所屬分類： SCIE 期刊 工程技術(shù) 中科院 4區(qū) JCR Q3
能源
能源雜志簡介
- 出版商：MDPI (Basel, Switzerland)
- 出版語言：English
- TOP期刊：否
- 出版地區(qū)：SWITZERLAND
- 是否預(yù)警：是
- 是否OA：開放
- 出版周期：Quarterly
- 出版年份：2008
- 中文名稱：能源
- 是否OA：開放
能源（國際簡稱ENERGIES，英文名稱Energies）是一本開放獲取（OA）國際期刊，自2008年創(chuàng)刊以來，始終站在工程技術(shù)研究的前沿。該期刊致力于發(fā)表在工程技術(shù)領(lǐng)域各個方面達(dá)到最高科學(xué)標(biāo)準(zhǔn)和具有重要性的研究成果。全面反映該學(xué)科的發(fā)展趨勢，為工程技術(shù)事業(yè)的進(jìn)步提供了有力的支撐。期刊嚴(yán)格遵循職業(yè)道德標(biāo)準(zhǔn)，對于任何形式的抄襲行為，無論是文字還是圖形，一旦查實(shí)，均可能導(dǎo)致稿件被拒絕。
近年來，來自CHINA MAINLAND、South Korea、Poland、Italy、USA、Spain、GERMANY (FED REP GER)、England、Australia、Japan等國家和地區(qū)的研究者在《Energies》上發(fā)表了大量的高質(zhì)量文章。該期刊內(nèi)容豐富，包括原創(chuàng)研究、綜述文章、專題觀點(diǎn)、論文預(yù)覽、專家意見等多種類型，旨在為全球該領(lǐng)域研究者提供廣泛的學(xué)術(shù)交流平臺和靈感來源。
在過去幾年中，該期刊保持了穩(wěn)定的發(fā)文量和綜述量，具體數(shù)據(jù)如下：
2014年：發(fā)表文章417篇、2015年：發(fā)表文章727篇、2016年：發(fā)表文章1082篇、2017年：發(fā)表文章2161篇、2018年：發(fā)表文章3515篇、2019年：發(fā)表文章4783篇、2020年：發(fā)表文章6715篇、2021年：發(fā)表文章8369篇、2022年：發(fā)表文章9398篇、2023年：發(fā)表文章7998篇。這些數(shù)據(jù)反映了期刊在全球工程技術(shù)領(lǐng)域的影響力和活躍度，同時也展示了其作為學(xué)術(shù)界和工業(yè)界研究人員首選資源的地位。《Energies》將繼續(xù)致力于推動工程技術(shù)領(lǐng)域的知識傳播和科學(xué)進(jìn)步，為全球工程技術(shù)問題的解決貢獻(xiàn)力量。
期刊指數(shù)
- 影響因子：3
- 文章自引率：0.2187...
- Gold OA文章占比：99.59%
- CiteScore：6.2
- 年發(fā)文量：7998
- 開源占比：0.9947
- SJR指數(shù)：0.651
- H-index：64
- 出版撤稿文章占比：0.0001...
