作者及简介
作者:
张鸿雁1,2,刘若琳1,2,周鹏1,2,任娜娜1,2
作者单位:
1.中国石油大学(华东)经济管理学院,山东 青岛 266580;
2.中国石油大学(华东)能源经济与政策研究院,山东 青岛 266580
作者简介:
张鸿雁(1994—),女,山东青岛人,中国石油大学(华东)经济管理学院副教授,研究方向为能源经济与管理。
论文相关信息
中图分类号:
F49;TK91
文献标识码:
A
文章编号:
1673-5595(2024)04-0011-11
DOI:
10.13216/j.cnki.upcjess.2024.04.0002
摘要及关键词
摘要:
随着各国对氢能战略布局的高度重视以及数字化在各个领域的深入发展,数字化与氢能技术的融合趋势更加凸显。基于数字化氢能相关专利申请数据,综合采用专利分析法和主题分析模型,探讨数字化与氢能技术的融合发展态势,并结合2006—2022年间中国A股上市企业的专利数据,深入探讨企业数字化转型如何影响氢能技术创新。研究结果表明:近年来数字化氢能技术融合趋势加强,企业的数字化转型对氢能技术创新具有显著的促进作用。异质性分析结论表明:区块链等数字化技术对氢能技术创新的积极作用较为明显,对其中实用新型技术创新产出的促进作用更为显著;在管理效率较低、研发人员数量更多以及非国有企业中,数字化转型对氢能技术创新表现出更积极的促进作用。基于此,从加大企业数字化转型发展支持力度、深入挖掘数字化和氢能技术的耦合应用潜力、探索新型创新模式和商业模式等方面,提出推动数字化氢能领域发展的对策建议。
关键词:
数字化;氢能;技术创新;协同发展
一、 引言
各国对全球气候变化及能源危机的关注日益增加,氢能作为一种清洁能源,因其高效、清洁、可再生的优势在全球范围内得到广泛关注。氢能技术具有巨大的潜力和应用前景,有望成为应对气候变化的关键清洁能源替代技术[1],也被视为具有潜在重大产业影响的颠覆性技术之一[2]。Ren等[3]的研究指明,中国近年来为解决化石能源过度依赖造成的严重问题,正在加快对氢能产业的行动部署。现有研究多关注技术、市场、资金等方面的氢能发展驱动因素[4-5],但氢能技术短期的稀缺性和长期的不确定性会阻碍对氢能最终用途和基础设施的投资[6]。因此,氢能技术的创新发展被认为是推动氢能产业发展及发挥其在能源系统脱碳中作用的关键。
在能源革命与数字革命不断推进的当下,能源产业与数字化产业之间逐渐显现出融合的趋势。Bhagwan等[7]探讨了数字化技术在能源行业的应用,特别是在数据分析、智能制造和网络安全等方面。数字化与能源产业的融合不仅推动了传统能源的高效利用,也为新能源的发展提供了广阔的空间。Olabi等[8]指出,人工智能、机器学习、数字孪生等数字化技术的应用可以使可再生能源及储能系统的能源集成管理更高效,缓解可再生能源的间歇性等问题,推动能源系统的效益提升和绿色转型;刘岢孟等[9]认为,氢能应与数字化技术融合,可以创造应用新模式,加速氢能产业创新。
数字化转型在推动新能源技术创新过程中发挥着至关重要的作用。Hao等[10]的研究揭示了数字化技术在实现清洁能源的高效利用方面影响显著,表明数字化能够为脱碳提供有利条件。尽管已有研究对数字化在氢能技术发展中的关键作用还未充分探讨,但从现有文献和行业报告中可以得到启示。You等[11]的研究显示,数字化是促进能源企业碳减排的有效手段之一,它不仅可以改变技术的开发和应用模式,还能够促进整个行业的转型和升级;As-penTech强调,数字技术是实现氢经济并达成碳减排目标的重要推动力[12];世界氢能理事会指出,氢能的发展有必要结合数字化技术进行研发和部署[13]。然而,尽管氢能在数字产业中受到青睐,但要实现广泛应用仍面临多重挑战,这些挑战主要包括氢能生产的成本、存储和运输的技术、市场接受度等问题。[14]
