CC BY
17
Если пользоваться помощью независимых консультантов, то можно сберечь много денег, ведь каждой организации нужна рабочая система, благополучное ее внедрение и, в будущем, быстрое и недорогостоящее решение потенциальных проблем и вопросов в ходе реализации проектов по внедрению ERP-систем.
В целом, в организации функционирует довольно хорошая ERP-система, которая удовлетворяет требованиям исполнительного директора, и которая не доставляет какого-либо дискомфорта для рабочих. Однако, подводя итог, не стоит на этом останавливаться и нужно отслеживать все тенденции в этой области, инвестировать в перспективные направления деньги и дорабатывать на текущем этапе имеющуюся ERP-систему.
Источники:
1. Glushchenko T.E., Khodarinova N.V., Ishchenko O.V., Shaposhnikov V.L., Aksenova Z.A. The development of cooperation in the digital economy based on scientific research by a. v. chayanov. Studies in Systems, Decision and Control. 2021. Т. 316. С. 43-52.
2. Saliy V.V., Ishchenko O.V., Bush V.G., Gladysheva E.G., Abyzova E.V. Accounting and analytical systems as an integral element of contemporary accounting. Studies in Systems, Decision and Control. 2021. Т. 316. С. 739-746.
3. Веселова Н.Ю., Аксенова Ж.А., Ищенко О.В., Салий В.В., Кухаренко Л.В. Государственно-частное и муници-пально-частное партнерства на современном этапе развития информатизации и цифровизации экономики. Краснодар, 2021.
4. Салий В.В., Ищенко О.В., Аксенова Ж.А. Применение информационных технологий в дистанционной форме обучения в экстремальный период. В сборнике: Сборник научных статей профессорско-преподавательского состава и студентов Российских научно-образовательных учреждений. Берлин, 2020. С. 193-200.
5. Салий В.В., Аксенова Ж.А., Ищенко О.В. Архитектура предприятия. Российский университет кооперации, Краснодарский кооперативный институт (филиал). Краснодар, 2018.
6. Аксенова Ж.А., Ищенко О.В., Салий В.В. Проблемы формирования системы внутреннего контроля на предприятии с использованием информационных технологий. Естественно-гуманитарные исследования. 2020. № 29 (3). С. 31-37.
References:
1. Glushchenko T. E., Khodarinova N. V., Ishchenko O. V., Shaposhnikov V. L., Aksenova Z. A. The development of cooperation in the digital economy based on scientific research by a. v. chayanov. Studies in Systems, Decision and Control. 2021. Vol. 316. pp. 43-52.
2. Saliy V. V., Ishchenko O. V., Bush V. G., Gladysheva E. G., Abyzova E. V. Accounting and analytical systems as an integral element of contemporary accounting. Studies in Systems, Decision and Control. 2021. Vol. 316. pp. 739-746.
3. Veselova N. Yu., Aksenova Zh. A., Ishchenko O. V., Saliy V. V., Kukharenko L. V. Public-private and municipal-private partnerships at the present stage of development of informatization and digitalization of the economy. Krasnodar, 2021.
4. Saliy V. V., Ishchenko O. V., Aksenova Zh. A. Application of information technologies in distance learning in an extreme period. In the collection: A collection of scientific articles of the teaching staff and students of Russian scientific and educational institutions. Berlin, 2020. pp. 193-200.
5. Saliy V. V., Aksenova Zh. A., Ishchenko O. V. Enterprise architecture. Russian University of Cooperation, Krasnodar Cooperative Institute (branch). Krasnodar, 2018.
6. Aksenova Zh. A., Ishchenko O. V., Saliy V. V. Problems of forming an internal control system at an enterprise using information technologies. Natural sciences and humanities research. 2020. No. 29 (3). pp. 31-37.
DOI: 10.24412/2309-4788-2021-11284
Е.А. Конников - к.э.н., доцент, Санкт-Петербургский политехнический университет Петра Великого (СПбПУ), Высшая инженерно-экономическая школа,
E.A. Konnikov - Candidate of Economic Science, Peter the Great St Petersburg Polytechnic University (SPbPU), Graduate school of industrial economics, konnikov.evgeniy@gmail.com;
Д.А. Крыжко - магистрант, Санкт-Петербургский политехнический университет Петра Великого (СПбПУ), Высшая инженерно-экономическая школа,
D.A. Kryzhko - Graduate school of industrial economics, Peter the Great St Petersburg Polytechnic University (SPbPU), kryzhko_da@spbstu.ru
В.П. Руглов - студент, Санкт-Петербургский политехнический университет Петра Великого (СПбПУ), Высшая инженерно-экономическая школа,
V.P. Ruglov - Graduate school of industrial economics, Peter the Great St Petersburg Polytechnic University (SPbPU), ruglov268@gmail.com.
ИНФОРМАЦИОННАЯ СРЕДА КАК ЦЕНТРОИД УПРАВЛЕНИЯ РАЗВИТИЕМ ТЕХНОЛОГИЧЕСКИХ ИННОВАЦИЙ В ЭНЕРГЕТИКЕ (НА ПРИМЕРЕ ВИЭ) INFORMATION ENVIRONMENT AS A CENTROID FOR MANAGING THE DEVELOPMENT OF TECHNOLOGICAL INNOVATIONS IN THE ENERGY SECTOR (ON THE EXAMPLE OF RENEWABLE ENERGY SOURCES)
Аннотация. На сегодняшний день процесс развития мировой энергетики является крайне многомерным. Технологические достижения последних десятилетий привели к значительному повышению КПД
источников энергии, основанных на ВИЭ. Однако, подобная тенденция актуальная исключительно для исследовательской части, в то время как основные потребители все еще не воспринимают ВИЭ как конкурент традиционным источникам энергии. В рамках данного исследования авторы рассматривают информационную среду как совокупность системно связанных факторов, а центром данной совокупности выступает присутствие ВИЭ в информационной среде. Для целей количественного описания данных связей использована методология регрессионного анализа.
Abstract. Today, the development of the world energy sector is extremely multidimensional. Technological advances in recent decades have led to a significant increase in the efficiency of renewable energy sources. However, this trend is relevant exclusively for the research part, while the main consumers still do not perceive RES as a competitor to traditional energy sources. Within the framework of this study, the authors consider the information environment as a set of systemically related factors, and the center of this set is the presence of renewable energy sources in the information environment. For the purpose of quantitatively describing these relationships, the methodology of regression analysis was used.
Ключевые слова: энергетика, информационная среда, ВИЭ, возобновляемые источники энергии, технологические инновации.
Keywords: energy, information environment, renewable energy sources, RES, technological innovations.
Сегодня огромное влияние на все сферы жизнедеятельности человека повлияла пандемия, в том числе и на экономику энергетики. Она оказала влияние на темпы и, главное, на направления развития энергетического сектора. Обнажила существовавшие в секторе проблемы, которые в свою очередь привели к наибольшему за всю историю снижению спроса на энергоносители, снижению цен на газ и нефть. Наиболее вероятные последствия пандемии для энергетики - это перераспределение капитала в пользу цифровых технологий и экологической безопасности.
Ожидается увеличение спроса на возобновляемые источники энергии. Пандемия лишний раз показала, что как у Российской, так и у мировой энергетики нет альтернативы кроме как ускоренно внедрять новые технологии, так как нефтегазовый сектор сильно устарел и застоялся, он определенно не сможет быть конкурентоспособным на пике спроса. Для Росси стала приоритетом цифровая трансформация сектора.
С цифровизацией экономики и расширением глобальных рынков промышленной продукции потребность в стабильной и экономически доступной энергии продолжает неуклонно расти. В то же время преобладающее использование исчерпываемых источников энергии провоцирует потенциальное увеличение стоимости единицы энергии в отдельных странах. Рост потребления первичной энергии и ограниченные запасы углеводородов (нефти и природного газа) заставили мировое сообщество пересмотреть подходы к обеспечению энергетической безопасности своих стран. В преддверии перехода мировой экономики к новому технологическому укладу (к «Индустрии 4.0») в энергетике формируются новые тенденции, основанные на рациональном и бережном использовании имеющихся ресурсов и поиске новых источников энергии.
