1.2　知识图谱结果与分析

1.2.1　能源消费领域文献的年代分布

某领域的论文在时间上的分布能够在一定程度上反映该领域的学术研究规模以及动态变化，通过绘制2008—2018年能源消费领域的年度发文量统计图，可以从宏观角度上把握该领域近十年的研究趋势。

由图1-1可以看出，能源消费领域的文献量总体上呈现上升的趋势，由2008年的318篇攀升到2017年的1372篇，其中2010年到2017年的增长幅度较大，主要是由于2010年中国成为最大能源消费国以及2012年中国发布«中国能源政策白皮书»，对能源消费领域的研究规模产生了一定的积极影响，直到2018年发文量虽有下降但仍保持较高水平。由此可见，能源消费问题越来越引起学界的重视。

1.2.2　能源消费领域文献的国家分布

能源消费能够直接影响到一个国家的生态环境问题，因此，随着经济的快速发展，能源消费问题也逐渐受到各国的关注。以一年为切片，节点类型选择country，阈值设置（2，2，20），（4，3，20），（3，3，20），选择标准为Top 50，不对网络进行剪切，生成2008—2018年能源消费领域文献的国家分布和合作网络图谱，并在此基础上统计该领域Top 16的国家，分别见表1-2和图1-2。

由表1-2的结果显示，PEOPLES R CHINA（中国）、USA（美国）、ENGLAND（英国）、ITALY（意大利）、FRANCE（法国）、SPAIN（西班牙）、GERMANY（德国）、JAPAN（日本）、IRAN（伊朗）这九个国家在能源消费领域的文献数量均超过300篇，其中，以PEOPLES R CHINA（中国）和USA（美国）文献量最为突出，分别达到2567篇和1288篇，远远超过排名第三的ENGLAND（英国）。但是在这九个国家中，只有USA（美国）、ENGLAND（英国）、FRANCE（法国）、GERMANY（德国）四个国家的中介中心性不小于0.1，表明这四个国家成为具有高影响力的国家。PEOPLES R CHINA（中国）能源消费领域的文献量虽然非常的大，名列第一，是USA（美国）的两倍，但是中介中心性仅达到0.03，相对过低，并没有进入高影响力的国家行列。由此可见，一个国家的文献量虽然重要，但是不能仅仅体现数量，更需要质量，因为文献质量具有一定的创新引领作用。

图1-2具有节点72个，连线514条，节点的大小代表国家的发文量，节点的连线代表各个国家合作的强度，节点的圈层代表各个作者初次合作的时间。首先，PEOPLES R CHINA（中国）、USA（美国）以及JAPAN（日本）自2008年就有大量学者对能源消费领域进行研究，并且一直持续到2018年。其次，USA（美国）、ENGLAND（英国）、ITALY（意大利）、FRANCE（法国）、SPAIN（西班牙）、GERMANY（德国）这几个国家的合作网络线较为密集，可见与其他国家的合作较为广泛，而PEOPLES R CHINA（中国）的合作网络线相比之下比较稀疏，可见与其他国家的合作较为贫乏。中国学者应当多与其他国家学者合作，除了得到高质量的科学知识交换外，还可以在学术圈获得更高的认可度。

1.2.3　能源消费领域文献的研究机构分布

能源消费问题已经越来越受到学界的关注，各种机构也纷纷开始此领域的研究，具有影响力的研究机构能够推动此领域研究的进展。通过以一年为切片，节点类型选择institution，阈值设置（2，2，20），（4，3，20），（3，3，20），选择标准为Top 50，不对网络进行剪切，生成2008—2018年能源消费领域文献的机构分布和合作网络图谱，见图1-3，并在此基础上统计该领域Top 20的机构，生成表1-3。

由表1-3可知，发文量排名前十的机构是Chinese Academic Science（中国科学院），Tsinghua University（清华大学），North China Electric Power University（华北电力大学），University Tehran（德黑兰大学），Islamic Azad University（伊斯兰阿扎德大学），Tianjin University（天津大学），Beijing Institution Technology（北京科技大学），Tongji University（同济大学），Hunan University（湖南大学），COMSATS Institution Information Technology（信息技术学院），其中能源消费领域发文量大且中介中心性不小于0.1的机构为Chinese Academic Science（中国科学院）和Tsinghua University（清华大学），Chinese Academic Science（中国科学院）以累计140篇论文发表量高居榜首，Tsinghua University（清华大学）以133篇论文发表量位居第二，远远高于其他机构的发文量，形成了能源消费领域的两大研究高地，它们各自形成合作圈并且建立合作关系，有效促进能源消费领域的研究。