近年来,氢能行业在数字化技术的推动下,呈现出新的发展趋势,面临新的挑战。众多学者对此进行了深入研究,内容涵盖了氢能企业创新、行业脱碳战略、生产情景预测以及数字化技术应用等多个方面。Li等[15]的研究结合网络分析方法,强调了在氢能行业领域内构建跨学科领域的产学研协同创新体系的重要性;Zhou等[16]认为,要推动氢能行业的深度脱碳,结合大数据合理布局极为重要;Hauglustaine等[17]的研究聚焦于氢能生产的未来情景,结合具体的全球氢能转型方案和欧盟的氢能经济路线图,深入探讨了不同氢能发展路线的潜在减排影响和趋势;O̍Rourke等[18]关注氢能作为分布式能源的发展潜力,探讨运输和分配基础设施对氢能生产和部署的影响。总之,在数字化转型背景下,现有研究为实现氢能技术及产业的创新发展提供了新的研究启示和潜在思路。
从目前研究现状可以看出,清洁能源与数字化技术的融合尚处于初始阶段,且研究多集中在光伏等较为成熟的能源系统,而氢能作为具有巨大发展潜力的清洁能源,与数字化技术融合的相关研究较少。现有研究探讨和强调了氢能技术发展的挑战和驱动因素,但对于数字化转型在氢能技术创新发展过程中的关键作用,认知仍较为缺乏,对其融合趋势及影响作用缺少针对性地探究,关于数字化技术对氢能技术创新的作用机制和效果的异质性也尚未得到充分理解。因此,探究数字化与氢能技术的融合趋势及其潜在影响尤为重要。
本研究旨在探析数字化技术与氢能技术创新的融合现状与发展趋势,并分析这种融合对氢能技术创新发展的影响。为了深入探讨这一问题,本文首先采用专利分析法和潜在狄利克雷分配(Latent Dirichlet Allocation,LDA)主题分析模型,识别数字化氢能技术中的核心主题,揭示数字化与氢能技术的融合创新趋势及研究热点。其次基于实证分析,探究企业数字化转型对氢能技术创新的影响。不同的数字化技术,如人工智能、大数据分析以及区块链等,在不同的应用场景中的作用各异,例如,人工智能可能更多地影响过程创新,而大数据技术则可能在市场分析和消费者行为洞察上发挥更大作用[19],不同数字化技术对氢能技术的关联影响也可能有所不同。本研究进一步通过实证分析探讨数字化技术对氢能技术的影响机制,详细比较不同数字化技术与不同氢能技术创新类型在这一影响中的异质性作用。此外,企业内部资源和能力,如管理效率、研发团队等,对企业创新至关重要[20],数字化深刻影响着企业的管理和运营,对于不同的企业性质及运营管理特征,数字化对技术创新的影响可能具有异质性[21]。因此,本文最后通过调节效应分析,探究管理效率、研发人员规模、企业股权性质等企业内部因素如何调节这种影响。
综上所述,本文通过专利数据分析和实证研究,揭示数字化转型如何影响氢能技术创新,这不仅有助于理解氢能技术的当前发展趋势和面临的挑战,也可以为推动氢能技术与数字化转型的深度融合提供理论支撑。
二、数字化与氢能技术融合态势分析
(一)数据获取与处理
为研究数字化与氢能技术之间的融合现状,我们筛选并获取氢能领域与数字化领域重合部分的技术专利。首先,使用IncoPat专利数据库,根据美国专利及商标局(USPTO)的CPC专利分类体系筛选出氢能技术专利,剔除部分重复数据,最终获得1985年1月至2024年4月中国氢能技术相关专利数据共112 078条,技术专利数据获取时间为2024年4月20日。其次,尽可能全面地选取包括信息通信技术(ICT)在内的数字化领域相关关键词及分类代码[22-23],利用基于数字化技术专利的IPC分类号及关键词进行文本筛选,将筛选结果同氢能专利取并集[24],最终得到数字化氢能融合领域技术专利数据9 244条,具体数据获取及筛选方法如表1所示。