Таким образом, динамичное развитие и внедрение технологий, основанных на использовании возобновляемых источников энергии, является одной из наиболее значимых тенденций развития мировой энергетики. Более того, повышенное внимание мирового сообщества к вопросам устойчивого развития провоцирует необходимость снижения экологических последствий производства энергии, что неизбежно сказывается на стоимости.
Основной задачей данного исследования является выявление зависимости двух факторов - присутствие ВИЭ в информационной среде и инвестиции в развитие ВИЭ. Можно выдвинуть гипотезу, что присутствие ВИЭ в информационной среде (упоминание различных типов и технологий получения энергии из возобновляемых источников энергии) может влиять на увеличение другого фактора - инвестиции в развитие ВИЭ. В современном мире любой из нас постоянно окружён огромным количеством информации, большая часть из которой не несёт особой смысловой нагрузки, является бесполезной, но, к сожалению, всё равно оседает в голове в качестве «информационного мусора». Подобное явление сильно давит на человека, мешает мыслить здраво, открывая тем самым возможность для манипуляции. Далее нам стоит дать определения сознанию, манипуляции и пиару.
В социологии и психологии сознание является одним из основных понятий и означает способность человека воспринимать окружающий его мир. Именно на сознание и направлена манипуляция через сознательное и бессознательное. Манипуляция как тип социального воздействия направлена на то, чтобы скрытно или путём обмана оказывать влияние на принятие другим человеком определённого решения. При чём главная задача манипуляции состоит в том, чтобы человек был полностью уверен в том, что сам выбрал принятое им в итоге решение.
Абсолютно все люди в той или иной степени подвержены манипуляции. История знает множество примеров массовой манипуляции людьми - политическая, религиозная, внутрисемейная пропаганда. Во всех из перечисленных случаев были использованы PR-технологии. Пиар (PR) - технологии создания положительного образа организации в сознании потенциального потребителя. Можно сказать, что это управление потоками информации между организацией и общественностью. Используя Пиар, можно создать о компании хорошее или даже лучшее, чем оно есть на самом деле мнение. Люди всегда охотнее верят компании, которые известны широкому кругу людей, публичность является неким гарантом качества, гарантией того, что то, что вам говорят истина. С этой же целью используются медийные личности в рекламе, лидеры мне-
ний или просто популярные личности могут придать больше достоверности рекламе, продвижению. Есть также такое понятие как «чёрный пиар» - комплекс мер по ухудшению общего образа конкурента, разрушению его репутации.
Таким образом можно сделать вывод о том, что пиар является манипуляцией, направленной на определённую группу людей, целевую аудиторию. Большинство людей очень сильно подвержены манипуляции, поэтому в современном мире, где постоянно вокруг каждого человека находится огромное количество «информационного шума», пиар способен легко управлять мнением масс, создавать нужное восприятие компании клиентом, поддерживать положительный имидж, хорошую репутацию в любых кругах общества. Ведь сегодня люди склонны верить всему на слово - если что-то сказано от лица большой корпорации, да ещё и привлечены медийный личности, знаменитости, то человек с огромной долей вероятности не будет стараться проверить полученную информацию, даже при условии ссылок на источники, которыми пользовалась та или иная компания. В современных реалиях электронные сети заняли свою нишу в повседневной жизни практически каждого человека и продолжают завоёвывать всё большую значимость, поэтому технология Пиар в сети интернет является неотъемлемой частью пиар компании любой технологии или фирмы.
Инвестиции в возобновляемую энергетику являются одним из ключевых факторов, поэтому мы считаем необходимым привести исследование на тему анализа мировых инвестиций в возобновляемую энергетику. Бухарова Н.В., Василенко В.В. и Пирожниковой А.П. в своей статье авторы пишут о том, что Энергетика одна из главных составляющих экономики. Любая отрасль экономики должна развиваться, в свою очередь развитие промышленности требует притока капитала. Поэтому инвестиции в энергетический сектор любой страны являются насущной необходимостью. Высокие темпы развития возобновляемых источников энергии (ВИЭ) в мире во многом обусловлены развитой системой стимулирования производителей и, прежде всего, субсидированием этой отрасли. Недостаток финансирования или нестабильная ситуация в энергетике могут быстро создать дисбаланс в экономике любого государства. Энергетический бизнес очень престижен для инвесторов, в то же время он характеризуется высокой сложностью, значительными рисками и длительным сроком окупаемости масштабных энергетических проектов.
Объем инвестиций на развитие ВИЭ повлияет в свою очередь на целый ряд факторов - нормированная стоимость энергии из ВИЭ, общую стоимость установки и выработку электричества из ВИЭ. Объем инвестиций повлияет на общее развитие и распространение, популярность «зелёной энергии». При наличии инвестиций развитие технологий повлечёт за собой их закономерное удешевление, а уже удешевление, в свою очередь, приведёт к их большей популярности на рынке энергии в целом. Общая стоимость установки находится под влиянием фактора инвестиций по той же причине, что и предыдущий фактор. Предполагается дальнейшее удешевление стоимости установки при наличии большего количества инвестиций в развитие ВИЭ. Выработка электричества из ВИЭ является эндогенным показателем относительно инвестиций в развитие ВИЭ, который в данном случае является экзогенным фактором. Ведь с развитием и удешевлением использования альтернативных источников энергии, их популярность будет расти, а соответственно будут расти показатели выработки электричества из ВИЭ.
В свою очередь все три перечисленных фактора - выработка энергии из ВИЭ, общая стоимость установки и нормированная стоимость энергии из ВИЭ оказывают влияние на присутствие ВИЭ в информационной среде и на негативный или положительный эмоциональный фон этих новостей. Таким образом данные факторы могут либо осложнить задачу пиара ВИЭ в сети интернет по созданию хорошей репутации технологий альтернативных источников энергии, либо могут улучшить имидж подобных технологий, давая информацию о их экономической выгоде, эффективности использования и удобстве расположения, а также о положительном опыте стран и компаний, что уже стали инвестировать и использовать технологии возобновляемых источников энергии для получения энергии. Данные о присутствии ВИЭ в информационной среде будут собраны с помощью функции автоматизированного парсинга релевантной информации с использованием языка программирования Python 3, механизм действия которого будет подробно описан далее.
Также стоит отметить, что затраты на установку являются экзогенным фактором по отношению к выработке электричества с помощью ВИЭ, которая является эндогенным фактором в данном взаимодействии. Данное предположение сделана нами на основе того, что чем дешевле технология, тем чаще она будет использоваться, соответственно и выработка электричества с помощью альтернативных источников энергии будет расти. По тому же принципу, что и предыдущий фактор на выработку электричества из ВИЭ влияет нормированная стоимость энергии из ВИЭ.
Последний фактор, выбранный нами для дальнейшего анализа и формирования концептуальной модели, это выбросы в атмосферу. Данный фактор является эндогенным по отношению к выработке электричества из ВИЭ, так как чем большее распространение получат альтернативные источники энергии, тем больше будут сокращаться выбросы в атмосферу, что, стоит отметит, отлично вписывается в стремление современного общества свести к минимуму антропогенное воздействие на окружающую среду. Также выбросы в атмосферу являются экзогенным фактором по отношению к фактору присутствия ВИЭ в информационной среде. Таблица 1 представляет собой сводные данные, необходимые для дальнейшего проведения исследования и выявления предполагаемых связей. На основе анализа теоретической литературы, связанной с темой значимости и целесообразности, а также актуальности развития ВИЭ, а также на основе теоретического исследования и предварительного описания влияния факторов друг на друга была сформирована следующая концептуальная модель, которая представлена на рисунке 1.
Таблица 1 - Основные показатели
№ Наименование показателя Условное обозначение Единицы измерения Тип показателя
1 Объем выработки электрической энергии из ВИЭ А киловатт-час Эндогенно-экзогенный
2 Объем инвестиций в ВИЭ Б млн.долл. Экзогенно-эндогенный
3 Присутствие ВИЭ в информационной среде С балл Эндогенно-экзогенный
4 Нормированная стоимость электрической энергии из ВИЭ Д долл/ киловатт-час Эндогенно-экзогенный
5 Общая стоимость установки Е долл/ киловатт Эндогенно-экзогенный
6 Объем выбросов в атмосферу Ж млн.тонн улг.газ Эндогенно-экзогенный
Рисунок 1 - Графическое представление концептуальной модели
Необходимо проанализировать новости об энергетике в целом и выявить степень присутствия новостей именно о ВИЭ в данных новостях. Соответственно, получение оценки присутствия ВИЭ в новостях об энергетике можно разделить на три главных этапа:
1. Сбор информации о ВИЭ.
