祝贺《发电技术》入选《世界期刊影响力指数(WJCI)报告(2020 STM)》

   世界期刊影响力指数（WJCI）报告（2020 STM）》覆盖279个学科，收录全球科技期刊14287种。其中收录中国科技期刊1426种。
   《发电技术》所属的“电力能源”学科，全球共有30种期刊入选，其中中国期刊11种。

恭喜《发电技术》期刊！祝越办越好！

图片来自：https://www.pgtjournal.com/CN/column/item44.shtml

后期制作：拉曲线。

参考资料：
[1] 发电技术，2021-08-23，《发电技术》入选《世界期刊影响力指数(WJCI)报告(2020 STM)》
https://www.pgtjournal.com/CN/column/item44.shtml
[2] 发电技术期刊，2021-08-23，【喜报】《发电技术》入选《世界期刊影响力指数（WJCI）报告（2020 STM）》
https://mp.weixin.qq.com/s/Fj9CEXNT0Cf-ZSpn371M7g
   入选《能源电力领域高质量科技期刊分级目录》（中国科协）
   俄罗斯《文摘杂志》（AJ）收录
   RCCSE中国核心学术期刊
   中国知网Q1区期刊
[3] WJCI期刊名单
https://wjci.cnki.net/Home/JournalList
[4] Journal List
https://wjci.cnki.net/Home/OverseaJournalList?code=004
[5] 中国知网，2020-12-17，2020世界期刊影响力指数（WJCI）报告中国期刊入选名单
http://www.eval.cnki.net/News/ItemDetail?ID=a0a55c8e857d44ca8aa36f334d083220

相关链接：
[1] 2021-01-02，喜获《发电技术》2020 年度优秀论文：大气压的差值对风速空间相关性预测的影响分析
http://blog.sciencenet.cn/blog-107667-1265377.html
[2] 2020-01-21，喜获《发电技术》2019年度优秀审稿专家！
http://blog.sciencenet.cn/blog-107667-1215111.html
[3] 杨正瓴, 王如雪, 乔健, 张玺, 杨钊, 张军. 大气压的差值对风速空间相关性预测的影响分析[J]. 发电技术, 2020, 41(6): 617-624.
Zhengling YANG, Ruxue WAGN, Jian QIAO, Xi ZHANG, Zhao YANG, Jun ZHANG. Analysis of the Influence of Atmospheric Pressure Difference on Spatial Correlation Prediction of Wind Speed[J]. Power Generation Technology, 2020, 41(6): 617-624.
https://www.pgtjournal.com/CN/10.12096/j.2096-4528.pgt.19126
[4] 2018-08-12，我们的论文《基于季风和大气压分布的我国风电功率预测研究》刊出
http://blog.sciencenet.cn/blog-107667-1128808.html
[5] 基于季风和大气压分布的我国风电功率预测研究（Survey on China Wind Power Prediction Based on Monsoons and Atmospheric Pressure Distribution）[J]. 分布式能源（Distributed Energy）, 2018, 3(2): 29-38
http://qikan.cqvip.com/Qikan/Article/Detail?id=675408799
https://d.wanfangdata.com.cn/periodical/fbsny201802005
https://www.cnki.com.cn/Article/CJFDTotal-FBNY201802005.htm
[6] 中国科学院科学智慧火花，2020-10-14，发展我国东南沿海风电的一些可能的建议
http://idea.cas.cn/viewdoc.action?docid=76038
[7] 2015-12-31，2015年小结（初稿，修改中）
http://blog.sciencenet.cn/blog-107667-947081.html
[8] 基于季风特性改进风电功率预测的研究展望（Research prospects of improvement in wind power forecasting based on characteristics of monsoons）[J]．智能电网（Smart Grid），2015，3(1)：1-7.
https://www.cnki.com.cn/Article/CJFDTOTAL-ZNDW201501001.htm
https://d.wanfangdata.com.cn/periodical/zndw201501001
http://hfffxaa7a0cc611944276h00k9xuffco096n9q.ffhh.eds.tju.edu.cn/Qikan/Article/Detail?id=90786887504849534849484849&from=Qikan_Search_Index

感谢您的指教！

感谢您指正以上任何错误！

感谢您提供更多的相关资料！