图1显示了氢能技术及数字化氢能技术专利的申请数量变化趋势。由于技术专利数据从申请到公开需要6—18个月的时间,因此本文当前获取的专利数据无法展示2023—2024年相关专利申请的全貌,而2001年前相关专利发展相对缓慢,因此图1仅显示了2001—2022年氢能及数字化氢能专利申请情况。从图1可以看出,中国氢能领域的技术专利申请数量在2015年以前维持在较低水平,这一时期主要为氢能行业的探索和基础研究阶段,因此技术产出相对较少;2015年以后,中国氢能领域专利申请数量显著增长,在2022年达到峰值20 789件,显示出近年来氢能技术的快速发展。从数字化氢能技术专利申请趋势来看,2017年以前数字化技术在氢能领域的应用相对较少,表明前期数字化相关技术并未广泛应用至氢能中;2017年以后开始稳步增长且上涨趋势更为显著,体现了近5年来数字化与氢能的技术融合趋势明显加强。这表明数字化技术与氢能产业具有关联性,数字化技术正日益加速渗透到氢能产业领域,推动了产业融合的进程。
表1 数据筛选与检索内容
图1 相关技术专利申请数量
(二)基于LDA的专利文本主题分析
LDA主题分析是一种利用自然语言处理和机器学习技术的文本分析方法。该模型假设文档具有“文本—主题—关键词”的三层结构,通过分析这些主题,可以提取文本内容的关键信息,进而深入研究对象的特征。因此,本文基于Python编程语言对整体专利数据的主题进行聚类、关键词提取,并计算主题与关键词之间的关联度,最终以可视化形式展示提取结果。文本分析的基本流程如图2所示。
图2 文本分析基本流程
从图3的困惑度—主题数曲线可以看出,当主题数小于6时,随着主题数增加,困惑度急剧下降;但是当主题数大于6之后,困惑度不再随着主题数变化有明显波动。因此,本文认为,基于分词结果,最佳主题数为6。
使用LDA主题分析模型,以6为主题数进行关键主题分析,并在分析完成后提取每个主题的前5个关键词,结果如表2所示。
主题1中的关键词包括氢气、装置、系统、制氢和储氢,这些词汇指向氢燃料的生成、存储和管理系统,强调氢作为能源载体的技术,涉及氢能的制取及储存技术;主题2关键词有燃料电池、系统、模块、控制器和电池,更多是关于燃料电池及其系统集成与控制技术,涉及系统设计和性能优化;主题3关键词有膜、电极、质子、燃料电池和交换,这些关键词与氢能及燃料电池制备中的核心材料和组件有关,如质子交换膜和电极材料;主题4关键词包括燃料电池、装置、电堆、传感器和氢气,这涉及燃料电池的硬件设备、电堆组件以及与传感器相关的监测技术,可视为燃料电池装置与传感技术;主题5中关键词有燃料电池、系统、控制、控制器和电堆,专注于燃料电池系统的控制策略和控制系统设计;主题6关键词有制备、石墨、材料、烯和传感器,这个主题更多关注于新材料的合成,特别是石墨烯或其他碳基材料在能源技术中的应用。
图3 困惑度—主题数曲线
表2 主题—关键词
综上所述,LDA主题分析模型结果有助于了解每个主题的技术焦点。具体而言,数字化氢能技术领域1985—2024年的专利主题分布在部分领域存在小幅聚类现象,尤其是在燃料电池相关技术中,显示了较强的数字化氢能技术融合倾向;此外,各领域整体主题数量较多,涉及氢能的制备、储运、应用等不同环节,技术发展中新兴技术主题较多,研究领域开拓范围大,主题呈现多样化、分散化趋势。
三、研究设计
(一)数据来源
本文聚焦2006—2022年期间申请了至少1项氢能专利的中国A股上市公司,共计516家样本公司。选择2006—2022年作为研究时段,一方面,是为了保证专利数据及企业经营管理数据的可获得性和完整性;另一方面,是因为这期间氢能产业以及相关数字化应用经历了显著的成长和发展,有助于捕捉数字化赋能氢能技术创新的动态效应。与基于行业代码或公司名称进行样本选择的研究相比[25],本文基于公司专利行为的样本包括了来自非能源部门的潜在创新者,因其生产或服务可能涉及氢能转型,故本文的样本包含那些有能力进行氢能技术发展及数字化转型的公司。另外,本文去除了所有标记为“ST”和“∗ST”的企业,同时剔除了金融机构样本,对缺失值采用样本均值进行补充,最终获得4 792个样本观测值。为了防止极端值对研究的影响,本文对连续变量进行上下1%的缩尾处理。本文所采用的专利数据来自IncoPat专利数据库;借鉴吴非等[26]的研究,获取人工智能、云计算、区块链、大数据、数字技术应用等支持企业数字化转型研究的文本相关数据;公司层级的相关数据主要来自中国股票市场与会计研究数据库(CSMAR)[27]。
