电化学储能电池技术主题识别、演化及风险分析

张力菠，王格格

（南京航空航天大学经济与管理学院，能源软科学研究中心，江苏 南京 211106）

作为能源转型、实现“双碳”目标的主要路径之一，光伏、风电等可再生能源近年来发展迅速，2021 年全球光伏和风电的新增装机量共达到229 GW[1]，全年发电量占比达到10.3%，是2015年《巴黎气候协定》签署时(4.6%)的两倍多[2]。但相较于传统能源，可再生能源发电具有间断性、不确定性等特点，大规模并网会给电力系统的供需平衡带来极大影响[3]。而储能技术可将可再生能源电能在非用电高峰期存储起来，在用电高需求期间重新释放[4]，从而提高电网的可靠性，促进可再生能源的大规模接入和消纳。因此，在“双碳”目标背景下，发展储能技术十分关键。

按能量存储的形式，储能技术可分为机械储能、电化学储能、电磁储能、化学储能和热能储能[5]。其中，电化学储能技术的发展潜力最大，是全球储能技术创新发展的重点领域[6]，其2021年全球新增装机容量在全球储能新增装机容量中占比达57.6%，位列第一[7]。电化学储能技术指利用化学反应，将电能转化为化学能进行存储和再释放，具有响应速度快、不易受环境影响等优势[8]，电化学储能电池是电化学储能技术的本体技术[9]，其中锂离子电池、铅酸电池、液流电池等目前已在全球储能项目中得到广泛应用[10]，其他新型电化学储能电池技术也取得了突破性研究进展，例如美国一研究团队提出一种水基钙离子电池，并指出钙离子电池有望取代锂离子电池技术[11]。目前电化学储能电池技术领域的研究多从组件材料选择及制备方法改进角度出发，探索各种类型电池的生产制造以及回收再利用方法，涵盖不同类型电池组件例如正极、负极、电解质、隔膜和其他辅材等，不同的研究目标包括电池性能提升、成本降低、寿命增加等[12-14]。

即便近年来发展非常迅速，但由于电化学储能电池技术本身的复杂性和广泛性，其关键技术及未来研发趋势及可能存在的风险目前还并不清晰，在一定程度上影响国家及产业的相关发展规划和战略布局。鉴于专利信息极高的代表性和新颖性[15]，针对专利数据进行文本挖掘以识别电化学储能电池领域热门技术主题，进而分析其技术发展面临的风险，不仅对科学合理的相关技术研发决策有重要参考价值，而且有助于掌握电化学储能电池技术发展与竞争的主动权。

目前已有部分学者针对电化学储能电池技术专利展开研究，如Müller 等[16]利用联合专利分类号(CPC)及引文分析确定电池技术类别中的重要专利；Block 和Song[17]基于Derwent 手动代码(DMC)研究固态电池技术的发展趋势。现有研究主要聚焦于专利中的结构化信息如专利分类编码，进行引文分析或趋势分析以考察技术研发趋势，但对于范围广泛的电化学储能电池技术而言，现有的专利分类编码难以描述详细技术主题，存在局限性[18]。因此，对于发展态势当前备受关注的电化学储能电池技术，其相关领域专利数据的挖掘与主题识别亟需深入的系统研究。Latent Dirichlet Allocation(LDA)主题模型是由Blei等[19]提出的一种无监督学习方法，可以从大量文档中提取出潜在主题，实现文档的高效聚类，在专利数据挖掘研究中得到广泛应用，如Ma等[20]分析了近年电动汽车专利的研究热点和领域，得出了不同领域的技术发展趋势；Zhang等[21]将区块链技术专项划分为不同时间阶段并分别应用LDA分析以得到不同时间段之间主题的相关性。此外，贝叶斯网络作为一种能够在不确定条件下进行建模决策，对复杂网络中的变量关系进行概率推理的方法，在不同领域的风险分析研究中均有应用，如Akhavan等[22]通过贝叶斯网络对知识型和启动型项目进行风险评估；Carless等[23]使用贝叶斯网络评估新兴核能国家中的核扩散和安全风险。

