我国智慧能源产业政策量化评价*<br/>——基于文本挖掘和PMC指数优化模型

我国智慧能源产业政策量化评价*
——基于文本挖掘和PMC指数优化模型

2024-01-08王宏杨胡何欣柯旺松

世界科技研究与发展 2023年6期

汤匀王宏杨胡何欣柯旺松陈伟，，5

（1.中国科学院武汉文献情报中心，武汉 430071；2.科技大数据湖北省重点实验室，武汉 430071；3.武汉大学信息管理学院，武汉 430072；4.国网湖北省电力有限公司信息通信公司，武汉 430077；5.中国科学院大学经济与管理学院，北京 100190）

当今能源系统清洁低碳转型已成为不可逆转的大趋势，新能源和信息技术高度融合的能源革命正推动人类社会迈向全新的智慧能源体系［1］。随着中国提出2030年碳达峰、2060年碳中和目标，我国绿色可持续发展政策的研究与制定面临重大挑战。在智慧能源建设，即能源产业、能源装备产业、互联网产业和现代通信产业等多元产业融合发展方面，各政府机构出台多项政策积极推进智慧能源系统的建设。2016年2月24日，国家发改委、能源局、工信部首次印发《关于推进“互联网+”智慧能源发展的指导意见》［2］，得到社会各界的关注；2021年3月两会期间《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》［3］的提出，加快推动了我国智慧能源领域重点示范项目的开展。这些政策一定程度上加速了我国智慧能源体系的科学化、规范化。因此，对已有的政策文件进行科学量化评价，将为下一轮政策规划的提出、调整和优化提供有利支撑。

政策量化评价最大价值在于更强调科学性和工具性，运用现代科学技术知识、方法、模型去揭示颁布政策的相关规律［4，5］。政策量化评价结合定性分析能更加科学地对政策的制定、执行和反馈进行支撑［6］。目前针对政策本身的合理性、可行性进行评价研究主要经历了以下几个发展历程［7-9］：20世纪70年代中期以前主要强调实验方法论；此后至20世纪末，研究学者逐渐注重对规范本位的价值判断的方法理论［10，11］；21世纪以来，随着研究学者对实证主义的研究以及后实证主义理论的接受，以经典理论为基础、实证手段为支撑的复合主义研究体系慢慢成为政策科学评价新的方法体系［12］。但以上方法均面临主观性较强、分辨率较差、精度不高、样本需求量大、评价对象的变量因素不能过多等诸多缺陷。

为解决上述问题，Ruiz Estrada［13］提出利用政策一致性指数（Policy Model Consistency Index，PMC）模型概念，该模型采用文本挖掘方式获取政策文本原始数据，较大程度上规避了主观性并提高了文本量化的精确度，通过考虑所有可能相关的变量，规避了结果的片面性［14，15］。但纵观我国目前运用的PMC指数模型，发现该模型中一级变量数目一般不超过10个，且指数设定较为固定［16-18］，已不能满足智慧能源领域政策文本全面量化研究。例如，对各种能源种类、能源终端应用领域、智慧能源技术工具以及能源服务需求等维度需并入到政策文本一级指标的设定中，并进行综合计量分析。基于此，本文首先利用ROST CM6对我国智慧能源体系政策样本（共计17项）进行深度文本挖掘，建立优化的政策量化评价指标体系，为推动我国智慧能源体系科学化、规范化政策的制定与提出，助力实现2030年碳达峰、2060年碳中和目标提供有力支撑。

1 文献研究综述与研究框架

1.1 政策量化评价研究方法

较为系统的政策量化评价始于20世纪末，利贝卡普［19］将政策量化为一个法律变革指数评价美国采矿法的成效。国内学者更加关注量化研究方法的利用和指标体系的构建，并在政策量化评价领域取得了丰富成果。如孙春升［20］运用主成分回归分析法从经济效益、安全效益、生态环境效益和社会效益四个层面对我国煤炭行业政策效果进行评价分析；郭鹏飞与周英男［21］使用扎根理论构建涵盖政策属性、实施过程与效果三个方面的中国城市绿色转型政策评价指标体系；毛子骏与梅宏［22］构建政策工具—创新价值链和PMC指数模型对中、美、日、英、法五国人工智能政策文本进行比较分析和评价；宁凌等［23］利用DEA分析法从政策投入和政策产出两方面构建高技术产业政策评价指标体系，对广东省高技术产业政策绩效进行了评价。

