舆情分析方法及应用 72
6.1 引言 72
6.2 低碳技术社会舆情分析方法 73
6.2.1 语篇分析方法 74
6.2.2 技术炒作*线 74
6.2.3 技术情感偏好分析 76
6.3 结果分析与讨论 76
6.3.1 热点舆情演化趋势 76
6.3.2 二氧化碳捕集、利用与封存技术炒作*线 79
6.3.3 二氧化碳捕集、利用与封存技术舆情偏好 81
6.4 本章小结 82
第7章 低碳工程决策模拟与可行性预测方法及应用 83
7.1 引言 83
7.2 基于随机森林算法的CCUS工程社会学习模型 85
7.2.1 数据来源及说明 85
7.2.2 基于随机森林的社会学习模型 86
7.3 结果分析与讨论 88
7.3.1 CCUS工程关键社会-技术特征因子及其影响 88
7.3.2 潜在CCUS示范工程结果预测 91
7.4 本章小结 92
第8章 基于LDA与BERT融合的低碳技术机会识别方法 94
8.1 引言 94
8.2 LDA-BERT融合改进模型构建 95
8.2.1 构建知识元词集 96
8.2.2 关键技术识别 96
8.2.3 技术机会挖掘 97
8.3 应用与案例分析 99
8.3.1 数据来源 99
8.3.2 碳捕集技术演进发展特征 100
8.3.3 碳捕集专利关键技术热点 101
8.3.4 碳捕集专利知识流动与网络结构 103
8.3.5 碳捕集技术机会识别 105
8.4 主要结论与政策建议 109
第9章 研究结论与展望 111
9.1 主要研究结论 111
9.2 主要创新点 112
9.3 研究不足与展望 113
参考文献 114
附录 125

第1章 绪论
　　1.1 研究背景
　　能源是人类生存和文明发展的重要物质基础，是维持社会经济运行的动力，对于保障改善民生、推动经济社会可持续发展至关重要。当前，新一轮科技革命和产业变革深入发展，大数据、人工智能、区块链等新一代信息技术正加速与能源产业深度融合[1]，有力推动能源消费、供给、技术和体制革命，加快构建清洁低碳、安全高效的能源体系。
　　目前，全球能源结构正实现向绿色低碳发展，能源利用模式也逐步呈现智能化、自动化和清洁化的新特征[2]。清洁低碳、安全高效、经济可行的新型能源体系正在逐步形成。在此背景下，开展面向新型能源体系的科学技术预测研究，准确把握能源转型方向，有序引导能源科技创新，合理规划科技布局，具有深远的现实意义与重要的理论价值。
　　1.1.1 绿色发展是能源科技创新的重要方向
　　科技创新是人类社会进步和发展的重要驱动力。能源科技创新深刻地影响着未来能源格局，并推动着能源系统的重塑和革新。过去十年间，低碳能源技术的创新和推广为能源系统低碳转型提供了坚实的科技支撑。未来，智能化、网络化和绿色化将成为新一轮能源技术变革的主要方向[3]。多元化、分散化、数字化和互联化将成为未来颠覆性低碳能源技术的主要特征[1]。
　　绿色发展是对生产方式、生活方式、思维方式和价值观念的全方位、革命性变革，是中国式现代化的显著特征。绿色技术是遵循生态原理和生态经济规律，节约资源和能源，避免、消除或减轻生态环境污染和破坏，生态负效应*小的“无公害化”或“少公害化”的技术、工艺和产品的总称[4]。低碳技术则是相对于传统能源技术而提出的概念[5]，是指以降低二氧化碳等温室气体排放为核心目标，涵盖能源节约，清洁能源替代，碳捕集、利用与封存(carbon capture，utilization and storage，CCUS)等领域的技术、工艺和产品的总称[6]。
　　构建低碳技术创新体系是实现清洁低碳、安全高效能源系统的基石，也是绿色发展的*要任务。一般来说，低碳技术创新主要通过作用于三方面推动能源系统向环境友好型方向发展：一是能源生产端的能效提高和绿色技术革新；二是能源消费端的清洁化发展和智能化利用；三是能源系统末端污染物的协同减排。
　　低碳技术创新体现了社会和能源系统追求高质量发展的诉求。当下，气候变化、能源安全、环境恶化和能源贫困等全球性挑战引发了广泛关注。同时，地缘政治变化、国际能源市场波动等因素也给全球社会经济系统带来新的考验，增加了未来能源系统发展的不确定性。具备节约资源、保护生态和环境治理等多种属性的低碳技术可以同时兼顾经济增长和可持续发展，在一定程度上抵御新兴挑战对社会和能源系统的冲击，是新一轮全球能源科技竞争与战略布局的重要方向。
　　1.1.2 技术预见为能源领域科技创新规划提供科学依据
