Hybrid Renewable Energy Resources Selection Based on Multi Criteria Decision Methods for Optimal Performance
Notice bibliographique
Résumé
This paper used some Muti-Criteria Decision Analysis (MCDA) techniques to select the best alternative renewable energy sources in Msallata city, south east of Tripoli, Libya. They were based on the commitment from the ministry of Energy in the Libyan government to lower their carbon footprint. The renewable energy sources considered here are solar, wind, and biomass. MCDA is widely used to solve various decision problems through alternative evaluation. MCDA methods are currently applied in every field and can define any problem, alternatives, and criteria. However, every MCDA technique can give different results. In this paper, four MCDA methods have been tested and evaluated based on the renewable energy sector to find the best alternative. The results suggest that a combination of wind and solar is the most important energy source; solar plants alone are the second most important energy source. The least important energy source in this model is biomass alone. This work is validated using HOMER Pro Software. Many MCDA techniques are applied these days in almost all disciplines, but they may have different results. This work proved that the best MCDA for dealing with renewables in our case is either The COmplex PRoportional ASsessment (COPRAS) or VIseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR). COPRAS is a MCDA technique that is developed by Zavadskas, Kaklauskas, and Sarka in 1994, it is applied to maximiza and minimize index values. VIKOR is an abbreviation of a Serbian term that means Multicriteria Optimization and Compromise Solution, it ranks and selects from various alternatives with conflicting criteria.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».