1.2 PMC指数模型应用研究进展

国内学者张永安等［14］于2015年最早运用PMC指数模型结合文本挖掘方法对区域科技创新政策进行量化评价，团队后续对于变量的延展度做了进一步的调整，并在金融政策［15］、房地产政策［24］、新能源汽车政策［25］和网约车政策［26］等多个领域开展了实证研究。后多位学者综合参照已有模型对模型变量进行改进，董纪昌等［27］在一级变量中加入“政策效力级别”对单项房地产政策进行量化评价；宋大成等［28］根据开放数据特征在一级变量中加入“生命周期”。此外，随着深度学习的发展，王进富等［29］将PMC指数模型与AE技术相结合，提出了PMC-AE指数模型，实现了对10项军民融合政策的量化评价。总体来说，PMC指数模型从政策内容出发，尽可能全面考虑政策属性，削弱了评价的主观性，是一套完整科学的政策量化评价研究框架［30］。

1.3 PMC模型应用于智慧能源政策领域的优势

智慧能源旨在将先进的信息技术与现代能源的生产、消纳和用户交易深度融合，形成一种全新的能源形式［31］。构建智慧能源体系已被提升至国家战略的高度，然而当前我国对于智慧能源的研究多集中在其进展［32］、技术［33］和实际应用［34］，对相关政策的分析较少，且研究重点多为政策评述［35］，视角较为单一。对于智慧能源相关政策进行量化评价，有利于识别政策要点、提出优化路径。同时，理论上PMC指数模型对于变量数目没有限定，可根据研究需要适度扩充，以提升政策评价的科学性、系统性与综合性。

1.4 研究框架

综上所述，为加快推动我国智慧能源领域重点示范项目开展，实现源网荷储互动、多能协同互补、用能需求智能调控，本文将对目前PMC模型进行改进，扩充变量评价数目，构建PMC指数调优政策评估量化模型。在构建过程中，首先运用文本挖掘方法对我国双碳目标下的能源转型政策样本集进行分词处理、词频分析以及小团体识别，该过程将有助于梳理政策内容的背后逻辑与潜在关系；基于上述文本挖掘结果，为PMC模型设定更为贴合与细微的一级指标和二级指标，进行PMC模型计算和绘制PMC曲面图；最后根据更加科学、系统与综合的研究结果对我国双碳目标下，总体智慧能源规划、分领域能源规划和重点区域发展规划的提出、优化和调整提供有利的支撑。具体研究框架如图1所示。

2 研究方法

2.1 研究对象与数据来源

本文以智慧能源领域的政策文本为对象，截至2021年底，利用“智慧能源”“互联网+”“智能电网”“多能互补”“为源网荷储”“信息技术+能源”等关键词从中国政府网初步筛选出了17项典型的智慧能源相关政策。这17项政策样本从发布时间来看，早在2015年国务院就发布了关于促进智慧能源建设的知道意见；从发布机构来看，国务院发布的有2项，国家各部委发布的有13项，地方政府机构发布的有2项（表1）。将筛选出的政策样本全部转为文本格式，构建数据集进行深度文本挖掘。

表1 2015—2021年我国智慧能源政策样本列表Tab.1 Sample List of Smart Energy Policies in China，2015-2021

2.2 文本挖掘研究框架

本文以筛选出的17项典型的智慧能源政策文本为对象，利用ROST CM6与VOSviewer软件进行深度文本挖掘。具体研究步骤如下：1）利用ROST CM6对我国智慧能源政策样本集进行分词处理和词频分析绘制高频词词云图；2）利用VOSviewer聚类法对第一步确定的前30个高频词进行小团体识别与分析，确定主要词频小团体分类以及各小团体之间的网络图。基于上述两步文本挖掘结果，为智慧能源政策PMC指数优化模型确定更为贴合与全面的一级指标和二级指标设定。