由于电化学储能电池技术范围较广，仅利用专利中结构化信息进行研究具有一定局限性，而利用主题模型可以深入挖掘专利非结构化文本中的有效信息，因此本工作采用LDA主题模型挖掘专利文本信息，识别电化学储能电池技术领域专利中的潜在技术主题并分析其演化趋势，并采用贝叶斯网络模型进一步在产业链视角下分析电化学储能电池热门技术领域的技术发展所处的风险水平及关键风险因子，为电化学储能电池技术的发展规划及研发决策提供有益的参考。

1 研究框架

本工作提出了一个包含技术主题识别、技术主题演化趋势分析和技术发展风险分析的集成研究框架。以电化学储能电池技术专利数据为研究对象，首先收集专利数据，进行数据预处理；然后采用LDA主题模型识别电化学储能电池技术主题；之后基于后离散方法，使用主题重要度和主题演化趋势指标分析被识别出的技术主题的演化趋势；针对以上分析识别出的热门技术领域，进一步使用贝叶斯网络模型，从电化学储能电池产业链角度对技术发展的风险水平和关键风险因子进行风险分析，最后提炼电化学储能电池技术规划与发展的相关启示。具体研究框架如图1所示。

1.1 基于LDA 主题模型的电化学储能电池技术主题识别

主题模型使用词袋法将每个文档视为一个词频向量，使得文本信息得以转换为数字信息。LDA主题模型是1个三层贝叶斯概率模型，包含文档、主题和词共3 层结构[24]。本工作中，文档即收集的电化学储能电池技术专利文本集合，每项专利文本可以表示为相关技术主题的概率分布，每个技术主题又可表示为单词的概率分布。LDA算法的核心思想为降维，适用于大规模文档集或语料库中的隐含主题识别，可用于自然语言的建模[25]。由于本工作所研究的专利文本集合中包含了3万多个单词，通过使用LDA模型，可将模型识别出的较少数量的电化学储能电池技术主题定义为多个关键主题词的概率分布，并使用定义的主题解读专利文本，实现大规模电化学储能电池技术专利数据集的文本分析。LDA算法理论的模型如图2所示。

图2 电化学储能电池技术LDA模型Fig.2 LDA model of electrochemical energy storage battery technology

其中，箭头指向表示前后变量间的条件依赖关系，阴影表示可观测变量，其他变量为隐变量。其中，T为待识别的电化学储能电池技术主题数，D为电化学储能电池技术领域专利文本总数，N为专利文本集中的单词总数，Wd,n为第d篇专利文本的第n个词，Zd,n为第d篇专利文本中第n个词所属的电化学储能电池技术主题，θd为第d篇专利文本下的主题分布，φt为第t个主题下的词分布，α为主题分布的Dirichlet 先验参数，β为词分布的Dirichlet先验参数。

LDA模型运行流程为，首先确定主题数，并输入电化学储能电池技术领域部分专利文本来训练LDA 模型，通过调整参数使得模型达到最优效果，然后模型会生成每项电化学储能电池技术专利文本对应的主题概率分布和单词概率分布。生成主题和词的联合分布如式(1)：

此外，由于LDA模型本身无法确定最佳主题数量，本工作采用一致性指标(coherence)确定最优主题数。一致性指标通过衡量每个主题中高概率单词之间的语义相似程度，作为判断模型效果的依据，并通过计算不同主题数目下模型相应的一致性值，以确定最优主题数[26]。本工作对主题数分别取值为1～20时的模型一致性依次进行计算，选取一致性值最高的主题数作为电化学储能电池技术LDA主题模型的输入参数。

1.2 基于后离散方法的电化学储能电池技术主题演化分析

基于识别的技术主题，进一步采用Griffiths 和Steyvers[27]提出的后离散方法，计算主题重要度指标如式(2)所示，分析电化学储能电池技术主题重要程度随时间的变化趋势。