(二)变量选取
1.被解释变量
本文选取氢能专利申请数量(Hrsum)为被解释变量,以氢能领域的技术专利申请数量代表企业氢能技术创新产出。基于上市公司的股票代码,将专利数据与企业经营管理数据进行匹配,并计算每个上市企业每年度的氢能专利申请数量。
2.解释变量
本文选取数字化转型战略关键词词频总数(Swf)为解释变量。以企业年度报告的管理层讨论与分析(MD&A)中数字化相关关键词的频率,作为衡量企业数字化转型战略的替代指标,这样可以避免采用技术专利数据作为指标带来的内生性问题。同时,本文考虑了技术创新的潜在滞后效应,分析了数字化转型的当前效应和滞后一期的滞后效应,以更好理解数字技术对氢能产业发展的影响机制。
3.控制变量
鉴于研究目标是探究数字化技术对氢能产业发展的影响机制,本文选择了一系列与创新和企业发展相关的控制变量作为协变量。具体而言,选择了以下变量作为控制变量:研发投入(RD)、企业规模(Size)、管理层薪酬(Salary)、董事会规模(Board)、资产负债率(Lev)、管理层持股比例(Mshare)、独立董事比例(Bi)、第一大股东持股比例(Largest)、总资产净利润率(Roa)、销售增长率(Sgth)、股权制衡度(Balance)、企业成立年限(Age)、是否存在两职合一即同时兼任董事长和总经理(Dual)、是否受四大审计机构审计(Big4)、是否国有企业(Soe)。本文最终包含样本数据4792条,各变量描述性统计数据详见表3。
表3 描述性统计
(三)模型设定
本研究中的因变量为计数变量,且存在大量的零值。解决计数问题的两种主要方法是负二项回归模型和泊松回归模型。当计数数据样本离散程度较高,其方差显著超过平均值时,负二项模型更为适用。根据描述性统计,氢能专利申请数量存在过度分散的问题,因此本文使用负二项模型来估计数字化转型战略对氢能技术创新的影响。实证模型为
式中:下标i和t分别表示企业和年份;被解释变量Hrsumit表示企业氢能专利申请数量;解释变量ln(Swf)it表示数字化转型水平,即对数字化相关关键词词频取对数;估计系数β刻画了数字化对氢能技术创新的影响效应;Controls表示控制变量集合;vi和ωt分别表示企业固定效应和时间固定效应;εit表示误差项。
四、实证结果与分析
(一)基准回归
以中国A股上市公司为样本,探究数字化转型和氢能技术创新之间的关系,采用负二项回归分析,结果如表4所示。
表4同时展示了数字化转型当期和滞后一期对氢能技术创新的影响。根据变量间的相关系数,可把协变量分为主要协变量和其他协变量,主要协变量(Maincontrols)包括RD、Salary、Roa、Age、Bi、Bal-ance、Board、Lev和Mshare,其他协变量(Othercon-trols)包括Size、Largest、Sgth、Dual、Big4和Soe,这有助于控制其他企业因素对于技术创新的影响。
结果显示,自变量(lnSwf)系数在1%水平下显著大于0,这表明企业数字化转型能够正向促进氢能专利的产出。此外,考虑了滞后一期的企业数字化水平对氢能专利的影响,并加入了企业及年份固定效应,尽可能控制其他未观测因素的潜在影响。结果显示,滞后一期的企业数字化转型(L.lnSwf)系数在1%水平下依然显著为正。一方面,这体现了创新的滞后性和潜在的长期效应;另一方面,这可能是由于,企业在上市年报中公布的数字化信息既代表着企业对当年数字化转型工作的总结,同时也代表企业对于下一阶段的规划。因此,考虑创新的滞后性和企业年报中信息的多元性,同时纳入企业数字化转型的当期影响和滞后一期影响是有必要的。总之,研究结果表明,上市企业的数字化转型对其氢能技术创新产生了显著的积极影响。
表4 基准回归结果
(二)稳健性检验
1.内生性检验