　　技术预见是一种系统性、长期性的战略决策过程，它可以为国家、部门和企业识别可持续发展需要的关键技术，为科技布局指明方向。能源是现代化发展的重要基础和动力，具有重要地位。能源行业作为技术密集型行业之一，亦被众多技术预见工作视为重点研究对象。能源技术预见活动很早便在发达国家中占据重要的战略地位[5]。为更好地减缓气候变化，发展中国家也相继加大了低碳和低碳技术的推广力度和能源消费重点领域的绿色技术预见活动强度[7]。中国于1995年发布《国家关键技术选择研究》，*次明确了包括能源部门在内的国家优先布局的科技领域。“十三五”以来，为更好地发挥能源技术预见在能源低碳创新和革命中的引领作用，政府相继颁布《能源技术革命创新行动计划(2016—2030年)》和《国家重点节能低碳技术推广目录》(2017年本低碳部分)，支撑国家中长期能源科技长远布局。
　　低碳技术预见则是基于复杂和不确定未来的系统性预见研究，包括对低碳技术的短期预测、长期预见和前瞻性技术评估。其主要任务包括[8]：一是在能源安全、气候变化和经济发展等多种系统约束下选择*优的一个或一组前沿技术，并对其动态发展路径进行规划；二是支撑能源科技战略早期布局；三是研究和制定促进低碳技术有序发展的相关政策。低碳技术预见研究从应对气候变化、推动能源绿色低碳转型的紧迫需求出发，通过预测和模拟低碳技术的未来发展路径，为构建清洁低碳、安全高效的能源体系提供科学支撑，对促进经济社会全面绿色转型和高质量发展具有重要意义[9]。
　　重视前沿低碳技术创新和科技布局，才能决胜未来。低碳技术预见可以有效驱动未来能源系统创新，重塑国家能源格局，明确研发主攻方向。它主要具备以下特征。
　　(1)塑造未来(引导性)。预见未来*好的方法，就是塑造未来。预见不同于预言，低碳技术预见并不一定需要预测未来某一特定日期某一特定应用中技术的准确形式。它*重要的作用是考虑未来社会经济的不确定性后，帮助评估多条合理的低碳能源发展路径的可行性和重要性[5]，对低碳技术的发展情景构建和路线选择起到引导作用，以便管理者做出更好的决策。
　　(2)系统化方法(科学性)。系统化方法可以提高低碳技术预见的准确性和价值，它应该是一套系统化的结合定性和定量分析的综合方法论，它也应该是结构化的，在特定前提条件下可重复的。低碳技术预见方法可以分为三类[10]：一是定性化预见方法；二是半定量化预见方法；三是定量化预见方法。其中，定量化预见方法是通过智能化的检测和统计学方法对大量数据和指标进行处理和分析[11]，它主要包括科学计量学、趋势外推、优化模型、数据挖掘和多主体仿真等[12， 13]；定性化预见方法则更加强调经验学习和专家观点[12， 14]，主要包括综述分析、情景构建和专家小组决策等。而现在大多数应用的方法是半定量化预见方法，将前两者的优势进行结合，定量化专家观点及经验[15]，通过主客观性的相互平衡达到更好的预见效果[16，17]，这类方法主要有德尔菲法、技术路线图、多准则决策、模糊综合评价等。
　　(3)知识融合(综合性)。一项“技术”并不是单一的不可改变的硬件或化学物质。它是将简单的知识(物理关系的知识)系统地应用于技术实体。低碳技术是环境、经济、社会和能源系统知识的综合产物[18]。因此，低碳技术预见的开展更需要融合多学科的知识和工具，需要多方主体协同参与。在大数据时代，多源异构数据每天都在产生海量信息，这为能源行业的科技革新提供了数字化和智能化的解决方案，也为科学决策提供了多维度的知识支撑[19]，对提高未来愿景、新趋势、新问题的综合认识，使预见结果更优，具有重要意义。
　　1.1.3 大数据时代低碳技术预见的机遇和挑战
　　能源系统的绿色革命具有复杂性、长期性和高度不确定性。计算机技术、互联网技术、人工智能、物联网等技术为能源转型提供了新思路和新方向[2]。数字化和智能化技术不仅将为能源生产和能源消费提供快捷、精准、绿色的服务，同时为低碳技术预见带来了新的机遇和挑战。