2.3 PMC指数计算

借鉴Ruiz Estrada研究理论［13］以及张永安和郄海拓等的计算公式［14，15］，将PMC模型中各二级指标按照式（1）进行取值，随后通过式（2）得到一级指标数值，最后将每项政策样本中17个一级指标的数值通过式（3）计算出每项政策PMC指数。

式中，i为一级变量；j为二级变量；N为一级变量个数；n为二级变量个数。式（1）中二级变量分布在［0，1］区间，XR表示取整数，二级变量若符合指标关键词则取1，否则取0。

根据Ruiz Estrada对政策评级标准，将每项政策计算出的PMC数值分为4个等级：优异、良好、可接受、较差。由于本文有17项指标，所以PMC数值满分为17分，每个等级对应的PMC数值如表2所示。

表2 政策质量等级划分Tab.2 Policy Quality Grade Distribution

2.4 PMC指数曲面图构建

PMC指数曲面图是将PMC指数计算结果可视化呈现，利用不同的色块对PMC曲面凹凸程度进行量化分析。一般曲面凸出部分代表政策对应的指标PMC数值较高，凹陷部分代表政策对应的指标PMC数值较低，曲面越平滑代表该政策涵盖的作用范围越全面，有利于比较和分析具体指标对政策优劣的影响。本项工作将构建4×4 PMC矩阵的对称曲面图，计算公式见式（4）。

3 结果与讨论

3.1 高频词网络性分析

对汇总后的我国智慧能源政策利用ROST CM6进行高频词分析，剔除干扰词后，通过python对前100个高频词进行词云分析。结果显示，“互联网”“技术”“创新”是我国智慧能源政策样本集中出现概率最高的三个词，说明建设智慧能源体系需要创新的信息技术与传统能源体系相结合；“中央”“部门”“机构”“企业”“支持”等关键词说明，推进智慧能源体系改革需得到中央等相关政府机构和企事业单位的支持；“电力”“工业”“交通”“农业”“项目”“示范”等关键词说明，智慧能源转型将在电力、工业、交通运输、建筑业、农业、医疗卫生等行业示范部署；“储能”“资源”“分布式”“融合”“绿色”“清洁”“互补”等关键词说明，通过将储能技术与太阳能、风能等可再生能源与传统化石能源相融合，有利于形成多能融合互补、绿色低碳、高能效的新能源体系。

3.2 聚类识别与分析

通过VOSviewer聚类对前30高频词进行小团体识别与分析，共形成7个聚类（表3）。

表3 2015—2021年我国智慧能源文本小团体情况汇总表Tab.3 Summary Table of Smart Energy Text Cliques in China，2015-2021

结果显示，第1个聚类“创新机制”中“机制”“基础”“创新”是整个网络图谱的核心，这意味着我国能源格局要想朝向智慧、低碳方向转型，必须基于目前的研究基础，通过技术创新不断完善我国构建智慧能源格局的市场机制；第2个聚类“能源转型”中包括“市场”“技术”“支持”“改革”“设施”“资源”6个关键词，说明我国构建智慧能源格局的转型过程中，需要技术支持、基础设施建设、资源高效利用、体制机制改革以及最终市场化应用；第3个聚类“机构推进”中包括“企业”“国家”“项目”“示范”4个关键词，说明我国构建智慧能源格局需要国家的政策指导以及企业的承接推进，带动相关示范工程的部署与落地；第4个聚类“技术支持”说明能源智慧化变革离不开平台、大数据、智能应用场景等信息化技术的支持；第5个聚类“领域支撑”说明在构建智慧能源过程中需调动互联网领域、电力系统、电网领域的力量，保障能源供应测和需求侧的安全稳定；第6个聚类“基础建设”说明构建智慧能源基础设施应包括相关标准制定、信息化体系建设以及示范工程建设；第7个聚类“多能融合”说明构建智慧能源的根本是鼓励和推进储能与风能、太阳能等可再生能源进行多能融合，构建绿色、低碳、可持续的能源体系。