2. Сбор новостей об энергетике.
3. Оценка присутствия ВИЭ в новостях об энергетике.
Для сбора новостных материалов о возобновляемых источниках энергии нами был выбран известный интернет-портал Researchgate. Главной отличительной чертой данного портала является уникальная система семантического поиска, который способен индексировать как внутренние ресурсы, так и главные базы статей, находящиеся в публичном доступе, включая PubMed, CiteSeer, arXiv, Библиотеку NASA. Этот поисковый механизм создавался с целью более подробного анализа аннотаций статей (они анализируется целиком, а не только ключевые слова), что, по идее, должно повысить точность результатов. Чтобы осуществить сбор информации описывающей ВИЭ нам сначала нам необходимо извлечь информацию с Researchgate. На рисунке 2 представлен подробный алгоритм по извлечению информации, описывающей ВИЭ.
В рамках первого этапа - извлечения информации с Researchgate, нами был сформирован первичный массив данных. Инструмент автоматизированного сбора информации был нами реализован с помощью использования языка программирования Python 3. Данный выбор обусловлен тем, что Python 3 обладает значительным спектром универсальных решений для решения задач как парсинга, так и обработки данных. К подобным автоматизированным инструментам сбора информации можно отнести библиотеку selenium и requests, которые позволяют отправлять и расшифровывать http запросы. После применения описанного алгоритма нами был получен новостной массив, требующий дальнейшей обработки. В таблице 2 представлен пример подобного датафрейма.
Таблица 2 - Срез первичного датафрейма
№ Дата Заголовок Аннотацнa
0 Dec 2021 Green bonds issuance: insights in low- and mid.. Former reports of Environmental, Social and Go...
1 Jul 2021 Semi-covariance of Stock Market and Gold Price Complex models have received significant inter...
2 Jun 2021 Call for papers special issue: Mathematics and... This Special Issue is devoted to interesting a...
3 Jun 2021 Risk hedging for gas power generation consider... The increasing penetration of intermittent ren...
Теперь, когда у нас есть первичный массив данных, нам необходимо провести языковую унификацию полученного массива, сформировать переведённый массив данных на основе полученного ранее массива. На рисунке 3 представлен подробный автоматизированный алгоритм языковой унификации извлечённой информации.
Большое количество инструментов, которые используются для автоматизированного анализа текстовой информации, в первую очередь направлены на обработку английского языка. Нами была использована библиотека googletrans, которая используется для того, чтобы эффективно осуществить автоматизированный перевод. В качестве результата реализации данного этапа мы получили двумерный датафрейм, который содержит переведённые на английский язык аннотации и заголовки новостей в рамках рассматриваемого периода времени. Для целей нашего исследования необходимо, чтобы данный массив был трансформирован в массив, состоящий из лексем, что будут обладать значительной содержательной составляющей.
1) Установка необходимых инструментальных библиотек :
selenium - библиотека для тестирования веб приложении ; " webdriver - профаммная библиотека для управления браузером :
BeautifulSoup - библиотека, позволяющая извлекать данные с фа Плов : re библиотека инструментов поиска и обработки регулярных выражений random - модуль предоставляет инструменты для случайного выоора элементов
О
" time модуль для работы со временем:
pandas - модуль для выполнения группировок : tqdm - модуль для вывода прогресса выполнения ; notebook - югапер:
2) Формирование базовых компонент :
" chromedriver фронт сервер Google Chrome;
options - описывает параметры соединения с целевым ресурсом: browser используемый браузер;
options.addargument ('headless' ) - позволяет нам обратшься к браузеру без " title list all - список, куда будут сохранены все заголовки: abstract list all - список, куца будут сохранены все ашюташш : date_list_all - список, куда будут сохранены все даты, " page number - колличество анализируемых страниц ; " page numbers - список всех старшш:
3) Формирование первичного массива данных :
" url ссылка для получения информации: time.sleep - время задержки в работе кода;
title list - сохранение первичного массива данных по заголовкам в список; abstract list сохранение ncpBiruioro массива данных по аннатацням в список: data list - сохранение первичного массива данных по датам в список; col_names = - присвоение имен колонкам таблицы: DF_1 - создание двумерного датафрейма на основе сформированного словаря; DF_l.to_excel - экспрт таблицы с первичным массивом данных в эксель;
О
.о
from selenium import webdriver from bs4 import BeautifulSoup import re
import random as rd
import time
import pandas as pd
from tqdmnotebcK>k import tqdm
chromedriver - VUsersfevgeniy /chromedriver' options - webdriver.ChromcOptions() options.add argument Cheadless')
browser = webdriver.Oirome(executable_path=chromedriver. chrome_options=options)
title_list_all = [)
abstract list all (]
date_list_all = [J
page number = 1
page numbers - list! range) 1. 101.1))
print (IhBJieieraie aamibix')
for page number in tqdml pace numbers):
url = littpsy/www.researchgate.net/topic/Financial -Marketspublications" + str(page number)
time.sleeplrd.uniform* 5.95.9.15))
browser.gct(url)
response - browser.pagesource soup - BeautifulSoup<response)
title list 0 soup.findAUCdiv'. ¡'class'i'nova-v-publicalion-item stack nova-v-publication-item stack— gutter-m'|) for paper in title_list 0:
abstact teg - re. finda U( r"nova - e - text nova-e-text—size-m nova-e-text—family-sans-serif nova-e-text—
spacing-nonc nova -e-text--color-inherit nova-v-publication-itcm_description'. str(paper))
if len(abstact teg) > 0:
title list 1 - paper.fiiulAllfdiv". ¡'class'i'nova-e-text nova-e-text--size-l nova-e-text—family-sans-serif
nova-e-text--spacing-nonc nova-e-text-color-inherit nova-v-publication-item_title"!)
title list = [J
for title intitle_list_l:
title list.append(title.text) title _hst_all.extend< title list)
abstract list 1 = paper.luidAIICdiv'. | "nova-e-textnova-e-text—size -mnova-e-text—family-sans-serif no\
c-text--spacing-none nova-e-text-color-inherit nova-v-publication-item_description'})
abstractlist = []
for abstract in abstract_list_l:
abstract list.append( abstract.text) abstract list all.extend(abstract list)
date list l = paper.findAHCIi, )'class':Yiova-e-list_item nova-v-publication-item_meta-data -item'!)
col names - ['Дата'. Заголовок".' Аннатацня'] DF 1 - pd.DataFrame([date list all. title listall.abstract list all ]) DF_1 DF_1.T
VDF_I.columns col names ОР_1.1о_ехсеИ'перв1Г1ный_датафрейм_возобновляемая_энергетика.хих')
Рисунок 2 - Извлечение информации, описывающей ВИЭ
О
•О
1) Установка необходимых инструментальных библиотек
importpandas as pd - модулю для выполнения группировок присваиваем псевдонимрё
google translatob библиотека инструментоввтоматизиррованого перевода
time- библиотека для работы со временной информацией
2) Формированиебазовых компонент
title_list_all_en- список для всех заголовков, переведённых на[
английский
abstractlistallen- список для всех аннотаций, переведённых на английский
3) Формирование переведённого массива данных на основе
сформированного массива данных
Наш код понимает, если предложение не на английском языке, то оно будет переведено и добавлено в общий список переведённых заголовков/аннотаций, если же предложение уже на английском языке, то оно будет сразу добавлено в список переведённых заголовков/аннотаций.