由于本研究所观测的样本不是随机得到的,而是基于数据公开性和可得性选取的,具有潜在的样本选择问题,这可能引起内生性偏误。进一步采用Heckman两步法来解决样本自选择问题可能导致的估计偏误,确保结果的可靠性,即将数字化转型对企业创新行为的估计过程分为两步,以得到更精准的数字化对氢能技术创新发展的影响结果。具体以数字化水平、控制变量和其他相关因素为自变量,企业是否进行数字化转型为因变量,构建选择模型,考察企业特征变量对企业数字化转型决策的影响,利用Probit模型进行估计,构造逆米尔斯比率(InverseMills Ratio,IMR);进而,将逆米尔斯比率作为解释变量添加到基本模型中,使用负二项回归模型探究数字化转型对氢能技术创新的影响,以纠正因选择性样本而引起的内生性偏误,并同时控制年份固定效应和企业个体固定效应,以减少遗漏变量干扰。检验结果如表5所示。
Heckman检验的结果显示,IMR项在回归中不显著,表明样本选择偏差问题并不严重。表5列(1)第一步的Probit回归控制了可能影响企业是否进行数字化转型的因素,在控制样本选择偏误后,负二项回归结果得到了与基准回归一致的结论,数字化转型系数在1%的水平下显著为正,表明数字化转型显著促进了企业氢能技术创新,结论依然稳健。
表5 Heckman检验
2.替换模型
本文在基准分析中使用了负二项回归模型,进一步使用更换模型的方式来检验结果的稳健性。首先,使用OLS模型进行检验,由于该模型适用于因变量为连续变量的情形,因此,使用因变量变换对数形式的OLS方法,且在取对数之前对于0值做加1处理。其次,采用同样适用于处理计数数据的泊松模型进行稳健性检验,结果如表6所示。
表6研究结果显示,数字化转型的发展促进企业氢能技术创新的观点得到了进一步支持。模型中滞后一期自变量系数值表明,数字化对促进创新具有持续的积极影响,这一结论在使用OLS模型及泊松模型进行检验后,结果依然稳健。
表6 替换模型检验
(三)异质性分析
1.不同数字化技术的异质性分析
为进一步探讨不同数字化转型战略对氢能技术创新的异质性作用,本文通过人工智能、区块链、云计算、大数据和数字技术应用5类数字化技术进行异质性分析,结果如表7所示。
表7中Panel A的结果显示,人工智能、区块链、云计算、大数据技术及数字技术应用均在1%的显著性水平下对氢能技术创新有正向影响。为了进一步检验这些影响是否存在异质性,Panel A列(6)显示,在模型中同时纳入不同数字化技术后,区块链技术的积极影响更为明显,表明区块链在促进数据安全和信息共享方面对氢能技术创新有着重要推动作用。此外,对这一模型中的系数进行统一的假设检验,卡方值为11.07,对应的P值为0.025 8,在5%的水平下显著。这一结果拒绝了所有技术变量对氢能技术创新有相同影响的零假设,从而支持了存在显著异质性的替代假设。这一统计结果表明,不同数字化技术在氢能技术创新中的作用存在显著差异。
表7中Panel B的分析进一步考察了这些数字化技术的滞后效应对氢能技术创新的影响。结果显示,不同数字化技术在滞后一期对氢能技术创新的积极影响仍在1%的水平下显著,表明这些技术的发展对氢能技术创新有着持续的影响。Panel B列(6)进一步的统计检验也揭示了滞后效应之间也存在显著的异质性,(Chi2=16.99,P=0.0019)。此外,表7结果表明,除了积极影响更为明显的区块链技术外,人工智能技术和数字技术应用在当期和滞后一期均对氢能技术创新也具有较为显著的积极影响。人工智能技术与数字技术应用可以帮助企业分析和处理海量数据和信息,有助于企业更好地了解市场和客户需求,进而及时制定和调整研发计划和创新策略,从而推动氢能专利的开发和创新。
表7 不同数字化技术对氢能创新发展的异质性分析
2.不同氢能技术创新类型的异质性分析
在不同专利类型的异质性分析中,我们专注于数字化转型对不同类型专利(发明专利和实用新型专利)的影响。回归结果如表8所示。研究结果表明,不管是在同期还是在滞后一期的分析中,两类技术专利都显著受到了数字化转型的积极影响。