构建2015—2021年我国智慧能源文本挖掘数据小团体识别网络图。如图2所示，我国智慧能源政策集群涵盖了一个庞大且较完善的系统工程，需要从国家到地方，从大型国企到中小型创新企业的共同努力与支持。此外，信息化、数字化技术的创新研发对构建智慧能源体系至关重要。

图2 2015—2021年我国智慧能源文本挖掘数小团体识别网络图Fig.2 Small Group Identification Network Diagram of Intelligent Energy Text Mining Numbers in China，2015-2021

3.3 PMC指数模型指标设定

基于PMC指数模型，结合文本挖掘中的高频词、小团体识别、网络性分析及其内在逻辑，设定了PMC指数模型中一级变量。在传统不超过10个一级变量的基础上，针对智慧能源政策样本进行优化扩展，设定一级变量17个，二级变量115个（表4）。其中，传统经典模式的一级变量有10个，以智慧能源政策为对象优化扩充的一级变量共7个。

表4 2015—2021年我国智慧能源政策多投入产出表各级变量含义Tab.4 Definition of Indicators at All Levels in the Multi-Input and Output Table of China’s Smart Energy Policy，2015-2021

3.4 PMC指数计算与分析

基于上述PMC一级变量和二级变量的设定，将17项典型智慧能源政策样本导入多投入产出表。通过计算，得到每项政策各一级变量平均值和PMC指数数值、政策排名和政策整体初步评价结果（表5、图3）。

表5 2015—2021年我国智慧能源政策样本PMC指数Tab.5 PMC Index of China’s Smart Energy Policy Sample，2015-2021

图3 2015—2021年我国17项智慧能源典型政策的PMC指数和一级指标平均值Fig.3 PMC Index of 17 Typical Smart Energy Policies in China and Average Value of First-level Indicators from 2015 to 2021

结果显示，2021年能源局发布的《2021年能源工作指导意见》PMC指数最高，达到14.5，距离完美政策（PMC=15.3）等级的差距不足1分。其中政策范围、政策评价、研究基础、政策组合、政策重点内容、政策功能和政策种类这7项一级指标均为满分，说明该项政策覆盖范围全面、政策评价有理有据且充分明确、研究内容重点突出且丰富饱满。分析扩展变量发现，该项政策中通过调动多种能源种类和出台多项子政策有利于推动我国智慧能源体系构建，确保我国能源清洁低碳转型，实现“双碳”目标。而排名最后两位的政策均是2019年国家标准化管理委员会颁布的《关于加强能源互联网标准化工作的指导意见》（排名倒数第一）和《关于推广国家技术标准创新基地（智能电网）建设经验做法的通知》（排名倒数第二），PMC指数分别为9.1和9.2。分析17项一级变量发现，只有政策时效和政策发布机构这2项一级变量数值与17项政策样本在该项一级变量的平均值齐平，其他14项一级变量值均小于政策样本集的平均值。重点分析扩展变量发现，2019年国家标准化管理委员会颁布的关于我国智慧能源体系建设方案对多种能源种类的高效互补利用并没有涉及，对多种智慧能源技术工具利用还不够完全。

在时间尺度上，除去2019年国家标准化管理委员会颁布的两项政策，剩余15项智慧能源典型政策中，2020年前颁布的政策PMC指数平均值高于2020年之后的，分别为12.31和11.73。

3.5 PMC曲面图构建与分析

因本文中17项政策均为公开可获取政策，一级变量X10（政策公开）均为1.0，故在绘制PMC曲面图时将其剔除，只绘制除X10之外剩余16项一级变量的PMC曲面图。由于篇幅有限，本文将对17项智慧能源政策中排名前三（分别是P13、P5、P7）和排名后三（分别是P8、P9、P14）的政策PMC曲面图进行呈现和比较（图4）。

图4 2015—2021年我国6项智慧能源典型政策PMC曲面图Fig.4 PMC Curved Chart of Six Typical Smart Energy Policies in China，2015-2021

