Ein Modell zur Auswahl erneuerbarer Energien für eine nachhaltige Entwicklung Integration von Hesitant Fuzzy Logic und maschinellem Lernen für die Optimierung von erneuerbaren Energien

Die Verwirklichung des SDG 7, der allgemeine Zugang zu erschwinglicher, zuverlässiger und sauberer Energie, ist entscheidend für die Bewältigung der Energiekrise und die Gewährleistung einer nachhaltigen Entwicklung. In Uttarakhand wird der Zugang zu Energie trotz des großen Potenzials an erneuerbaren Energien durch schwieriges Gelände, ökologische Empfindlichkeit und Infrastrukturlücken behindert. Diese Forschung schlägt einen hybriden Entscheidungsfindungsrahmen vor, der maschinelles Lernen (ML) mit Hesitant Fuzzy Multi-Criteria Decision-Making (MCDM) kombiniert, um die besten erneuerbaren Energieoptionen für die Region zu identifizieren. Fünf Alternativen - Photovoltaik, Solarthermie, CSP, Mini- und Kleinwasserkraft sowie Bioenergie - wurden auf der Grundlage von Ressourcen und Expertenbeiträgen ausgewählt. Mit Hilfe einer bibliometrischen Analyse in R und der Nominal Group Technique (NGT) wurden Kriterien festgelegt. Der Hesitant Fuzzy AHP wies Gewichte zu, während H-FTOPSIS eine Rangfolge der Optionen erstellte. Die logistische Regression verbesserte die Vorhersagegenauigkeit, und eine Sensitivitätsanalyse prüfte die Stabilität des Modells. Die Ergebnisse zeigen, dass PV-Solaranlagen die beste Wahl sind. Der Rahmen unterstützt eine strategische, evidenzbasierte Energieplanung für Uttarakhand und bietet eine skalierbare, anpassbare Methode für ähnliche Regionen weltweit.