表8 不同氢能技术创新类型的异质性分析
为了验证发明专利和实用新型专利在数字化转型影响下的差异性,我们进一步进行了组间系数差异性检验。组间检验的结果证实,数字化转型对当期的氢能实用新型专利的影响确实比对发明专利更加显著(P=0.000),在滞后一期差异性则相对降低(P=0.796)。这一结果表明,数字化转型对不同氢能技术专利类型具有显著异质性的当期影响。这可能是由于随着氢能技术的快速发展和市场应用需求的增长,企业数字化转型加快了氢能技术在多元领域的实际应用,从而促进了实用新型专利的增长。然而,从滞后一期角度来看,这种影响差异性相对减弱,数字化转型对发明专利和实用新型专利的促进作用趋于一致。因此,通过系数的统计检验,明确了不同技术类型在影响氢能创新方面的显著差异,数字化转型的影响效应会因不同的数字化技术和专利类型而有所不同。
(四)调节效应分析
进一步引入调节效应分析,旨在深入了解哪些因素可能会调节数字化转型对氢能技术创新的影响效果,从而找到能够促进数字化与氢能技术创新融合发展的关键因素。表9聚焦管理效率(ME)、企业研发人员规模(RDperson)、企业股权性质(Soe)等因素,旨在识别和分析促进数字化与氢能技术创新融合发展的关键内部因素。利用企业的全要素生产率指标衡量管理效率,这一指标综合考量了企业如何利用资本和劳动力等资源进行有效生产。为了考察研发人员规模对数字化技术与氢能技术创新关系的潜在调节作用,我们依据RDperson来区分研发人员规模水平,高于平均企业研发人员数量的企业标记为1,而低于平均值的企业则标记为0;把企业性质Soe分为国有企业(Soe=1)和私营企业(Soe=0),不同企业性质有着不同的治理结构、资源配置和战略取向,相较于国有企业拥有更多的政策支持和资源获取方面的优势,私营企业则可能更依赖市场驱动和竞争压力来实现技术革新。本文通过对管理效率(ME)、企业研发人员规模(RDperson)以及股权性质(Soe)构建调节效应模型,分析调节变量的影响作用。
研究发现,管理效率的交互项系数在10%的水平下显著为负,表明在管理效率较低的企业中,数字化转型对氢能技术创新的积极作用更显著。这可能是因为:在管理效率较低的企业,数字化转型有助于提升其运营管理能力,从而推动其氢能技术创新的发展。因此,对于管理效率较低的企业,数字化转型带来的潜在积极影响更为明显。
表9 调节效应分析
研发人员规模的交互项的系数在1%的水平下显著为正,表明在研发人员较多的企业中,数字化转型对氢能技术创新的积极作用得到了加强。这表明拥有更多研发人员的企业能够更有效地利用数字化技术进行技术创新,强调企业在数字化时代应重视构建规模化的研发团队,并通过数字化手段激发其创新潜力。
本研究还发现,企业股权性质也具有调节作用,其交互项的系数在模型中显著为负,这表明国有企业在利用数字化技术推动氢能技术创新方面的积极作用较小。相比之下,私营企业在同样的环境下发挥出更大的创新效应。这一发现表明,数字化转型有助于充分激发私营企业的活力,大幅提升其在氢能技术创新等方面的潜力。
五、结语
本文通过专利分析法和LDA主题分析法,揭示了数字化转型和氢能技术创新的融合趋势。基于实证研究,探究了企业数字化转型对氢能技术创新发展的积极影响,通过稳健性检验保障了实证结果的有效性;进一步从不同数字化技术、不同氢能技术创新类型两个角度,研究了数字化转型对氢能技术创新的异质性影响;最后从管理效率、企业研发人员规模、企业股权性质等因素,研究了其对数字化赋能氢能技术创新的调节效应。研究结果表明:数字化技术与氢能技术呈现显著融合趋势,企业的数字化转型战略有助于推动其在氢能技术方面的创新产出。异质性分析表明:区块链等数字化技术对氢能技术创新具有显著的影响,尤其对实用新型的氢能技术创新影响更为显著。调节效应分析表明:在管理效率较低、研发人员规模更大的企业以及私营企业中,数字化技术对氢能技术创新的促进作用更为显著。