DF_ 1 ['Заголовок на английском']- присваиваем имя колонке с переведёнными заголовками
DF1 ['Аннотация на английском'} присваиваем имя колонке с переведёнными аннотациями
DF_ 1 Ло_ехсе1('английский_датафрейм_возобновляемая_энергетика.х1 sx') -экспортируем в ехсеЬолученную таблицу
О <
import pandas as pd
from googletransnew import googletranslator import time
DF_1 = pd.гead_exceK,пepвIroньш_дaтaфpefвl_вoзoбнoвляeмaя_энepreтIIкa
translator = googletranslatorQ
title_list_all_en = []
abstract_list_all_en = []
counter = 1
/ftrint ('Перевод названий статен') forsentense in tqdm(DF_l ['Заголовок"]): lenguege = translator.detect(sentense) if lenguege[0] != 'en': sentenseen = translator.translate(sentense) titlelistallen.append (sentense en) else:
title Jistallen.append (sentense) counter += 1 time.sleep(l) counter = 1
print ('Перевод аннотаций статей) forsentense in tqdm(DF_1 ['Аннатацня']): lenguege = translator.detect(sentense) if lenguege[0] != 'en': sentense en = translator.translate (sentense) abstract list all en.append (sentense en) else:
abstract_list_all_en.append (sentense) counter += 1 time.sleep(l)
DF_1['Заголовок на английском*] = title list all en DF_1['Аннотация на английском'] = abstract list all en
DF_1 .to_excel('англш"1ск1п1_датафрейм_возобновляемая_энергетика .xlsx')
V
Нам необходимо сформировать массив значимых лексем, для этого необходимо пройти несколько стадий обработки переведённого массива данных. Для начала мы проведём токенизацию текстов извлечённых новостных единиц - это финальный этап первичного автоматизированного системного анализа новостной информации. Наш автоматизированный алгоритм разделяет текстовую информацию на отдельные лексемы, что включают в себя как числовую информацию, так и различные знаки препинания, слова и словосочетания. Данный массив является общим и требует дальнейшей обработки - лемматиза-ции и устранения лексем с низкой значимостью. Лемматизация предполагает выделенных ранее лексем к словарному единообразию и общему регистру. Данное действие помогает оставить в массиве данных более единообразную информацию. Устранение же лексем с низкой содержательной значимостью предполагает исключение из общего массива данных такие лексемы, как: союзы, предлоги, знаки препинания, местоимения и т.п. По результатам данного этапа формируется финальный список лексем. Для осуществления данного этапа работы посредством автоматизированного алгоритма нам подойдёт библиотека ЫЫК. На рисунке 4 представлен автоматизированный алгоритм, осуществляющий все перечисленные выше этапы обработки исходного массива данных. Результатом осуществления работы данного алгритма стал двумерный датафрейм, содержащий наборы лексем, пример которого показан в таблице 3.
Таблица 3 - токены возобновляемой энергетики
green 44
bond 334
issuance 34
low 200
communicable 1
Strategie 1
writedown 1
Данный датафрейм станет базисом для проведения расчёта взвешанной обработки сформированного массива токенов, чему посвящён следующий этап нашего автоматизированного алгоритма, который представлен на рисунке 5.
1) Установка необходимых инструментальных библиотек :
гс - библиотека инструментов обработки регулярншпражений; А пИк- библиотека инструментов обработки естественной у
информации
2) Формирование базовых компонент:
ЬттаМгег - инструмент леммаппацин естественного языка $1ор_\уогс15 - список лексем с низкой содержательной значимостью иие_и>кеп$_Н51_$иЬ- результирующий массив токенизированной информации по заголовкам
аЬ51гас1_юкеп5_П81_5иЬ - результирующий массив токенизированной информации по аннотациям
3) Токенизация новостной информации :
inport ге
from nltk.tokenizcnportwordtokenize from nltk.stenimportWordNetLemmatizer from nltk.corpuamportstopwords
title_tokens_list_sirt$] abstract_tokens_Iist_sBlf]
lemmatizer- WordNetLemmatizef) stop_wordss stopwords.wordfcnglisft)
for text in tqdntDF_ 1 ['Заголовок на английском* ]): for text in tqdntDF_ 1 ['Аннотация на английском']):
Исключение регулярных выражении и первичная токенизация названий статей:
text_l = re.sub(rV.'', text)
text_2 = re.sub(r'[A\w\s]\ ". text_ 1) text_2_tokens -word_tokcnize(text_2.1ower()) tcxt_3_tokcns - []
Исключение регулярных выражений и первичная токенизация аннотаций статей:
text_l -re.subir'taV'.text)
text_2 = re.sub(r,[A\\v\s]\". text_ 1) text_2_tokens -word_tokenize(tex!_2.1ower()) texl_3_tokens - []
Лемматизация сформированных токенов названий статей/аннотаций статей:
for k.v in text_2_tokens_pos_dict.items(): ifv in noun:
lem_token- Icnimtizcr.lcmmatizc (k. pos - 'n') tcxt_3_tokens.appendfcm_token.strij0) elifv in verb:
lem_token= lemmatizer.lemmatize (k. pos - V) text_3_tokens.appendfcm_token.stri|()) elifv in adj:
lem_token= lemmaiizer.lenmatize (k.pos - 'a') tcxt_3_tokens.appcndfcm_token.stri|0)
Исключение ннформацнонноненасыщенных токенов названий статей:
for token_lemin text_3_tokens:
iftoken_lemnot instop words: text_4_tokcns.appcndfc>kcn_lemstrirt)) if len(tcx!_4_tokcns)!- 0: title_tokens_list_sub.exteitfcxt_4_tokens) Исключение ннформацнонноненасыщенных токенов аннотаций статей: for token_lemin text_3_tokens:
iftoken_lemnot instop_words: tcxt_4_tokens.appendfr)ken_lemstritf)) if len(text 4 tokens)!- 0: abstract_tokens_list_sub.exteitfcxt 4_tokens)
<1>ормлрованне массивов токенов на основе новостной информациип { full_tokens_list= Counter(ti(le_tokens_lis(_sub- abstract_tokens_list_sufr
Рисунок 4 - Токенизация извлеченной информации
1) Установка необходимых инструментальных библиотек:
ь(а181ПО(1еЬ - библиотека, позволяющая работать с временными рядами и д создавал» статистические модели О
2) Формирование базовых компонент :
ЭР^а^Л - поиск среднего значения
ОР_2 - взят за основу токенизированный массив данных из предыдущего пункта
5оП_уа1ие8 - сортировака полученных значений
Х с1Г - список полученных значений
3) Формирование взвешенного массива токенов :
\vaigt = [] - список с удельными весами токенов
¡Ге1етеп1 < 0: - убираем отрицательные значения удельного веса .
ОР_1а^е1 ['Удельный вес токена'] = \vaigt - присваиваем имя столбцу с | у удельным весом '
О
import statsmodels.apias sm
DF_2 = рс1.геас1_ехсе1('токены_возобновляемая_)нергетика .xlsx') DFtarget = DF_2[DF_2[0] > (sum(DF_2[0]) / len(DF_2[0]))]
DFtarget = DFtarget.sortvalues(O)
X_df = list(range(l,len(DF_target) + 1)) X_df = sm.add_constant(X df) Y_df = DF_target[0] model = sm.OLS(Y df, X_d0.fit() t_w = model. prcdict(Xdf)
waigt = Q for element in t_w: if element < 0:
waigt. append(0.001) else:
waigt. append( element) ^ DF target['Удельный вес токена'] = waigt
/
Рисунок 5 - Взвешенная обработка сформированного массива токенов
Нами был получен удельный вес каждого токена новостной информации по ВИЭ, что нам понадобится для оценки присутствия тематики ВИЭ в новостном фоне энергетики. Результат работы данного этапа автоматизированного алгоритма представлен в таблице 4.
Таблица 4 - Удельные веса токенов
1489 uncover 17 0.001000
1812 clearing 17 0.001000
8 stock 2403 353.554074
287 study 2635 353.973852
20 financial 9158 354.183741
Перед тем как перейти к финальному этапу нашего автоматизированного алгоритма по оценке присутствия тематики ВИЭ в новостном фоне энергетики, нам необходимо извлечь новостную информацию, которая бы описывала новостной фон энергетики в целом. Этому посвящен автоматизированный алгоритм на рисунке 6.