其中，k指当前电化学储能电池技术主题，表示技术主题k在时间窗口t中的主题重要度，Ft表示时间窗口t内的电化学储能电池技术专利文本集数量总和，pfk表示专利文本f中含技术主题k的概率。在同一时间窗口中主题重要度值越大，则表示该电化学储能电池技术主题热度越高，受关注程度越高。通过分别计算不同年份内的各电化学储能电池技术主题重要度，可以得到相应技术主题的演化趋势。

进一步分析电化学储能电池技术主题演化趋势，基于Sun等[28]提出的主题演化趋势指标，电化学储能电池技术主题演化趋势指标μk的计算如式(3)所示。其中，表示在时间窗口t1(前期)内电化学储能电池技术主题k的平均主题重要度，表示在时间窗口t2(后期)内化学储能电池技术主题k的平均主题重要度。

当电化学储能电池技术主题演化趋势指标μk值接近1时，则该技术主题重要度变化平稳，记为平稳型主题；当μk值明显大于1.1时，则相较于前期，该技术主题在后期重要度有所上升，记为上升型主题；当μk值小于0.9时，则该技术主题重要度下降，记为衰退型主题。

1.3 基于贝叶斯网络的电化学储能电池技术发展风险分析

基于技术主题演化趋势分析结果，在产业链视角下，针对识别出的热门研发领域，使用贝叶斯网络模型方法，分析其技术发展所面临的风险。贝叶斯网络基于贝叶斯定理，综合概率论与图论知识，对不确定性事件进行推理。

针对电化学储能电池热门技术发展的贝叶斯网络风险分析模型构建过程包括贝叶斯网络结构建立和风险参数学习。首先通过文献分析方法和对电化学储能电池领域相关专家进行访谈，确定风险类型和具体风险因子，形成电化学储能电池热门技术领域风险清单；之后基于风险清单，构建以“风险因子-风险类型-总风险”为风险分析框架的贝叶斯网络结构。对已构建的贝叶斯网络结构中各因子的发生概率和影响程度进行专家打分，以5分李克特量表进行衡量(1～5分表示程度由低到高)，各因子风险水平计算如式(4)所示。

其中，Rij表示专家i对因子j的风险水平评价值，Pij表示专家i对风险因子j的发生概率的打分，Sij表示专家i对风险因子j的影响程度的打分。利用如图3所示的风险等级矩阵对风险水平评价值进行规范化处理，将风险水平评价值归类为低、中、高3类风险水平等级，分别用L、M、H表示。

图3 风险等级矩阵Fig.3 Risk level matrix

进一步通过式(5)计算各风险类型的风险水平和总风险水平。

其中，Rm表示第m类风险类型的风险水平，wmk为通过熵权法计算得到的第m类风险类型中第k个风险因子的权重，Rmk为第m类风险类型的中第k个风险因子的风险水平，通过根据其所属等级L、M、H分别赋值为1、2、3得到。同理根据各风险类型的权重最终计算得到电化学储能电池热门技术发展的总风险水平，获得贝叶斯网络所需全部参数。

2 实证分析

2.1 数据收集及预处理

本工作以世界知识产权组织(WIPO)开发的PATЕNTSCOPЕ 专利数据库作为数据源。使用Selenium自动化爬虫技术收集2013-1-1至2022-6-30 电化学储能电池技术专利。根据电化学储能电池类型设定的检索式为ЕN_TI:(electrochemical OR "Lithium-ion" OR "Li-ion" OR "Lithium sulphur" OR "Na-ion" OR "K-ion" OR "Ca-ion" OR"Mg-ion" OR "Lead-acid" OR "Sodium sulphur"OR "NaS" OR "nickel cadmium" OR "Nicd" OR"nickel metal hydride" OR "Zebra" OR "Pb-acid"OR "metal-air" OR "Li-air" OR "Ca-air" OR "Mgair" OR "Fe-air" OR "Al-air" OR "Zinc-air" OR"redox flow" OR "Vanadium redox flow" OR "VRB"OR "Zinc Bromide" OR "ZnBr" OR "Polysulphide Bromine flow" OR "PSB" OR "hybrid flow" ) AND ЕN_TI:(cell＊ OR batter＊)。除去无关和重复的专利后共获得52257项专利数据，形成电化学储能电池技术专利数据集。