图1-3具有节点364个，连线411条，节点的大小代表机构的发文量，节点连线的密集程度代表各机构之间的合作强度。显然，Chinese Academic Science（中国科学院）和Tsinghua University（清华大学）的节点最大，他们的发文量最多，其次，它们的网络线十分密集且颜色并不单一，这表明Chinese Academic Science（中国科学院）和Tsinghua University（清华大学）在2008—2018年与其他机构均有不同程度的合作，在2016年，它们之间有两次合作。University Cambridge（剑桥大学）和University California Berkeley（加州伯克利大学）在2008年与其他机构的合作较为频繁，形成一个紧密的合作网络，并且它在能源消费领域的研究持续到2017年，2018年并没有关于此领域论文的发表。Zhejiang University（浙江大学）、Hunan University（湖南大学）、Beijing Institution Technology（北京科技大学）在2018年与其他机构的合作较多，并且Hunan University（湖南大学）、Beijing Institution Technology（北京科技大学）以各自为中心形成了一个小型的合作网络。

1.2.4　能源消费领域文献的作者分布

具有影响力的作者能够引领能源消费领域的研究方向，重要的引领者作者共现分析能够反映某一研究领域的核心作者及其合作强度。以一年为切片，节点类型选择author，阈值设置（2，2，20），（4，3，20），（3，3，20），选择标准Top 50，不对网络进行剪切，绘制2008—2018年能源消费领域文献的作者分布和合作网络图谱，见图1-4，在此基础上，统计该领域文献发表量Top 18的作者，见表1-4。截取图1-4中两个较为紧密的作者分布和合作子网络，见图1-5和图1-6，在图1-4的基础上，聚类方式选择“timeline”，聚类标签选择“title”，生成能源消费领域文献的作者分布和合作鱼眼图，见图1-7。

图1-4中共有节点896个，连线1175条。节点的大小代表作者的发文量，节点的年轮代表每个时间段，越往里层时长越早。图中节点较大的有WANG Y，ZHANG Y，LIU Y，LI Y，因此这四位作者的发文量最多，结合表1-4可知，他们的发文量分别为46篇、42篇、41篇和33篇。从年轮来看，ZHANG Y最早开始能源消费方向的研究，并且小有成果，他的论文发表量在2013—2016年最多，2017年也有一定量的论文发表，2018年发文量大幅减少。通过网络线的粗细可以测定作者之间的合作程度，较粗表示两个作者之间合作较为频繁，较细则表示两个作者之间偶有合作；网络线的密集程度反映作者合作的广泛程度，网络线密集表明与多个作者建立了合作关系。图中的网络线密集且粗，说明在2008—2018年作者之间的合作较为成熟，已经形成了一个紧密的合作网络，对能源消费领域研究的深入打下了坚实的基础。此外，学者们在每个时间段也有十分紧密的合作，由图1-5可知，在2008—2010年，YOSHINO H，ZHOU H，WEI XQ，LI NP，LI ZH，ZHAO J形成了一个合作网络，由图1-6可知，在2013年，WU J，ZHANG XH，DENG SH，XIAO H，LI YW，HAN J形成一个小而密的合作网络。在2017—2018年，以WANG Y，LIU Y，LI J为中心逐渐形成一个合作网络。随着时间的推移，每个阶段都有不同的学者投入能源消费领域的研究上，并且相互合作，这更加有利于能源消费领域研究的创新。

由图1-7可知，作者的能源消费领域的研究主题主要分为13类，其中，前四类分别为air conditioning energy consumption（空调能源消费）、rubber vulcanization process（橡胶硫化过程）、hard milling（硬铣削技术）、building sector（建筑行业）。可见这几个方向更加受到学者的青睐，他们在这些主题上发文量居多。但是building sector（建筑行业）方向的研究存在时间较短，研究热度主要在2008—2010年比较高，在2012以后便没有作者开展此方向的研究，其次，有少量学者运用artificial neural networks model（人工神经网络）对能源消费进行研究，虽然自2009年一直持续到2018年，但是此方面的发文量并不多，成果并不显著。