1) Установка необходимых инструментальных библиотек :
pygooglenews - библиотека инструментов парсинга новостного агрегатора google.com. г-К
datetime - библиотека определения и генерации временной информации. у import pandas as pd - модулю для выполнения группировок присваиваем псевдоним pd
2) Формирование базовых компонент :
gn - инструмент парсинга HOBOcraoroarperaTopagoogle.com. date_begin - дата начата парсинга (определяется как дата запуска кода). all_news_list - список для сохранения новостной информации all_dates_list - список для сохранения временной информации х - счётчик циклирования смены временной информации
3) Формирование первичного массива данных :
news_day_list - сохранение первичного новостного массива в сформированный ранее список
news frame - создание словаря на основе собранного массива новостной информации
DFnews - формирование двумерного датафрейма на основе сформированного словаря
DFnews.toexcel - экспорт получившегося файлы в эксель
О
'nom pygooglenews import GoogleNews from datetime import datetime from datetime import date from datetime import timedelta import pandas as pd
gn = GoogleNews(lang = 'en') all_news_list = [] newsframe = [j alldateslist = [] datebegin = date(2010, 1, 1)
all_dates_list. append(date_begin. strfimie('%Y- %m-%d')) for num in list(range(l, 4019, 1)): all_dates_list.append((date_begin + timedelta(days=num)).sti"fiime('%Y-%m-%d'))
_x= 1
for date in tqdm(all_dates_list[:-l]): news_day_list = []
news = gn.searcliOenergy', helper = True, from_ = date, to_ = all_dates_lis(x]) for element in news['entries']:
uews_day_list.append(element['title']) all_news_list.append(news_day_list) x += 1
news frame.append (dict(zip(all_dates_list, all_news_list))) DFnews = pd.DataFrame(news_frame).T DFnews. to_excel(' нов остиэнергетики. xl sx')
Рисунок 6 - Извлечение информации, описывающей новостной фон энергетики
Для формирования первичного массива данных нами было принято решение парсить новостной фон энергетики с GOOGLE news (бесплатного агрегатора новостей, который был представлен и по сегодняшний день управляется компанией Google Inc.). На данном этапе производится сбор и обобщение новостного массива данных в рамках анализируемого временного периода. Как нами было уже сказано выше, наиболее удобным источником информации для формирования первичного массива данных является платформа агрегации новостей от google, что в первую очередь связано с тем, что не даром компания google знаменита на весь мир своими софтверными продуктами - у google news наиболее эффективно работающие алгоритмы по
поиску информации, позволяющие идентифицировать наиболее широко распространенные информационные посылы.
Для целей автоматизированного парсинга информации - её поиска и агрегирования нами будет использоваться библиотека pygooglenews. Данное обстоятельство значительно повышает универсальность получаемых результатов. Также данная библиотека способна ограничивать поиск конкретной страной, регионом и языком, что значительно упрощает поиск необходимой информации. По результатам применения описанного алгоритма, нами был получен новостной массив, требующий дальнейшей обработки. В таблице 5 представлен пример подобного датафрейма.
Таблица 5 - Новости энергетики
2010-01-01 [Zach Spiker Dives In and Helps Rejuvenate Arm...
2010-01-02 [Npower criticised over low energy light bulb ...
2020-12-27 [The Top Energy Stories Of 2020 - Forbes, Why ...
2020-12-28 [2021 Forecast: As Energy Companies 'Change Th...
Как мы можем видеть, теперь у нас есть первичный массив данных, требующий дальнейшей первичной обработки - токенизации. Данный этап автоматизированного алгоритма обработки первичного массива данных показан на рисунке 7.
После применения приведённого выше автоматизированного алгоритма, нами был получен токени-зированный массив данных, что и было необходимо для дальнейшей оценки присутствия тематики ВИЭ в новостном фоне энергетики. В результате был получен массив данных, показанный в таблице 6.
1) Формирование базовых компонент:
к'шшаи/ег - инструмент лемматизации естественного языка ; 8Тор_\\,огс1з - список лексем с низкой содержательной значимостью; пе\¥5_Токепз_Н51 - результирующий массив токенизированной информаг относительно новосгаой информации 3) Токенизаиия новостной информации; V
мадии:
I10UI1 = ['NNS'. 'VBZ'. 'NN'. 'NNP']
verb = ['VBG'. 'VBP'. 'VBN'. 'VBD'. 'VB']
adj = ['JJ, 'JJR']
fii 1 In ew s_t o k en s_ 1 i=st[ ]
lenmiatizer = WordNetL enimatize()
stop_words= stopwords.wor<(tenglisl\)
2) Фор мир ованиетокенизированногомассива данных:
О
fcr news_lisintqdn{DF_new$0]):
Исключение регулярных выражений и первичная гокенизация:
:ext_l = re.sub(r'\n'.''. new)
text_2 = re.sub(r'[A\w\s]\ ". text_l) iftext_2.strip() !=": text_2_tokens = word_tokeni#ext_2.1ower())
Лемматизация сформированных токенок
fcr k.v in text_2_tokens_pos_dict.items(): ifv in uoun:
lem_tokeu= 1 eiramt izer.l eiramtize (k. pos = 'n') text_3_tokens.appendfem_token.stn{())
-► elifvinverb:
lem_tokeu= 1 eiramt izer.l eiramt i ze (k. pos = V) text_3_tokens.appendfem_token.stri]0) — elif v in adj:
lem_tokeu= 1 eiramt izer.l eiramt i ze (k. pos = 'a') text_3_tokeiis.appendfem_token.strij()) text_4_tokens = []
Исключение информационноненасыщенных то кенов
названий статей:
for token lemin text_3_tokens:
iftoken lemnot instop_words:
text_4_tokens.append£>ken_lem.stri|()) iflen(text_4_tokens) !=0:
news_tokens_list.exten(dext_4_tokens) else:
news_tokens_list.exten(4'-'])
else:
news_tokens_list.exten(4'-'])
Фор мир ование массивов токенов на основе новостной инфор мации[^ | full news tokens list .арр en^iews tokens list)
Рисунок 7 - Токенизация новостной информации.
Таблица 6 - Токены новостной информации
2010-01-01 [zach, spiker, dive, help, rejuvenate, army, n...
2010-01-02 [npower, criticise, low, energy, light, bulb, ...
2020-12-27 [top, energy, story, forbes, solar, energy, ge...
2020-12-28 [forecast, energy, company, change, spot, firm...
Теперь можно приступать к финальному этапу нашего автоматизированного алгоритма по оценке присутствия ВИЭ в новостях энергетики. Данный алгоритм представлен на рисунке 8.
После применения автоматизированного алгоритма получился двумерный массив данных с коэффициентом присутствия тематики ВИЭ на каждый день каждого месяца, начиная с первого января 2010 года по двенадцатое декабря 2020 года. Пример полученных данных представлен в таблице 7.
1 формирование базовых компонент: ,
list_of_crossing_tokens_lists - список токенов, которые могут совпадать как в у новостном фоне энергетики, так и в новостях о ВИЭ;
2) Оценка присутствия тематики ВИЭ:
for tokeas list in DF_news['ToKeHbi новосной информации']: - формирование цикла
алгоритмического перебора временной информации : for crossingtokenslist in list_of^crossing_tokens_lists: - формирование цикла
перевода переведенной информации : _к
crossing tokens list - пересечение множества лексем : I_ У
!ist_ofcrossing_tokens_lists = []
for tokens list in DF_news['ToKeHbi новосной информации"]: crossing tokens list = list(set(tokens_list) & set(DF_target['Unnamed: 0'])) list_of^aossing_tokais_lists.appaid(CTOssing_tokens_list)
Гь
k_4_list = Q
listof^crossingtokensimplists = [] for crossing_tokens_list in list_ofcrossing_tokens_lists: crossing_tokens_imp_list = [] for token in crossing_tokens_list: token_imp= float(DF_taiget[DF_taiget['Unnamed: 0'] == token], iloc[0]['Удельный вес токена'])
crossingtokensimplist. append(tokeniinp) list_of^aossing_tokens_imp_lists.append(aossing_tokens_imp_list) for tokens imp list in list_of^crossing_tokais_imp_lists: k_4_list. append(suin(tokens_iinp_list))
ВР_пе\У8['Коэффициенг присуствия тематики ВИЭ'] = k_4_list
DF_k = ОР_пе\уз[['Коэффициент присуствия тематики ВИЭ']]
DF_k.t0_excel('npHcyTCTBHe_BH3_B_H0B0crax_3HepreraKH.xlsx')
Рисунок 8 - Оценка присутствия тематики ВИЭ в новостном фоне энергетики Таблица 7 - Результирующее значение показателя
2010-01-01 4790.534535
2010-01-02 2467.206701
2020-12-30 11799.868088
2020-12-31 10949.530472
Однако для дальнейшего использования полученных данных нам необходимо привести полученные данные к формату коэффициента присутствия ВИЭ на каждый год, начиная с 2010 года и заканчивая 2020 годом. В таком формате полученный коэффициент можно будет использовать в качестве фактора-регрессора в нашем регрессионном анализе. Автоматизированный алгоритм для подобного упрощения полученных результатов представлен на рисунке 10.