通过揭示企业数字化转型对氢能技术创新的显著影响,本文认为,政策制定者、企业以及学术界均应采取积极措施来推动氢能领域数字化的发展。首先,政府的角色不可或缺,有效的政策支持,如财税优惠政策和专项基金的设立,可以鼓励企业在数字化方面的投资,促进数字化技术与氢能技术的深度融合。其次,企业本身也需采取战略行动,在加强内部管理和数字化转型的同时,企业应通过跨部门协作和数据驱动决策来提高数字化转型的积极性,如通过建立内部创新平台或孵化器的方式,鼓励员工在数字化与氢能技术融合领域的创新尝试,推动企业的竞争力提升。此外,跨学科的合作和实证研究的加强,也有助于推动数字化氢能领域技术的发展,特别是在二者融合的关键应用范围内,如在交通和建筑业等领域,学术研究的深入能够提供新的视角和解决方案。
本研究也存在一些局限性,如研究范围受限于中国案例、数据可获取性和质量等。未来研究可以扩大研究范围,探索更多数据来源和方法,深入探讨能够进一步影响氢能与数字化的融合趋势的关键因素,探究更为有效先进的数字化与氢能融合创新模式等。
参考文献
[1]Ashari P A,Blind K,Koch C.Knowledge and Technology Transfer via Publications,Patents,Standards:Exploring the Hydrogen Technological Innovation System[J].Technological Forecasting and Social Change,2023,187:122201.
[2]Iqbal M S,Abdul Rahim Z.Understanding the Potential of Hydrogen as a Game-Changing Energy Source[J].Chemical Engineering & Technology,2023,46(12):2577-2582.
[3]Ren X,Dong L,Xu D,et al.Challenges towards Hydrogen Economy in China[J].International Journal of Hydrogen Energy,2020,45(59):34326-34345.
[4]Xu C,Wu Y,Dai S.What are the Critical Barriers to the Development of Hydrogen Refueling Stations in China? A Modified Fuzzy DEMATEL Approach[J].Energy Policy,2020,142:111495.
[5]唐旭东.珠三角氢能产业发展及制约因素分析[J].石油石化绿色低碳,2021,6(1):54-60.
[6]Odenweller A,Ueckerdt F,Nemet G F,et al.Probabilistic Feasibility Space of Scaling up Green Hydrogen Supply[J].Nature Energy,2022,7(9):854-865.
[7]Bhagwan N,Evans M.A Review of Industry 4.0 Technologies Used in the Production of Energy in China,Germany,and South Africa[J].Renewable and Sustainable Energy Reviews,2023,173:113075.
[8]Olabi A G, Abdelkareem M A, Jouhara H.Energy Digitalization:Main Categories, Applications, Merits, and Barriers[J].Energy,2023,271:126899.