形成专利数据集后，利用Python编程对专利摘要文本进行数据预处理，包括分词，去除标点符号、停用词和词性标注、词形还原等，结合专业知识和后续模型应用过程中重复筛选，共确定59 个停用词，如“use”“method”“invention”“comprise”等，构建电化学储能电池技术专利词典，进而将专利摘要文本数据转换为主题模型所需的DTM(文档-术语矩阵)格式数据，即每篇专利摘要所含单词的词频。

2.2 专利申请特征分析

对电化学储能电池技术专利申请特征进行宏观分析，其中全球和中国的专利申请量随时间的变化如图4 所示(由于专利文件的公开通常需要18 个月左右，因此2021 年至2022 年6 月的申请情况仅供参考)。总体来看，除2020年申请量较上年有所下降外，全球电化学储能电池技术专利申请量呈持续增长态势，2016—2018 年增长幅度较大，中国变化趋势与全球一致。

图4 全球及中国专利申请量变化趋势Fig.4 Trends of global and Chinese patent applications

图5为全球各专利局电化学储能电池技术专利申请情况，中国专利局专利申请数量最多，约占全球专利申请总量的63.5%，美国申请专利量占10.9%位居第二，通过世界知识产权组织申请的PCT(专利合作条约)约占10.3%。

图5 电化学储能电池技术专利申请国家分布情况Fig.5 Distribution of electrochemical energy storage battery technology patent applications in countries

2.3 技术主题识别

以电化学储能电池技术专利摘要文本为识别对象应用LDA 主题模型，首先确定模型最优主题数，主题数量的设定决定了主题识别结果。图6显示了模型在设置不同主题数时的一致性值，一致性值越大，代表模型效果越好，通过对比可知当主题数设置为15时，一致性值达到最大为0.641。因此，选取主题数为15，即LDA 主题模型识别出电化学储能电池技术共15个主题。

图6 不同主题数下一致性值Fig.6 Coherence value of the model with different number of topics

LDA 主题模型识别出的15 主题分别标号为Topic1、Topic2、……、Topic15(排名不分先后)。进一步将各个主题下提取出的主题词用词云图可视化，图7展示每个主题中的主题词聚类结果，词云图中单词越大代表该主题词在主题中所占比重越大，与主题内容越相关。

图7 电化学储能电池技术主题词云图Fig.7 Topic word cloud diagram of electrochemical energy storage battery technology

通过分析各个主题对应的主题关键词，结合各主题下相关的专利摘要具体内容，确定各主题名称。对于每一个技术主题，均进行反复核对，并从划分入各个主题的专利数据中进行抽样检查，确保每一类技术主题下的专利能够反映该技术主题。

（1）Topic1金属-空气电池技术：概率前10位的主题词为metal、cathode、anode、air、copper、nickel、foil、screw、zinc、catalyst。主题词中包含了金属-空气电池技术中重点研发的电极、催化剂等。例如金属阳极“锌”“铝”等，其中锌-空气电池环境友好且安全性高，是目前研究较成熟的一类金属-空气电池；“催化剂”的开发是提高金属-空气电池效率的关键，铜、镍常用作为非贵金属催化剂开发的原材料。为举例说明，以Topic1下概率最高的一项公布号为20130202974 的美国专利为例，其专利内容为金属空气电池及空气阴极的生产方法，该专利在摘要中出现了metal、air、cathode等词，其IPC分类号为H01M 12/06，正为含金属电极和气体电极的混合电池及其制造。

（2）Topic2 电池结构零件设计及制造：概率前10 位的主题词为part、assembly、portion、terminal、direction、surface、plurality、section、region、case。主题词中零件、组件、端子、壳体等词语意指电池的结构零件，其他主题词还有连接、延伸等，是与电池结构零件的构造设计及制造过程相关的词语。结合相关专利，例如Topic2下概率最高的一项公布号为WO/2021/234106的PCT专利，其专利内容为提出了一种易于制造且经济的电化学组件，其专利摘要中有assembly、connect、extend 等词，其IPC 分类号有H01M 10/04、H01M 50/503 等，涉及二次电池、零部件及其制造技术领域。