ПФормированнебаювых компонент mfdfncw - обращаемо» к массиву данных m предыдущего этапа; mf_df_!K\v index - воэврашлем индексы лет. месяце, дат;
О
2) Усреднение по гол,1М (2010-2020):
, infdfjiew - DF_k
, inf_df_new index -pd to_datclii]ic<mf_df_iieu index, t'omial -''»Y-'m-'wf)
-, lnfdfnew('Yeai') ~ ini_df_Dew index year
\ dates-inf_dijiew(('Yejir'])
/mfdfnewindex - pd Mnltilndcx from JnpMdales vahies.toIivK). names - dates column*.) ycarjaem - üif_df_nc\vjro«pb)<level-|0))mean()
yearmean io_excel('npnc>TctiKe_BI П_»_но»«г11Х_?нерге™к11_усредненкое_по_голам x yearmean
Рисунок 9 - Усреднение 2010-2020 (годовые)
После применения автоматизированного алгоритма нами был получен двумерный массив данных, пример подобного датафрейма представлен в таблице 8 и может быть использован в регрессионном анализе в качестве одного из факторов регрессоров.
Таблица 8 - Присутствие тематики ВИЭ, усреднённое по годам
2010 15397,27
2011 16272,77
2012 16804,99
2013 16347,91
2014 16327,43
2015 16519,86
2016 17224,05
2017 17222,06
2018 18873,35
2019 19880,54
2020 21536,13
По результатам получения массива данных, который может быть использован в качестве фактора для проведения регрессионного анализа, нам необходимо воспользоваться инструментами регрессии чтобы проверить созданную ранее концептуальную модель. На рисунке 10 представлена концептуальная модель
после проведения множественной регрессии, были проверены все связи между факторами, на рисунке наглядно видно у связи каких факторов коэффициент детерминации больше всего.
Рисунок 10 - проверка связей концептуальной модели
Как мы можем видеть, наиболее значимыми оказались три связи - влияние выбросов в атмосферу на уровень присутствия ВИЭ в информационной среде (Ж на С), влияние нормированной стоимости энергии из ВИЭ на уровень присутствия ВИЭ в информационной среде (Д на С), влияние общей стоимости установки на уровень присутствия ВИЭ в информационной среде (Е на С). В таблице 9 представлены уравнения регрессии каждого фактора и показатель значимости F.
Таблица 9 - Уравнения регрессии факторов модели
№ Уравнение R2 Значимость F
1 С = -65 912 - 3,17 х Ег + 51 355 х Дг + 2,49 х 0,91 0,0046
2 Бг = -47 292 + 3,089 х С 0,45 0,071
3 Дг = 0,216 - 0,000015 х 0,37 0,10
4 Ег = 2 530,64 - 0,148 х 0,47 0,089
5 Аt = 498,46 - 0,11 х Ег 0,81 0,002
6 Ж^ = 31 739 + 3,79 х Аг 0,77 0,0018
Лучшие показатели по значимости F-критерия показывают следующие факторы: выбросы в атмосферу (Ж), выработка электричества из ВИЭ (А), присутствие ВИЭ в информационной среде (С).
На рисунке 11 показано сопоставление теоретических и фактических значений фактора присутствия ВИЭ в информационной среде (С).
19000 18500 18000 17500 17000 16500 16000 15500 15000
2010 2011
2012 2013 2014 2015 2016 2017 2018
Фактический С Теоретический С
На графике мы видим лишь один структурный выброс, который приходится на 2014 год и скорее всего связан с валютным кризисом того года данный фактор не был учтён в модели, однако данный выброс не влияет на качество модели и является незначительным. Структурные разрывы на графике крайне незначительны. Также отметим, что после восстановления мировой экономики от валютного кризиса, наблюдается чёткий рост на графике. В соответствии со значимостью по показателю F-критерия данная модель имеет значение 0,0046, значит она является значимой. Коэффициент детерминации R2 составляет 91 %, что является достаточно высоким показателем для парной регрессии: построенная модель объясняет около 91 % описанной дисперсии. На рисунке 12 показано сопоставление теоретических и фактических значений фактора инвестиций в разработку ВИЭ (Б).
На графике мы видим лишь один структурный выброс, который приходится на 2016 год и скорее всего связан с тем, что нами не был учтён мировой экономический кризис того года, данный фактор не был учтён в модели, однако данный выброс не влияет на качество модели и является незначительным. Структурные разрывы на графике крайне незначительны. Также следует отметить, в общем тенденция на графика была положительной, но именно после 2016 года наблюдается резкий спад. Столь резкое снижение неудивительно, так как в первую очередь в период кризиса сокращаются инвестиции, поэтому и инвестиции в развитие ВИЭ сразу же сократились в разы.
13000 11000 9000 7000
5000
3000
1000
-1000
Рисунок 12 - сопоставление теоретических и фактических значений фактора Б
В соответствии со значимостью по показателю F-критерия данная модель имеет значение 0,071. Коэффициент детерминации R2 составляет 45 %, что является не самым высоким показателем для парной регрессии, однако приемлемым: построенная модель объясняет около 45 % описанной дисперсии.
На рисунке 13 показано сопоставление теоретических и фактических значений фактора нормированная стоимость энергии из ВИЭ (Д).
0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0
2011 2012 2013 2014 2015 2016 2017 2018
Фактический Д Теоретический Д
2010 2011
2012 2013 2014 2015 2016
Фактический Б Теоретический Б
На графике мы видим пару структурных выбросов, которые приходятся на 2011 год и 2018 год. Поскольку не все факторы были учтены в модели, могут возникать незначительные выбросы, однако данные выбросы не влияют на качество модели и являются незначительными. Структурные разрывы на графике крайне незначительны. Также отметим, что в целом динамика показателя нормированной стоимости энергии из ВИЭ имеет тенденцию к снижению. В соответствии со значимостью по показателю F-критерия данная модель имеет значение 0,1. Коэффициент детерминации R2 составляет 37 %, что является низким показателем для парной регрессии: построенная модель объясняет около 37 % описанной дисперсии.
На рисунке 14 показано сопоставление теоретических и фактических значений фактора общая стоимость установки (Е).
3100 2600
2100
1600 1100 600
Фактический Е Теоретический Е
Рисунок 14 - сопоставление теоретических и фактических значений фактора Е
На графике мы видим пару структурных выбросов, которые приходятся на 2012 год и 2017 год. Поскольку не все факторы были учтены в модели, могут возникать незначительные выбросы, однако данные выбросы не влияют на качество модели и являются незначительными. Структурные разрывы на графике крайне незначительны. Также отметим, что в целом динамика показателя общей стоимости установки имеет тенденцию к снижению. В соответствии со значимостью по показателю F-критерия данная модель имеет значение 0,089. Коэффициент детерминации R2 составляет 47 %, что является низким показателем для парной регрессии: построенная модель объясняет около 47 % описанной дисперсии.
На рисунке 15 показано сопоставление теоретических и фактических значений фактора выработка электричества из ВИЭ (А). На графике мы видим лишь один структурный выброс, который приходится на 2017 год. Поскольку не все факторы были учтены в модели, могут возникать незначительные выбросы, однако данный выброс не влияет на качество модели и является незначительным. Структурные разрывы на графике крайне незначительны. Также отметим, что в целом динамика показателя выработки электричества из ВИЭ имеет тенденцию к постепенному росту.