[9]刘岢孟, 高俊莲, 孙旭东,等.我国港口城市氢能发展潜力与对策研究[J].中国工程科学, 2022,24(3):108-117.
[10]Hao X,Li Y,Wu H.Ways to Improve the Efficiency of Clean Energy Utilization:Does Digitalization Matter?[J].Energy Strategy Reviews,2023,50:101257.
[11]You Y,Yi L.Energy Industry Carbon Neutrality Transition Path:Corpus-based AHP-DEMATEL System Modelling[J].Energy Reports,2022,8:25-39.
[12]Accelerating the Hydrogen Economy through Digitalization[R/OL].[2023-12-13].https://www.aspentech.com.
[13]Hydrogen Meets Digital:New Opportunities for the Energy and Mobility System[R/OL].[2023-12-13].https://hydrogencouncil.com/en/hydrogen-meets-digital.
[14]中国氢能联盟.中国氢能源及燃料电池产业白皮书2020[M].北京:人民日报出版社,2021.
[15]Li W,Zheng X.Development Mechanism and Technological Innovation of Hydrogen Energy:Evaluating Collaborative Innovation Based on Hydrogen Patent Data[J].International Journal of Hydrogen Energy,2024,52:415-427.
[16]Zhou J,Wu Y,Tao Y,et al.Geographic Information Big Data-driven Two-stage Optimization Model for Location Decision of Hydrogen Refueling Stations:An Empirical Study in China[J].Energy,2021,225:120330.
[17]Hauglustaine D,Paulot F,Collins W,et al.Climate Benefit of a Future Hydrogen Economy[J].Communications Earth & Environment,2022,3(1):295.
[18]O 'Rourke P,Mignone B K,Kyle P,et al.Supply and Demand Drivers of Global Hydrogen Deployment in the Transition toward a Decarbonized Energy System[J].Environmental Science & Technology,2023,57(48):19508-19518.
[19]Chen H,Chiang R H,Storey V C.Business Intelligence and Analytics:From Big Data to Big Impact[J].MIS Quarterly,2012,36(4):1165-1188.
[20]Barney J B.Firm Resources and Sustained Competitive Advantage[J].Journal of Management,1991,17(1):99-120.
[21]Chen X,Zhou P,Hu D.Influences of the Ongoing Digital Transformation of the Chinese Economy on Innovation of Sustainable Green Technologies[J].Science of The Total Environment,2023,875:162708.
[22]Kangas H L,Ollikka K,Ahola J,et al.Digitalisation in Wind and Solar Power Technologies[J].Renewable and Sustainable Energy Reviews,2021,150:111356.
[23]Zhang H,Gao S,Zhou P.Role of Digitalization in Energy Storage Technological Innovation:Evidence from China[J].Renewable and Sustainable Energy Reviews,2023,171:113014.
[24]Wu C C,Leu H J.Examining the Trends of Technological Development in Hydrogen Energy using Patent Co-word Map Analysis[J].International Journal of Hydrogen Energy,2014,39(33):19262-19269.
[25]Chang K,Zeng Y,Wang W,et al.The Effects of Credit Policy and Financial Constraints on Tangible and Research & Development Investment:Firm-level Evidence from China 's Renewable Energy Industry[J].Energy policy,2019,130:438-447.
[26]吴非,胡慧芷,林慧妍, 等.企业数字化转型与资本市场表现——来自股票流动性的经验证据[J].管理世界, 2021,37(7):130-144.
[27]Wu Y,Wu Y P,Guerrero J M,et al.Digitalization and Decentralization Driving Transactive Energy Internet:Key Technologies and Infrastructures[J].International Journal of Electrical Power & Energy Systems,2021,126:106593.
本文刊载于中国石油大学学报(社会科学版)2024年第4期,长按识别或扫描下方二维码查看原文,也可点击推文左下角“阅读原文”查看。
论文责编 | 曲 红
微信编辑 | 陈婷婷
微信责编 | 姜洪明
审 核 | 王旱祥
往期回顾