根据图1-7，我们可以具体地了解作者的研究方向，此处选取几个具有代表性的作者进行相关的分析。ZHANG Y、WANG Y主要的研究方向都是air conditioning energy consumption（空调能源消费），其中ZHANG Y在2008年开始能源消费领域的研究，2012—2018年也一直持续此方向的研究，WANG Y在2011年左右才开始此方向的研究，但是发文量很多。此外，他们还涉及其他的研究方向，主要包括rubber vulcanization process（橡胶硫化过程）、hard milling（硬铣削技术）、building sector（建筑行业）、hainan province（海南省）、office building（办公楼）。LIU Y的主要研究方向为rubber vulcanization process（橡胶硫化过程），在2014年左右，开始与不同的学者合作，开展此方向的研究，其次，他的研究方向较为广泛，主要有air conditioning energy consumption（空调能源消费），building sector（建筑行业），hainan province（海南省），affecting commercial energy consumption（影响商业能耗），office building（办公楼），survey research（调查研究）这几个方向。LI Y的研究方向主要为hard milling（硬铣削技术），在早期有关于artificial neural network model（人工神经网络模型）方向的研究。ZHANG L的研究方向比较单一，主要研究hainan province（海南省）的能源消费问题。SHAHBAZ M的研究方向主要为affecting commercial energy consumption（影响商业能耗），他在2009年与APERGIS N有过一次此方向研究的合作，在2012年对商业能耗的研究明显增加。LI J的研究方向主要是office building（办公楼）的能源消费，与其他作者的合作较少，在2018年左右，开始与其他作者合作，开展air conditioning energy consumption（空调能源消费）、rubber vulcanization process（橡胶硫化过程）方向的研究。

1.2.5　能源消费领域文献的期刊源分析

某一领域的期刊源分析既是确定此领域核心期刊的依据，也反映了该领域研究所涉及的学科。以一年为切片，节点类型选择cited journal，阈值设置（2，2，20），（4，3，20），（3，3，20），选择标准为Top 50，不对网络进行剪切，绘制2008—2018年能源消费领域文献的期刊共引图谱，见图1-8，在此基础上统计此领域共引频次Top 20的期刊，见表1-5。

由表1-5我们可以看出，期刊共被引次数超过1000次的期刊有六种，主要包括ENERGY POLICY（能源政策）、ENERGY（能源）、APPLIED ENERGY（应用能源）、RENEWABLE SUSTAINABLE ENERGY REVIEW（可再生能源和可持续能源评论）、ENERGY AND BUILDINGS（能源与建筑）、ENERGY ECONMICS（能源经济学）。在这20种期刊当中，大多数是能源领域的期刊，共有10种，除此之外，还有涉及生态学、环境科学、经济学、管理学、计算机科学、建筑学等领域的期刊，其中环境科学2种，管理学2种，计算机科学1种，建筑学2种。ECOLOGICAL ECONOMICS（生态经济学）涉及生态学和经济学，OXFORD BULLETIN OF ECONOMICS & STATISTICS（牛津经济与统计学报）涉及统计学和经济学，ENERGY ECONOMICS（能源经济学）涉及经济学，ECONOMETRICA（计量经济学）、JOURNAL OF ECONOMETRICS（计量经济学杂志）属于经济学综合性期刊，BUILDING AND ENVIRONMENT（建筑与环境）涉及建筑学和环境科学，ENVIRONMENTAL SCIENCE & TECHNOLOGY（环境科学技术）涉及环境科学，ENERGY CONVERSION MANAGEMENT（能源转换与管理）涉及管理学，SCIENCE（科学）属于自然科学综合性期刊，LECTURE NOTES IN COMPUTER SCIENCE（计算机科学讲座笔记）属于计算机科学综合性期刊。由此可见，2008—2018年能源消费的研究逐渐渗透到各个领域，呈现多学科交融的趋势。

