Un modelo de selección de energías renovables para el desarrollo sostenible Integración de la lógica difusa vacilante y el aprendizaje automático para la optimización de las energías renovables

Lograr el ODS 7, el acceso universal a una energía asequible, fiable y limpia, es vital para hacer frente a la crisis energética y garantizar el desarrollo sostenible. En Uttarakhand, a pesar del rico potencial renovable, el acceso a la energía se ve obstaculizado por un terreno difícil, la sensibilidad ecológica y las lagunas en la infraestructura. Esta investigación propone un marco híbrido de toma de decisiones que combina el Aprendizaje Automático (ML) con la Toma de Decisiones Multicriterio Difusa Vacilante (MCDM) para identificar las mejores opciones de energía renovable para la región. Se eligieron cinco alternativas: solar fotovoltaica, solar térmica, CSP, mini y pequeña hidroeléctrica y bioenergía, basándose en los recursos y en la opinión de los expertos. Utilizando el análisis bibliométrico en R y la Técnica de Grupo Nominal (NGT), se establecieron los criterios. El AHP Difuso Vacilante asignó los pesos, mientras que el H-FTOPSIS clasificó las opciones. La regresión logística mejoró la precisión de la predicción y el análisis de sensibilidad puso a prueba la estabilidad del modelo. Los resultados muestran que la solar fotovoltaica es la opción más viable. El marco apoya la planificación energética estratégica basada en pruebas para Uttarakhand y ofrece un método escalable y adaptable para regiones similares en todo el mundo.