　　国际能源署在《数字化与能源》中指出，数字化技术为能源各子系统间的相互耦合和重构架起了桥梁[20]，破除了能源部门与其他社会经济部门的壁垒，可以高效、智能、稳定地保障能源系统在经济社会可承受的范围内向绿色低碳方向转型。例如，能源互联网的发展为分布式能源的即时接入和公平获取提供了支撑平台，为能源系统消纳清洁的可再生能源提供了基础架构[21]。同时，大数据挖掘技术、智能化算法也被广泛地应用于智慧建筑和绿色建筑领域，它可以有效支撑建筑能耗的智能化控制和自动化管理，实现建筑空间的合理布局，从而降低绿色建筑的经济运行成本[22]。庞杂的研究数据本身就凝练着不同研究团队的智慧结晶，随着深度学习算法的逐渐成熟，科学家可以更快捷和准确地分析数据背后蕴含的知识信息。这也启发实验科学开始借助这些新兴研究手段对材料、装备和技术进行高效预测。美国斯坦福大学针对现有锂离子电池的研究数据构建了深度学习模型，利用现有的锂离子电池文献中的所有实验数据，构建了具备深度学习能力的计算机预测模型[23]，将固态电解质实验材料的筛选效率提高了百万倍。此外，互联网技术的普及催生了多种商业模式的创新[24]，提高了个人和企业主体在能源系统中的参与度和话语权，拓宽了能源技术服务的对象范围和作用强度，为能源市场变革和能源科技创新注入了新的活力。
　　在数字化时代，数据被赋予了更深刻的内涵，它使得人们可以更快、更早地捕捉到能源系统中各主体的*新动向。数据大多是对客观事物的观察总结和逻辑归纳，通过科学的分析方法挖掘数据价值，发现现象背后客观的发展规律，使得数据成为现代社会经济系统的新生产要素，具有经济价值以及社会治理意义[25]。大数据在创新系统中的作用也越来越重要，它催生着能源生产力向分布式多元协同方向发展，为低碳技术耦合到传统能源系统提供了技术支撑。而大数据所具备的即时产生、快速传播、形式多元、主体宽泛、客观性强等特点，使其在技术预见领域的战略价值愈发凸显。
　　低碳技术是社会进步过程中人类追求高质量生活和可持续发展的实体产物之一。低碳技术的产生和发展已经不局限于能源系统本身的需求，更涵盖了社会系统、经济系统、环境系统、科技系统的诸多发展诉求。多源异构数据打破了不同学科间的知识壁垒，这对于刻画和预测具有社会效益、经济可行、环境友好和颠覆性创新的低碳技术的扩散规律、发展方向、战略价值、政策制定具有里程碑式的意义。但是，海量的多源异构数据在收集、储存、处理和分析上都存在一定难度。信息来源多元直接导致了可分析的数据呈现碎片化和非结构化的特点。此外，实时增加的数据量也为低碳技术预见研究带来了更多的“数据噪声”[26]。因此，在大数据时代，科学地挖掘多源异构数据蕴含的知识内涵，合理、高效、准确、智能地对低碳技术发展路径和方向预见进行理论建模和实证研究，真正发挥技术预见在能源系统绿色发展中的引领作用，是一项具有挑战性的工作，也可为推动构建清洁低碳、安全高效的能源体系和相关低碳能源政策的制定与实施提供重要支撑。
　　1.2 研究目的和意义
　　能源创新是推动能源系统可持续发展的核心动力，也是保障国家能源安全、应对气候变化、推动经济社会发展全面绿色转型的关键支撑。绿色发展是世界各国经济发展的*大公约数[27]，以低碳技术创新为核心的新一轮能源革命正蓬勃开展。低碳技术是旨在减少温室气体排放、降低资源消耗、促进生态环境改善的综合性清洁技术体系[8]。
　　低碳技术预见是一种面向社会、经济、环境、能源、科学和技术等多领域的动态远期发展情景，旨在为战略决策提供科学依据的探索性过程。其核心目标是在有限信息条件下，识别并选择能够*大化环境、经济与社会综合效益的低碳技术组合，以提升能源系统的整体性能，科学规划低碳技术发展的关键路径与科技布局，分析低碳技术发展对能源系统的动态影响，从而为低碳能源发展的战略规划提供依据。大数据、人工智能与互联网技术的迅速发展，为以能源绿色低碳转型为核心目标的能源科技创新体系带来了前所未有的机遇，同时也提出了更加复杂而严峻的挑战。
　　掌握关键领域的科技话语权是提升国家战略科技力量、赢得发展主动权的关键。本书面向实现“双碳”目标、推动能源绿色低碳转型的重大战略需求，立足于低碳技术预见理论建模的国际研究前沿，结合大数据时代背景，围绕低碳技术预见领域开展理论建模，并选择CCUS作为典型实证研究对象，结合构建的理论方法开展具体的应用研究。本书的主要研究目的总结如下。
　　(1)构建低碳技术发展主路径识别模型，从复杂的专利技术发展网络中梳理和识别关键技术的主要发展路径。在此基础上，运用文本挖掘算法实现对主要发展路径上潜在突破性技术的动态监测。该研究不仅有助于分析技术发展水平，梳理技术演化规律，识别和监测关键技术领域，从而引导未来科技攻关布局；同时，也可为分析相关低碳技术的发展趋势、研判关键技术路线、识别各国技术优势以及预见潜在技术热点提供参考依据，服务于国家绿色低碳发展战略。
　　(2)构建面向低碳技术进步和成本学习预测的理论方法。特别地，对于尚处