2021年谷歌学术指标发布：Energies位于可持续能源领域第11位 | MDPI News

  [NEWS]

谷歌学术 (Goocle Scholar) 于2021年7月22日公布了最新的学术期刊影响力排名指标 (Scholar Metrics)，Energies期刊凭借91的h5因子 (h5-index) 在Sustainable Energy分类里位列第11。(来源：谷歌学术)

Scholar Metrics排名是依照过去5年的发表研究数据，同时涵盖了2016-2020发文数据以及2021年7月之前在谷歌学术被索引的所有文章的引用数据，该榜单主要以h5因子来排名。所以Google Metrics这个数据为作者们提供了一种更快捷简便的方法，来评估最近的学术出版物的知名度和影响力。

Google Metrics 的两个评价指标：

h5-index :

2016年到2020年整整 5 年中所发表文章的 h 指数。h选取的标准是，保证有h篇文章近5年的引用数据大于h。

 h5-median: 

出版物的 h5 指数所涵盖的所有文章获得的引用次数的中位值。

文章荐读

01 Phase Change Materials (PCM) for Solar Energy Usages and Storage: An Overview

应用于用于太阳能使用和存储的相变材料 (PCM)：概述

M. Mofijur et al. 

https://doi.org/10.3390/en12163167

太阳能是一种清洁可再生能源，在不同领域有着广泛的应用。但太阳能的有效利用需要一种可以促进多余能量存储的介质，然后在需要时提供这些储存的能量，其中使用相变材料 (PCM) 可以有效存储来自太阳能的热能。PCM 本质上是等温的，因此可以更高效的存储能量，并且可以适应变化的温度条件。本文综合概述了PCM在太阳能利用和存储方面的应用，如太阳能发电、太阳能热水系统、太阳能炊具和太阳能干燥机等。本文将有助于科研学者进一步研究PCM，并助力PCM在各个领域内的开发与应用。

识别左侧二维码，

免费阅读英文原文。

02 Forecasting Energy Use in Buildings Using Artificial Neural Networks: A Review

使用人工智能神经网络来预测建筑物的能源使用：综述

Jason Runge and Radu Zmeureanu

https://doi.org/10.3390/en12173254

预测建筑能耗有助于规划、管理、优化建筑对于能源的利用，而能源预测的数据驱动模型在过去几十年中得到了迅速发展，在众多模型中，人工神经网络是迄今为止应用最广泛的数据驱动方法。本文总结了自2000年以来发表的应用人工神经网络来预测建筑能源利用和需求的相关研究，特别侧重于分析模型评估中使用的应用程序、数据、预测模型和性能指标，论述了现有的研究缺口，并提出了用于建筑能源预测的人工神经网络领域的未来研究方向。

识别左侧二维码，

免费阅读英文原文。

Energies 期刊介绍

主编：Prof. Dr. Enrico Sciubba, University of Roma Sapienza, Italy

Energies (ISSN 1996-1073) 发表关于能源工程及相关领域的文章。目前已被SCIE、Ei Compendex、Scopus和Inspec (IET) 等多个重要数据库收录。期刊一审审稿周期约为16天，文章从接收到发表上线仅需4天。

2020  Impact Factor	2020 CiteScore	MPT	APT
3.004	4.7	39	44

*MPT: Median Publication Time; APT: Average Publication Time

往期回顾

版权声明

本文内容由MDPI中国办公室编辑负责编辑，如需转载，请邮件联系：

[e-mail]

由于微信订阅号推送规则更新，您可以将“MDPI 开放数字出版”设为星标，便可在消息栏中便捷地找到我们，及时了解最新开放出版动态资讯！

点击左下方“阅读原文”，了解Energies期刊更多内容。

喜欢今天的内容？不如来个“三连击”☞【分享，点赞，转发】