（3）Topic3 氧化还原液流电池(RFB)及其组件：概率前10 位的主题词为flow、electrolyte、redox、air、slide、gas、channel、system、chamber、tank。RFB的重要组件有外部装电解液的液罐，以及容纳两个电极和流动电解液的反应室。RFB 的基本原理是电解液发生的氧化还原反应，通过泵和管路将电解液从液罐输送通过反应室，实现化学能和电能的转换，描述RFB 电池本身及其组件的相关词语在主题词中均有体现。相关专利有公布号为3724942的一项欧洲专利局公布专利，其内容为研发一种氧化还原液流电池系统。

按照同样的方法解读主题Topic 4～15，15 个技术主题识别结果见表1，并从电化学储能电池产业链及特定电池类型的角度对主题进行分类。其中，由于锂离子电池为电化学储能电池主流电池类型，主题词“lithium”在整体专利集文本中出现概率较高，但各技术主题下的专利仍涉及其他类型电池，因此未在技术主题名称中特别定义锂离子电池。

表1 电化学储能电池技术主题识别结果Table 1 Topic identification results of electrochemical energy storage battery technology

从以上主题识别结果可以看出，电化学储能电池技术研发专利与电化学储能电池产业链密切相关，其中有6 个主题与上游电池原材料有关，5 个主题与中游电池加工有关，2 个主题与下游应用和回收有关。上游原材料相关主题中，专利数量排名第2、3 位的主题均与电池电极材料有关，分别为电极复合材料的研发和电极活性物质材料，例如硅碳复合材料的制备、复合氧化物用作正极活性物质材料等；排名第4、5 位的主题分别为电池正负电极和电解液的制备，电池隔膜及其制备主题位列第7，导电剂、黏结剂及其制备主题排第15位，说明电化学储能电池组件中电极和电解液的研发最受关注，其次是电池隔膜，最后是导电剂和黏结剂。

中游电池加工相关的主题有专利数量排名第1 位的电池生产制造相关装置及设备，例如超声波手工焊机、电池片焊接装置、辅助电池串并联组合的夹具等；位列第11的电池结构零件设计及制造，属于电池加工必需的非活性部件。除了加工设备及必需部件，其他主题与电池制作环节中相关工艺有关。以锂离子电池为例，整个电池制作流程可以分为前段极片制作、中段电芯制作和后段电池组装，后段工艺又可分为化成、分容、检测和包装4道工序。排名第6位的电池充放电相关技术及工艺，专利内容涉及化成、分容，化成即通过给予一定的电流激活电池正负极活性物质以使电池拥有放电能力，分容即对化成完的电池进行充放电以检测相关参数对电池进行分级；位列第9的主题电池干燥方法，在整个电池制程中的作用都十分关键；位列第14的电池封装技术主题，包括封装材料如塑膜和铝壳等，以及封装形式如圆柱、方形和软包。

由于本工作研究对象为电化学储能本体技术相关专利，识别出的主题涉及上下游应用和回收的主题数量较少。其中专利数量排名第8位的电池组性能优化及应用，内容涉及单体电池成组化对电池组性能影响的研究，以及从电池组具体应用角度进行性能优化的研究，相关专利例如蓄电池组单体一致性恢复方法、零点电源与锂离子电池的电池组作机器人电源的应用等。排名第12 位的铅酸电池及其回收处理技术主题，主要涉及电池回收的预处理，预处理过程中产生的各类废料的回收处理，金属铅分离处理和再生铅利用等。