图1-8具有节点143个，连线452条。节点的大小表示期刊的共被引次数，连线的粗细表示两种期刊之间的共被引强度。由图1-8可知，ENERGY POLICY（能源政策）和ENERGY（能源）的节点最大，这两种期刊的共被引次数最为突出，结合表1-5可知，这两种期刊的共被引频次分别为2376次和2021次，均超过了2000次，数字较为庞大，说明这两种期刊在能源消费领域具有重要的地位。根据年轮，2008年左右ENERGY POLICY（能源政策）期刊在能源消费领域更具有权威性。图中ENERGY ECONMICS（能源经济学）、ECOLOGICAL ECONOMICS（生态经济学）、ECONOMETRICA（计量经济学）、JOURNAL OF ECONOMETRICS（计量经济学杂志）的网络线密集且粗，由于这四种杂志主要涉及经济学和计量经济学，表明在2008—2011年这个时间段，学者研究能源消费问题的时候，更加关注能源消费与经济之间的关系，且以计量经济学方法为主，这四类涉及经济学的期刊与其他期刊的共被引强度最大。ENERGY POLICY（能源政策）、ENERGY（能源）、APPLIED ENERGY（应用能源）、RENEWABLE SUSTAINABLE ENERGY REVIEW（可再生能源和可持续能源评论）的网络线虽然稀疏，共被引强度很小，但近几年它们的共被引频次出现了增加的趋势。

1.2.6　能源消费领域文献研究的热点主题

关键词的共现网络分析就是对数据集中作者提供的关键词进行分析，关键词是对论文内容的高度概括，可以通过关键词的频次高低分布，来研究该领域的发展动向和研究热点。首先，以一年为切片，节点类型选择keyword，选择标准为Top 50，阈值设置（2，2，20），（4，3，20），（3，3，20），绘制2008—2018年的能源消费领域的关键词共现图谱，见图1-9，并且统计该领域共现频次Top 20的文献关键词，见表1-6。其次，以一年为切片，节点类型选择reference，选择标准为Top 50，阈值设置（2，2，20），（4，3，20），（3，3，20），生成2008—2018年能源消费领域的文献共被引图谱，在此基础上，聚类算法选择LLR算法，聚类标签选择“keyword”，生成文献共被引聚类图谱，见图1-10。

由于在检索论文时，以“energy consumption”作为主题进行检索，所以关键词共现分析中，“energy consumption”不予考虑，图1-9共有节点120个，连线635条。根据表1-6，出现的频次高于400次的关键词是eco-nomic growth（经济增长）、system（系统）、CO₂emission（二氧化碳排放）、model（模型）、energy efficiency（能源效率）、performance（绩效）、China（中国），分别达到595次、576次、539次、526次、521次、469次、455次，其中system（系统）、CO₂emission（二氧化碳排放）、electricity consumption（电力消耗）的中介中心性为0.11、0.29、0.16，均大于0.1，结合图1-9，system（系统）、CO₂emission（二氧化碳排放）、electricity consumption（电力消耗）是该图谱中的关键节点。China（中国）节点的连线以绿色居多，这表明在2013年中国的能源消费问题是一个研究热点。economic growth（经济增长）、co-integration（协整）、electricity consumption（电能消费）、GDP（国内生产总值）、CO₂emission（二氧化碳排放）的连线较为密集，且颜色多呈现冷色调，说明这几个关键词出现的时间较早，并且与其他关键词一起出现的频率较高。综上，2008—2018年能源消费领域的主要研究热点为经济增长、系统、二氧化碳排放以及电能消费。为了使经济增长，过度的能源消费造成二氧化碳排放增多，对生态环境产生一定的影响，从而引起了国内外学者的关注。

根据图1-10的聚类显示，经过聚类后的关键词大致分为五类：CO₂emissions（二氧化碳排放）、renewable energy consumption（可再生能源消费）、panel unit root and co-integration tests（面板单位根检验与协整检验）、energy consumption（能源消费）、financial development（金融发展）。系统聚类保证了聚类的有效性和科学性，其中panel unit root and co-integration tests（面板单位根检验与协整检验）可归属研究方法，大多数的作者采取面板数据进行回归分析，CO₂emissions（二氧化碳排放）、financial development（金融发展）可归属能源消费的负面影响和正面影响，renewable energy consumption（可再生能源消费）可归属对能源消费产生的环境污染的解决途径。结合客观分类和主观判别，最终确定能源消费领域的两大研究热点：能源消费的影响因素以及解决途径。

1.2.7　能源消费领域文献的演进路径及发展前沿

研究前沿即正在兴起的研究理论趋势和主题内容，可以通过突现词来显示能源消费领域研究热点的前沿，利用citespace提供的突现词检测技术（burst detection）检测突现率较高的关键词，并且通过关键词共现时区视图来发现出现频次较高的关键词，以此总结确定研究热点的演变趋势。利用citespace进行关键词共现分析，以一年为切片，节点类型选择keywords，选择标准为Top 50，阈值设置（2，2，20），（4，3，20），（3，3，20），生成关键词共现网络图，在此基础上选择“time zone”，生成2008—2018年的能源消费领域研究的时区视图，由于在前几年出现的关键词随着时间推移而被使用的频次逐渐增多，所以选择每个时间段的前五个关键词在时区图中展现出来，见图1-11，同时通过突现词探测技术绘制2008—2018年的能源消费领域文献的突现词的时间变化表，见表1-7。