600,0
500,0
400,0
300,0
200,0
100,0
0,0
2010' 2011 2012 2013 2014 2015 2016 2017
-100,0
Фактический А Теоретический А
В соответствии со значимостью по показателю F-критерия данная модель имеет значение 0,002, что значит модель значима. Коэффициент детерминации R2 составляет 81 %, что является весьма высоким показателем для парной регрессии: построенная модель объясняет около 81 % описанной дисперсии.
На рисунке 16 показано сопоставление теоретических и фактических значений фактора выбросов в атмосферу (Ж).
35000,0 34500,0 34000,0 33500,0 33000,0
32500,0 32000,0 31500,0 31000,0 30500,0 30000,0
Рисунок 16 - сопоставление теоретических и фактических значений фактора Ж
На графике мы видим лишь один структурный выброс, который приходится на 2010 год. Поскольку не все факторы были учтены в модели, могут возникать незначительные выбросы, однако данный выброс не влияет на качество модели и является незначительным. Структурные разрывы на графике крайне незначительны. Также отметим, что в целом динамика показателя выбросов в атмосферу имеет тенденцию к постепенному росту. В соответствии со значимостью по показателю F-критерия данная модель имеет значение 0,0018, что значит модель значима. Коэффициент детерминации R2 составляет 77 %, что является весьма высоким показателем для парной регрессии: построенная модель объясняет около 77 % описанной дисперсии.
Подводя итог полученным результатам нашего исследования, можно сказать, что предложенная концептуальная модель является статистически значимой, более чем актуальной и можно смело опираться на выявленные и подтверждённые в ходе исследования связи между факторами.
Источники:
1. Распоряжение Правительства РФ от 9 июня 2020 г. № 1523-р «Энергетическая стратегия Российской Федерации на период до 2035 года. [Электронный ресурс]. - static.government.ru - Режим доступа: http://static.government.ru/media/fdes/w4sigFOiDjGVDYT4IgsApssm6mZRb7wx.pdf (Дата обращения: 06.10.2020).
2. Вдовиченко М.М., Дорошенко А.Н. Анализ состояния мирового рынка альтернативной энергетики [Электронный ресурс]. - www.elibrary.ru: электронная библиотека - Режим доступа: https://www.elibrary.ru/item. asp?id =38505983 (Дата обращения: 06.10.2020).
3. Гладышев А.М. Особенности развития инноваций в энергетике России [Электронный ресурс]. -cyberleninka.ru: электронная библиотека - Режим доступа: https://cyberlemnka.ru/artide/ri/osobermosti-razvitiya-innovatsiy-v-energetike-rossii (Дата обращения: 07.10.2020).
4. Идрисов И. М. Комбинированные энергетические технологии, сочетающие возобновляемую и водородную энергетику [Электронный ресурс]. - www.elibrary.ru: электронная библиотека - Режим доступа: https://www.elibrary.ru/item.asp?id=44122781 (Дата обращения: 07.10.2020).
5. Конников Е.А., Мансуров Р.Д., Михеев П.С., Ниемб Б.С. Источники медиирования инвестиций в возобновляемые источники энергии [Электронный ресурс]. - www.elibrary.ru: электронная библиотека - Режим доступа: https://www.elibrary.ru/item.asp?id=42906539 (Дата обращеня: 10.10.2020).
6. Кузнецов П.Н., Чебоксаров В.В., Якимович Б.А. Гибридные ветро-солнечные энергетические установки [Электронный ресурс]. - www.elibrary.ru: электронная библиотека - Режим доступа: https://www.elibrary.ru /item.asp?id=42574240 (Дата обращения: 11.10.2020).
7. Латышева Н.А., Шведов Л. А. Технологические инновации как основа энергетической безопасности России в условиях глобализации [Электронный ресурс]. - www.elibrary.ru: электронная библиотека - Режим доступа: https://moluch.ru/conf/econ/archive/329/14996/ (дата обращения: 05.12.2020).
8. Масленников М. И. Технологические и их влияние на экономику [Электронный ресурс]. - cyberleninka.ru: электронная библиотека - Режим доступа: https://cyberleninka.ru/article/n/tehnologicheskie-innovatsii-i-ih-vliyanie-na-ekonomiku (Дата обращения: 12.10.2020).
2010 2011 2012 2013 2014 2015 2016 2017
Фактический Ж Теоретический Ж
9. Пашкус В.Ю., Пашкус Н.А. Прорывное позиционирование инновационных продуктов и их инвестиционная привлекательность [Текст] // Вопросы экономики. - 2015. - № 24 (210). - С. 29 - 37.
10. Салыгин В.И. Влияние цифровых технологий на развитие мировой энергетики [Текст] // Инновации и инвестиции. - 2019. - №5. - С. 41- 44.
11. Санеев Б.Г., Майсюк Е.П., Музычук С.Ю. Экологическая оценка применения инноваций в энергетике региона (на примере Иркутской области) [Электронный ресурс]. - www.elibrary.ru: электронная библиотека - Режим доступа: https://www.elibrary.ru/item.asp?id=42830681 (Дата обращения: 11.10.2020).
12. Сушкевич Е.А., Ревицкая Т.В. Возобновляемая энергетика:состояние и перспективы [Текст] // БГЭУ (Минск). -2020. - С. 482-488.
13. Сычева И.В. Энергосберегающие строительные инновации на рынке энергоэффективности [Текст]// Экономика строительства и городского хозяйства. - 2020. - Том 16. - № 1. - С. 57-63.
14. Konnikov E.A., Osipova K.V., Yudina N.A., Korsak E.P. The prevalence of renewable energy in the russian energy market [Электронный ресурс]. - www.elibrary.ru: электронная библиотека - Режим доступа: https://www.elibrary.ru/item.asp?id=41712433 (Дата обращения: 12.10.2020).
15. Добринская О.А. Развитие возобновляемой энергетики в Японии [Текст] // Восточный альманах. Сборник научных статей. Под общей редакцией М.Г. Троянского. - 2015. - № 24 (210). - С. 29 - 37.
16. Дмитриев, Н. Д. Оптимизация управленческих процессов в электроэнергетике на основе математического моделирования / Н. Д. Дмитриев, Д. Г. Родионов, С. А. Жильцов // Kant. - 2021. - № 1(38). - С. 18-23. - DOI 10.24923/2222-243X.2021-38.4.
17. Кичигин, О. Э. Институциональный аспект формирования стратегических ориентиров государственной энергетической политики на региональном уровне при реализации стратегии национальной экономической безопасности / О. Э. Кичигин, Д. Г. Родионов // Экономика и предпринимательство. - 2017. - № 10-2(87). - С. 394-399.
18. Новикова, О. В. Энергообеспечение системы контроля безопасности мостов с применением возобновляемых источников энергии / О. В. Новикова, А. Д. Лучникова // Современные технологии и экономика энергетики : материалы Международной научно-практической конференции, Санкт-Петербург, 30 апреля 2019 года. -Санкт-Петербург: Издательско-полиграфический центр Политехнического университета ПОЛИТЕХ-ПРЕСС, 2019. - С. 140-143.
19. Новикова, О. В. Методические подходы к энергоснабжению с использованием возобновляемых источников энергии на объектах транспортной инфраструктуры федерального значения / О. В. Новикова, А. С. Мельниченко, А. Д. Лучникова // Строительство и техногенная безопасность. - 2018. - № 12(64). - С. 81-89.
20. Маскова, Ю. Р. Анализ опыта использования возобновляемых источников энергии в инфраструктуре магапо-лиса / Ю. Р. Маскова, О. В. Новикова // Неделя науки СПбПУ : материалы научной конференции с международным участием, Санкт-Петербург, 13-19 ноября 2017 года. - Санкт-Петербург: Федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский политехнический университет Петра Великого", 2017. - С. 209-212.
References:
1. Decree of the Government of the Russian Federation No. 1523-r of June 9, 2020 "Energy Strategy of the Russian Federation for the period up to 2035. [electronic resource]. - static.government.ru -Access mode: http://static.government.ru/media/files/w4sigFOiDjGVDYT4IgsApssm6mZRb7wx.pdf (Accessed: 06.10.2020).