从电化学储能电池类型分析识别出的主题，除主流锂离子电池技术外，通过模型被识别出的电池技术类型还有氧化还原液流电池、铅酸电池、金属-空气电池。

总体来看，按主题含专利数量排序，前5位的技术主题中，除了排名第1位的主题与电化学储能电池产业链中游加工相关，第2～4 位主题均为上游原材料相关的技术研发，涉及电化学储能电池的必需组件电极、电解液。能够被识别出的涉及特定电池类型的主题，除锂离子电池外，只有氧化还原液流电池、铅酸电池和金属-空气电池，其他类型电化学储能电池技术研发专利数量处于较低水平。

2.4 技术主题演化

通过LDA模型识别出电化学储能电池技术主题后，进一步计算各主题每年的重要度，进而分析技术主题演化的趋势。由于主题演化趋势分析涉及时间，而专利公布存在滞后性，因此在本小节中，2021 年—2022 年6 月专利数据不纳入主题重要度计算，选取时间窗口t1为2013—2016 年，时间窗口t2为2017—2020 年。首先根据式(2)计算得到2013—2020 年每年主题重要度，然后根据式(3)计算平均主题重要度和的比值，得到主题演化趋势指标μk，并划分主题演化趋势类型，μk>1.1的主题为上升型，0.9≤μk≤1.1的主题为平稳型，μk<0.9的主题为衰退型。各技术主题演化趋势分类结果见表2，其中有4 个上升型主题，6 个平稳型主题和5个衰退型主题。

表2 电化学储能电池技术主题演化趋势分类Table 2 Evolution trends classification of electrochemical energy storage battery technology topics

进一步通过折线图展示各类型技术主题随时间的演化趋势。图8、图9 分别为平稳型和衰退型技术主题。可以看出，平稳型技术主题中，电极复合材料和正负电极制备方法在2013—2020 年间的主题重要度一直保持着较高的水平，其中电极复合材料技术主题在2014 年的重要度较上年陡增，而后总体趋势趋于平稳，说明该技术主题在2013—2014 年间得到了突破性的研发进展，随后成为研究热点。

图8 平稳型主题演化趋势Fig.8 Evolution trends of stationary topics

图9 衰退型主题演化趋势Fig.9 Evolution trends of declining topics

衰退型技术主题中，电极活性物质材料主题重要度不断下降，但其重要度仍旧始终高于其他主题，说明该技术主题一直是研究热点，但自2013年以来受关注度不断下降，可能存在研究饱和的现象或遭遇技术瓶颈。电解液及其制备技术主题总体重要度虽然有所下降，但自2018年起似有回升趋势，可能重新受到研发人员关注。其他衰退型主题重要度一直处于较低水平，不过虽然总体重要度有所下降，但下降幅度不大。

图10 显示了上升型技术主题演化趋势，可以明显看出电池生产制造相关装置及设备技术主题演化呈现了高幅度的上升趋势，说明该技术主题逐渐成为电化学储能电池技术领域的研发热点，其原因或在于电化学储能电池在全球各个储能项目中得到越来越广泛的实际应用，研究人员不再仅仅聚焦于电化学储能电池本身的技术研发，而且愈发关注电化学储能电池在实际生产制造环节的外部保障。其他3个上升型技术主题中，还有两个主题与电化学储能电池产业链中的中游加工环节有关，分别是电池干燥方法和电池封装，自2013 年来主题重要度呈小幅持续上升。而电池组性能优化及应用主题演化趋势较为波动，其主题重要度经历了先上升下降而后再次上升下降的变化。技术主题演化趋势呈上升型表明其技术研发逐渐受到更多关注，代表了电化学储能电池技术领域整体的研发方向，研究人员应加强该领域的研发重视程度。

图10 上升型主题演化趋势Fig.10 Evolution trends of ascending topics

2.5 产业链视角下电化学储能电池热门领域技术发展风险分析

根据技术主题演化趋势分析结果可知，电化学储能电池产业链中的中游加工环节是目前电化学储能电池技术的热门研究领域，因此本小节选择电化学储能电池中游加工技术作为风险分析对象，从产业链角度对其技术发展所处的风险水平及关键风险因子进行分析。