对排名前三的政策比较结果显示，排名第一的政策文本（P13），除去X3（政策发布机构）变量较低之外，PMC曲面较为平整，在政策范围、政策评价、研究基础、政策组合、政策重点内容、政策功能和能源种类这7项一级变量均得满分，说明该项政策在各个维度均有详细而科学的指导意见，涵盖了风、光、水、火、储等多种能源种类，并涉及新兴能源如氢能和生物质能的高效利用。排名第二的政策文本（P5）PMC指数较高，但PMC曲面较P13更具凹凸感，这主要是因为其政策时效、政策组合和能源种类这3个一级变量分数较低。究其原因，主要是该项政策是国务院为我国“十三五”期间国家信息化规划的指导建议，政策内容更注重能源技术工具的开发，如微电网、北斗卫星技术、虚拟电厂、互联网、数字化技术、5G通讯技术等信息化技术；其政策时效主要是短期目标。排名第三的政策文本（P7），PMC曲面同样并不平整，但与P5政策有很大的不同，通过考察一级变量数值发现，P7政策各个维度除去政策发布机构之外，没有明显短板，但由于该项政策发布较早（2018），政策内容中涵盖的技术工具和涉及的政策领域均不完善，最终PMC指数不高。

对排名后三的政策样本进行分析发现，排名倒数第一的政策文本（P8），其PMC曲面图具有较强的凹凸感，且整个曲面图颜色偏深（颜色越深，一级变量数值越小）。分析原因发现，这主要是由于该项政策是国家标准化管理委员会颁布的《关于推广国家技术标准创新基地（智能电网）建设经验做法的通知》，对于我国智慧能源体系建设中的各种技术手段、将达到的目标以及重点建设内容具有局限性，仅仅从标准建立的方面进行推进。排名倒数第二的政策文本（P9）是国家标准化管理委员会颁布的《关于加强能源互联网标准化工作的指导意见》。从这两项政策PMC曲面图和PMC数据可以得出，国家标准化管理委员会颁布的政策，相较于国务院、国家发展改革委、国家能源局及其他部委颁布的关于智慧能源建设的政策更具片面性，对我国智慧能源体系建设过程中各种技术工具和多种能源种类并没有进行全面的梳理，也未制定全面的标准体系。排名倒数第三的是P14政策文本，属于地方政府机构颁布的建设文件，未来需组织专家队伍，以国家部委颁布的系统文件为依据，结合本省发展现状，开展系统科学调查，以便做出更为全面、目标明确、责任分工到位的指导意见。

4 研究结论与对策建议

4.1 结论

本文创新性地将2015—2021年我国智慧能源典型政策文本背后隐藏的深层次信息通过高频词、网络图的形式进行挖掘与呈现，通过对高频词进行小团体分析，科学量化单个词组背后暗含的逻辑关系，基于文本挖掘结果，以更贴合政策文本内容来设定颗粒度更小、更微观的PMC指标体系。相较于传统的指标设定，本文将传统一级变量由10个扩展到17个，将二级指标扩展到115个，评价维度更为细微。主要结果如下。

1）17项智慧能源政策样本中，政策性质、政策评价、研究基础、政策公开、政策重点内容方面存在优势（一级指标均值大于0.8，高于一级指标数值平均水平）；政策范围、激励保障、政策作用对象、政策功能、能源服务、能源终端应用、能源种类方面还存在一定欠缺（一级指标均值0.6～0.8，处于一级指标数值平均水平）；政策时效、政策发布机构、政策领域、政策组合、政策技术工具方面还存在较大的不足需要完善（一级指标均值小于0.6，低于一级指标数值平均水平）。

2）从时间尺度来看，2019年及之前的政策文本PMC指数均值高于2020和2021年的政策文本。主要有两点原因：第一，在我国智慧能源建设初期，政策均来自于国务院或联合多个部委共同颁布，发布机构更加权威，政策制定更为严谨和全面；第二，经过五年能源变革，2020年后我国智慧能源建设已初具规模，其政策制定内容略有侧重，发展方向更有针对性。

3）从政策颁布机构性质来看，国务院、国家发展改革委和国家能源局等重要部委发布的政策目标更明确、内容更充实且全面，发展路径更为详细且科学；而国家标准化管理委员会和省级政府机构发布的政策内容有局限性，技术手段不够先进。