2. Vdovichenko M. M., Doroshenko A. N. Analysis of the state of the world alternative energy market [Electronic resource]. - www.elibrary.ru: electronic library-Access mode: https://www.elibrary.ru/item. asp? id =38505983 (Accessed: 06.10.2020).
3. Gladyshev A.M. Features of the development of innovations in the energy sector of Russia [Electronic resource]. - cyber-leninka.ru: electronic library-Access mode: https://cyberleninka.ru/article/n/osobennosti-razvitiya-innovatsiy-v-energetike-rossii (Accessed: 07.10.2020).
4. Idrisov I. M. Combined energy technologies combining renewable and hydrogen energy [Electronic resource]. -www.elibrary.ru: electronic library-Access mode: https://www.elibrary.ru/item.asp?id=44122781 (Accessed: 07.10.2020).
5. Konnikov E. A., Mansurov R. D., Mikheev P. S., Niemb B. S. Sources of mediation of investments in renewable energy sources [Electronic resource]. - www.elibrary.ru: electronic library-Access mode: https://www.elibrary.ru/item.asp?id= 42906539 (Date of the request: 10.10.2020).
6. Kuznetsov P. N., Cheboksary V. V., Yakimovich B. A. Hybrid wind-solar power plants [Electronic resource]. -www.elibrary.ru: electronic library-Access mode: https://www.elibrary.ru /item.asp?id=42574240 (Accessed date: 11.10.2020).
7. Latysheva N. A., Shvedov L. A. Technological innovations as the basis of Russia's energy security in the context of globalization [Electronic resource]. - www.elibrary.ru: electronic library-Access mode: https://moluch.ru/conf/econ/archive/ 329/14996/ (accessed: 05.12.2020).
8. Maslennikov M. I. Technological and their impact on the economy [Electronic resource]. - cyberleninka.ru: electronic library-Access mode: https://cyberleninka.ru/article/n/tehnologicheskie-innovatsii-i-ih-vliyanie-na-ekonomiku (Date of request: 12.10.2020).
9. Pashkus V. Yu., Pashkus N. A. Breakthrough positioning of innovative products and their investment attractiveness [Text] // Economic issues. - 2015. - № 24 (210). - Pp. 29-37.
10. Salygin V. I. The influence of digital technologies on the development of world energy [Text] // Innovation and investment. - 2019. - No. 5. - p. 41-44.
11. Saneev B. G., Maysyuk E. P., Muzychuk S. Yu. Environmental assessment of the application of innovations in the energy sector of the region (on the example of the Irkutsk region) [Electronic resource]. - www.elibrary.ru: electronic libraryAccess mode: https://www.elibrary.ru/item.asp?id=42830681 (Date of request: 11.10.2020).
12. Sushkevich E. A., Revitskaya T. V. Renewable energy:state and prospects [Text] / / BSEU (Minsk). - 2020. - pp. 482-488.
13. Sycheva I. V. Energy-saving construction innovations in the energy efficiency market [Text]// Economics of construction and urban economy. - 2020. - Volume 16. - No. 1. - pp. 57-63.
14. Konnikov E. A., Osipova K. V., Yudina N. A., Korsak E. P. The prevalence of renewable energy in the Russian energy market [Electronic resource]. - www.elibrary.ru: electronic library-Access mode: https://www.elibrary.ru/item.asp?id =41712433 (Date of request:12.10.2020).
15. Dobrinskaya O. A. Development of renewable energy in Japan [Text] // Oriental Almanac. Collection of scientific articles. Under the General editorship of M. G. Trojan. - 2015. - № 24 (210). - P. 29 - 37.
16. Dmitriev, N. D. Optimization of management processes in power generation based on mathematical mo-melirovanie / N.D. Dmitriev, D. G. Rodionov, S. A. Residents // Kant. - 2021. - № 1(38). - S. 18-23. - DOI 10.24923/2222-243X.2021-38.4.
17. Kichigin, O. E. The institutional aspect of the formation of strategic guidelines for state energy policy at the regional level in the implementation of the national economic security strategy / O. E. Kichigin, D. G. Rodionov // Economics and entre-preneurship. - 2017. - № 10-2(87). - Pp. 394-399.
18. Novikova, O. V. Power supply of the bridge safety control system with the use of renewable energy sources / O. V. Novikova, A.D. Luchnikova // Modern technologies and Energy Economics : materials of the International Scientific and Practical Conference, St. Petersburg, April 30, 2019. - St. Petersburg: Publishing and Printing Center of the Polytechnic University POLYTECH-PRESS, 2019. - pp. 140-143.
19. Novikova, O. V. Methodological approaches to energy supply using renewable energy sources at transport infrastructure facilities of federal significance / O. V. Novikova, A. S. Melnichenko, A.D. Luchnikova // Construction and technogenic safety. - 2018. - № 12(64). - Pp. 81-89.
20. Maskova, Yu. R. Analysis of the experience of using renewable energy sources in the infrastructure of Magapolis / Yu. R. Maskova, O. V. Novikova // SPbPU Science Week: materials of a scientific conference with international participation, St. Petersburg, November 13-19, 2017. - St. Petersburg: Federal State Autonomous Educational Institution of Higher Education "Peter the Great St. Petersburg Polytechnic University", 2017. - pp. 209-212.
DOI: 10.24412/2309-4788-2021-11285
Т.Ю. Кудрявцева - д.э.н., профессор Высшей инженерно-экономической школы, доцент ФГАОУ ВО СПбПУ, tankud28@mail.ru,
T.Yu. Kudryavtseva - Doctor of Economics, Professor of Graduate School of industrial economics, Peter the Great St Petersburg Polytechnic University;
К.С. Кожина - студент Высшей инженерно-экономической школы, доцент ФГАОУ ВО СПбПУ, ksukozh@yandex.ru,
K.S. Kozhina - student of Graduate School of industrial economics, Peter the Great St Petersburg Polytechnic University.
ГОСУДАРСТВЕННЫЕ МЕРЫ ПОДДЕРЖКИ ЛЕГКОЙ ПРОМЫШЛЕННОСТИ РОССИИ GOVERNMENT MEASURES TO SUPPORT LIGHT INDUSTRY IN RUSSIA
Аннотация. Легкая промышленность является влиятельной отраслью для страны, так как она отличается наличием большого капитала, отличающегося быстрой оборачиваемостью. Но в России данная отрасль сталкивается с такими проблемами как техническая и технологическая отсталость, низкая инновационная и инвестиционная активность, а, следовательно, и низкий уровень цифровизации. Решением проблемы многие компании видят в цифровизации отрасли. Но не всегда компании легкой промышленности имеют возможность внедрять цифровые технологии. С учетом опыта западных стран для более эффективного решения проблем отсталости отрасли необходима государственная поддержка как финансовая для реализации инвестиционных проектов по внедрению цифровых технологий в производство в виде субсидий, льготных кредитов, так и нефинансовая в виде продвижения продукции на мировой рынок или реализации регу-ляторной поддержки.
Abstract. Light industry is an influential industry for the country, as it is distinguished by the presence of large capital, characterized by a fast turnover. But in Russia, this industry is faced with such problems as technical and technological backwardness, low innovation and investment activity, and, consequently, a low level of digitali-zation. Many companies see the solution to the problem in the digitalization of the industry. But light industry companies do not always have the opportunity to introduce digital technologies. Taking into account the experience of Western countries, in order to more effectively solve the problems of the backwardness of the industry, state support is needed, both financial for the implementation of investment projects for the introduction of digital technologies in production in the form of subsidies, concessional loans, and non-financial in the form of promoting products on the world market or implementing regulatory support.
Ключевые слова: легкая промышленность, цифровизация, меры поддержки. Keywords: textile industry, digitalization, support measures.
Введение. Легкая промышленность - отрасль, которая может стать одним из драйверов развития экономики России. Но из-за ряда проблем в виде отсталости технической и технологической, зависимости от импортного оборудования и сырья, низкой инновационной и инвестиционной активности отечественная отрасль находится на этапе стагнации. Выход из застоя компании находят в цифровизации отрасли, которая невозможна без реализации инвестиционных проектов и государственной поддержки Государственная под-