根据图1-11，可以将能源消费领域研究热点的演进趋势分为3个阶段：

2008—2010年，能源消费领域的关键词主要为energy efficiency（能源效率）、CO₂ emission（二氧化碳排放）、climate change（气候变化）、economic growth（经济增长）、policy（政策）、neural network（神经网络）、panel data（面板数据）、environmental kuznets curve（环境库兹涅茨曲线），这个时期国内外学者对能源领域的研究主要围绕经济增长、二氧化碳的排放以及能源效率，由节点的大小可推断此热点不只存在于2008年，而是一直伴随着能源消费问题出现。其次，通过neural network（神经网络）、panel data（面板数据）、environmental kuznets curve（环境库兹涅茨曲线）可以得出研究能源消费问题的主要方法为回归分析、神经网络以及EKC曲线，2009年出现policy（政策）这个关键词，表明政策对能源消费问题具有一定的影响。

2011—2013年，能源消费领域的关键词为behavior（行为）、residential building（住宅楼）、technology（科技）、power consumption（电能消费）、pattern（模式）、financial development（金融发展），这个时期内能源消费领域研究的主题转向人们的日常用能，比如冬日采暖、夏日制冷、照明、洗衣做饭等的能耗，均是住宅楼能耗中的主导部分。

2014—2018年，由于时间的限制，这一时间段的关键词出现频次较低，主要有nexus（联系）、urbanization（城市化）、college student（大学生）、electrical vehicle（电动汽车）、strategy（战略）、trade（贸易），表明近几年研究主题和国家的实际情况及战略政策相契合。2015年中国的城市化水平稳步提高，但是其质量不高，主要面临的挑战之一就是环境能源问题，能源的超常规利用给中国的城市化带来巨大的压力。2017年世界主要国家均把能源技术视为新一轮科技革命和产业变革的突破口，积极实施中长期能源科技战略作为顶层指导，出台重大科技计划牵引调动社会资源持续投入，并不断优化改革能源科技创新体系以增强国家竞争力和保持领先地位。

根据表1-7，可以推断2008—2018年能源消费领域研究的发展前沿。

2008—2010年，这一阶段明显的突现词是developing country（发展中国家）、price（价格）、income（收入）、panel co-integration（面板协整）、GNP（国民生产总值）、GDP（国内生产总值）、India（印度）、multivariate co-integration analysis（多元协整分析）、causality（因果关系）、office building（办公楼）、turkey（土耳其）、thermal comfort（热舒适）、environment（环境）、cost（代价）、united states（美国）、life cycle assessment（生命周期评估）等，表明在这一阶段，能源消费的研究前沿主要是发展中国家、印度、土耳其的能源消费研究，之后开始有关于美国消费问题的研究分析，大多使用面板数据进行回归分析，研究的对象多选择居民的收入、商品的价格，以及国民生产总值等方面，说明能源消费对人民的生活水平具有一定的影响，引发大量的学者研究其中的因果关系。

2011—2013年，sustainable development（可持续发展）、power（电力）、conservation（保护）、building energy consumption（建筑能耗）等成为突现率较高的关键词。根据这些突现词，可以推断建筑能耗及可持续发展是能源消费领域的研究前沿，能源的消费必然会导致环境遭到破坏，因此可持续发展随之而受到关注，人们力图在利用能源提高经济增长的同时，也要保护人类的生存环境，充分利用经济、实用、清洁且容易控制和转换的能源，比如电能。

2014—2018年，这一阶段的突现词主要有genetic algorithm（遗传算法）、temperature（温度）、greenhouse gas emission（温室气体排放）、pattern（模式）、artificial neural network（人工神经网络）、policy（政策）、power consumption（电能消费）、financial development（金融发展）、CO₂emission（二氧化碳排放）、residential building（住宅楼），表明人工神经网络和遗传算法逐渐成为近几年能源消费的研究前沿。能源转型迈向数字化时代，大数据和机器学习算法的普及推动科研工作都开始采用人工智能和数据挖掘作为新兴研究手段，来提升研究效率。