- SNIP指數(shù)：0.947
- OA被引用占比：1
- 出版國人文章占比：0.22
WOS期刊SCI分區(qū)（2023-2024年最新版）
| 按JIF指標(biāo)學(xué)科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
| 學(xué)科：ENERGY & FUELS | SCIE | Q3 | 107 / 170 |
37.4% |
| 按JCI指標(biāo)學(xué)科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
| 學(xué)科：ENERGY & FUELS | SCIE | Q3 | 115 / 173 |
33.82% |
中科院分區(qū)表
中科院SCI期刊分區(qū) 2023年12月升級版
| Top期刊 | 綜述期刊 | 大類學(xué)科 | 小類學(xué)科 |
| 否 | 否 | 工程技術(shù) 4區(qū) |
ENERGY & FUELS
能源與燃料
4區(qū)
|
CiteScore（2024年最新版）
CiteScore 排名
| CiteScore | SJR | SNIP | CiteScore 排名 | ||||||||||||||||||||||||||||||||
| 6.2 | 0.651 | 0.947 |
|
學(xué)術(shù)指標(biāo)分析
影響因子和CiteScore
自引率
影響因子：指某一期刊的文章在特定年份或時期被引用的頻率，是衡量學(xué)術(shù)期刊影響力的一個重要指標(biāo)。影響因子越高，代表著期刊的影響力越大 。
CiteScore：該值越高，代表該期刊的論文受到更多其他學(xué)者的引用，因此該期刊的影響力也越高。
自引率：是衡量期刊質(zhì)量和影響力的重要指標(biāo)之一。通過計算期刊被自身引用的次數(shù)與總被引次數(shù)的比例，可以反映期刊對于自身研究內(nèi)容的重視程度以及內(nèi)部引用的情況。
年發(fā)文量：是衡量期刊活躍度和研究產(chǎn)出能力的重要指標(biāo)，年發(fā)文量較多的期刊可能擁有更廣泛的讀者群體和更高的學(xué)術(shù)聲譽(yù)，從而吸引更多的優(yōu)質(zhì)稿件。
期刊互引關(guān)系
| 序號 | 引用他刊情況 | 引用次數(shù) |
| 1 | ENERGIES | 7994 |
| 2 | RENEW SUST ENERG REV | 4966 |
| 3 | APPL ENERG | 4695 |
| 4 | ENERGY | 4169 |
| 5 | IEEE T POWER ELECTR | 3040 |
| 6 | IEEE T IND ELECTRON | 3017 |
| 7 | RENEW ENERG | 2877 |
| 8 | IEEE T POWER SYST | 2760 |
| 9 | ENERG CONVERS MANAGE | 2320 |
| 10 | ENERG POLICY | 2261 |
| 序號 | 被他刊引用情況 | 引用次數(shù) |
| 1 | ENERGIES | 7994 |
| 2 | IEEE ACCESS | 962 |
| 3 | SUSTAINABILITY-BASEL | 933 |
| 4 | APPL SCI-BASEL | 762 |
| 5 | ENERGY | 587 |
| 6 | APPL ENERG | 580 |
| 7 | RENEW SUST ENERG REV | 410 |
| 8 | ELECTRONICS-SWITZ | 400 |
| 9 | RENEW ENERG | 369 |
| 10 | J CLEAN PROD | 361 |
高引用文章
- Optimal Deep Learning LSTM Model for Electric Load Forecasting using Feature Selection and Genetic Algorithm: Comparison with Machine Learning Approaches引用次數(shù)：56
- Novel Method for Identifying Fault Location of Mixed Lines引用次數(shù)：51
- Bio-Based Chemicals from Renewable Biomass for Integrated Biorefineries引用次數(shù)：48
- Research on Automatic Generation Control with Wind Power Participation Based on Predictive Optimal 2-Degree-of-Freedom PID Strategy for Multi-area Interconnected Power System引用次數(shù)：45
- Model Predictive Control (MPC) for Enhancing Building and HVAC System Energy Efficiency: Problem Formulation, Applications and Opportunities引用次數(shù)：44
- A Hybrid Seasonal Mechanism with a Chaotic Cuckoo Search Algorithm with a Support Vector Regression Model for Electric Load Forecasting引用次數(shù)：41
- Current Li-Ion Battery Technologies in Electric Vehicles and Opportunities for Advancements引用次數(shù)：38
- Biofuels Production by Biomass Gasification: A Review引用次數(shù)：36
- A Review on Anaerobic Co-Digestion with a Focus on the Microbial Populations and the Effect of Multi-Stage Digester Configuration引用次數(shù)：35
- State of the Art of Machine Learning Models in Energy Systems, a Systematic Review引用次數(shù)：34