在产业链视角下，电化学储能电池中游加工技术的高质量发展，受到技术本身相关因素，以及政策、经济和产业环境多方面因素的影响。结合电化学储能电池领域相关专家访谈和文献学习的方法，构建产业链视角下电化学储能电池中游加工技术发展风险评价贝叶斯网络结构如图11 所示，以电化学储能电池产业链中游技术发展风险为终端节点，包含技术风险、经济风险、政策风险和环境风险4类风险类型和13个风险因子节点。

其中，技术风险类型属于技术发展内部风险因素，技术本身的安全隐患限制了加工技术的发展速度，自动化水平低限制了加工技术的高精度发展，关键技术垄断造成核心技术缺失会使得整体技术发展受阻，技术革新速度与需求的不匹配会导致已研发的技术难以得到实际应用。政策风险、经济风险和环境风险属于技术发展外部风险因素，政策风险方面，政策的支持是技术发展的重要保障，目前电池行业标准不规范使得加工技术难以实现高质量加工电池，电池安全性能评估监管机构的缺失同样阻滞了技术的高质量发展；经济风险方面，上游原材料价格的上涨使得中游相关企业难以投入更多技术研发资金，规模化程度低造成企业难以实现加工技术的规模经济效应以带来成本的降低，商业模式的不成熟使得加工企业缺乏收入保障；环境风险方面，产业链间的协作例如电池生产企业与设备制造商间的价格打压等问题会造成技术研发积极性受挫，加工设备的国际间进出口壁垒会造成技术发展水平的失衡，发生重大安全事故将对技术研发舆论环境造成不利影响。

基于已构建的中游加工技术发展风险分析的贝叶斯网络结构，进一步确定贝叶斯网络参数以进行风险评估。根据式(4)及图3的风险等级矩阵，得到13个风险因子的专家打分值。通过熵权法计算得到风险类型及风险因子的权重，进而根据式(5)得到每位专家对各风险类型及总风险水平的评价值。将获得的全部参数导入贝叶斯网络风险评估模型中，利用Netica软件运行得到电化学储能电池产业链中游技术发展面临的总风险和不同风险类型的风险水平概率分布如图12所示。中游技术发展面临的总风险水平为低、中、高的概率分别为32.4%、37.9%和29.8%，计算得到总风险值=1×32.4%+2×37.9%+3×29.8%=1.976，总风险期望值接近2，由于风险水平取值区间为[1, 3]，表明电化学储能电池产业链中游技术发展目前面临的总风险处于中等水平。

图12 贝叶斯网络风险评估模型Fig.12 Bayesian network risk assessment model

分析不同风险类型的风险水平，计算得到技术风险、经济风险、政策风险和环境风险的风险值分别为1.999、1.925、1.958、1.886。其中，技术风险的风险水平值相对较高，其次分别是政策风险、经济风险、环境风险。为进一步得到电化学储能电池产业链中游技术发展的关键风险因子，在Netica软件中对风险类型进行敏感性分析，根据互信息值大小判断变量间相关影响的程度，各风险因子的互信息值见表3。

表3 电化学储能电池中游技术发展风险敏感性分析Table 3 Risk sensitivity analysis of technological development in midstream processing field of industrial chain

结果显示电化学储能电池中游技术发展面临的技术风险的关键风险因子为关键技术垄断，经济风险的关键风险因子为上游原材料价格上涨，政策风险的关键风险因子为行业标准滞后，环境风险的关键风险因子为产业链协作不充分。

3 结论

本工作提出了一个技术主题识别、演化分析和风险分析的集成研究框架，以2013 年至2022 年6 月的电化学储能电池技术专利数据为研究对象，首先针对全球专利申请特征进行了分析，然后使用LDA主题模型从电化学储能电池技术专利中识别潜在的技术主题，从电化学储能电池产业链、电池类型角度及所含专利数量角度解读技术主题，并分析各个技术主题在2013—2020 年的演化趋势，最后使用贝叶斯网络模型从技术、政策、经济、环境方面评估了热门技术领域发展的风险水平及关键风险因子，实现了电化学储能电池技术专利领域的主题细分以及对热点主题的判断和风险评估。基于对电化学储能电池技术深入的专利文本分析，揭示了与电化学储能产业链紧密相关的技术研发主题及热门技术发展的风险，可以为电化学储能电池技术的发展规划与研发决策提供科学的依据。

（1）根据全球专利申请情况的宏观分析，全球专利申请量在2013—2022 年6 月总体呈持续增长态势，其中2016—2018 年增长幅度较大，反映该时间内电化学储能电池技术发展速度较快。从专利局角度来看，通过中国专利局申请的专利数量最多，约占全球总量的63.5%，随后依次分别为美国专利局、世界知识产权组织(PCT 专利)和日本专利局。

（2）本工作共识别出电化学储能电池技术领域存在15 个技术主题。从电化学储能电池产业链角度来看，共有6 个主题与上游原材料有关，5 个主题与中游加工有关，2 个主题与下游应用与回收有关；从主题所含专利数量角度分析，排名前5位的主题分别为电池生产制造相关装置及设备、电极复合材料、电极活性物质材料、正负电极制备方法和电解液及其制备，排名第2～5 位的主题均与上游原材料相关，涉及电池关键组件电极和电解液。以上两个角度的分析，均表明对电化学储能本体技术而言，电池的上游原材料相关技术是全球技术研发的关键领域。从电池类型角度分析，锂离子电池、氧化还原液流电池、铅酸电池和金属-空气电池是目前专利研发数量较多的电池类型。而诸如钙离子电池等其他新型电池技术[11]，由于目前专利研发数量较少，未被LDA模型识别为技术主题。

（3）通过对各个技术每年主题重要度的计算，将15个主题划分为4个上升型主题、6个平稳型主题和5个衰退型主题。平稳型主题中，电极复合材料和正负电极制备方法的技术主题重要度一直处于较高水平，表明这两个技术领域一直是化学储能技术研发的热点。衰退型主题中，电极活性物质材料主题重要度不断下降，但仍始终高于其他主题，表明该技术主题虽然是研发热点，但可能存在研究饱和的现象或遭遇技术瓶颈。上升型主题代表了电化学储能电池技术领域整体的研发方向，4 个主题分别为电池生产制造相关装置及设备、电池组性能优化及应用、电池干燥方法和电池封装，多涉及中游加工技术领域，表明研究人员正愈发关注电化学储能电池在实际生产制造环节的相关技术保障。

（4）通过在产业链角度下对电化学储能电池产业链中游加工技术发展进行风险分析，其技术发展目前面临的总风险处于中等水平，表明目前中游加工技术发展存在一定风险，但总体风险仍处于可控范围内。通过对不同风险类型的风险水平计算，风险水平值由高到低的风险类型依次是技术风险、政策风险、经济风险和环境风险，表明技术发展面临的风险中内部因素为首要风险因素，外部因素中政策因素风险水平最高。关键风险因子有关键技术垄断、上游原材料价格上涨、行业标准滞后、产业链协作不充分。风险分析结果表明电化学储能电池中游加工技术实现高质量可持续发展需要打破关键技术垄断，注重核心技术的研发，制定规范的行业标准以保障电池加工的质量，同时加强产业链各环节的协作水平，通过规模经济效应和自动化水平的提升带来成本的降低，以在一定程度上减小上游原材料价格上涨带来的风险影响。

综上，在目前不断加大对电化学储能电池产业链中游加工相关技术研发力度的同时，应注重核心技术的突破并规范行业标准，加强产业链协作水平以实现中游加工技术的高质量发展，并且仍需努力实现上游原材料关键技术的突破，例如电极活性物质材料的研发，唯有上游关键技术的不断突破方能使得后续中游及下游技术研发保持可持续性。此外，还应关注目前尚不成熟但有望突破的电池类型，例如目前由于存在技术难点但有望取代锂离子电池的钙离子电池技术，不断寻找新的技术突破方向，为未来电化学储能电池技术注入持续发展动力。