[논문 리뷰] Subjective-Objective Median-based Importance Technique (SOMIT) to Aid Multi-Criteria Renewable Energy Evaluation

Ding Ding, Yang Li외 3명|arXiv (Cornell University)|2026. 01. 06.

Multi-Criteria Decision Making인용 수 0

한 줄 요약

SOMIT는 재생에너지 MCDM에서 주관적-객관적 가중치의 하이브리드 방법으로 비교를 줄이고 강건성을 높이며 TOPSIS와 모듈식 통합을 가능하게 한다.

ABSTRACT

Accelerating the renewable energy transition requires informed decision-making that accounts for the diverse financial, technical, environmental, and social trade-offs across different renewable energy technologies. A critical step in this multi-criteria decision-making (MCDM) process is the determination of appropriate criteria weights. However, deriving these weights often solely involves either subjective assessment from decision-makers or objective weighting methods, each of which has limitations in terms of cognitive burden, potential bias, and insufficient contextual relevance. This study proposes the subjective-objective median-based importance technique (SOMIT), a novel hybrid approach for determining criteria weights in MCDM. By tailoring SOMIT to renewable energy evaluation, the method directly supports applied energy system planning, policy analysis, and technology prioritization under carbon neutrality goals. The practical utility of SOMIT is demonstrated through two MCDM case studies on renewable energy decision-making in India and Saudi Arabia. Using the derived weights from SOMIT, the TOPSIS method ranks the renewable energy alternatives, with solar power achieving the highest performance scores in both cases. The main contributions of this work are five-fold: 1) the proposed SOMIT reduces the number of required subjective comparisons from the conventional quadratic order to a linear order; 2) SOMIT is more robust to outliers in the alternatives-criteria matrix (ACM); 3) SOMIT balances subjective expert knowledge with objective data-driven insights, thereby mitigating bias; 4) SOMIT is inherently modular, allowing both its individual parts and the complete approach to be seamlessly coupled with a wide range of MCDM methods commonly applied in energy systems and policy analysis; 5) a dedicated Python library, pysomit, is developed for SOMIT.

연구 동기 및 목표

• 재생 에너지 결정에서 MCDM의 가중치 elicitation에 따른 인지 부담을 줄인다.
• 편향을 완화하기 위해 전문가의 주관적 판단과 객관적 데이터 통찰을 균형 있게 조정한다.
• 다양한 MCDM 방법과 모듈식으로 통합될 수 있는 가중치 방법론을 제공한다.
• 탄소 중립 목표 아래 현실 세계의 에너지 계획에서 SOMIT의 활용도를 입증한다.

제안 방법

• 재생에너지 평가를 위한 MCDM에 대한 주관적-객관적 하이브리드 가중치 기법으로 SOMIT를 도입한다.
• SOMIT가 주관적 비교를 제곱급에서 선형 차수로 축소한다는 것을 보인다.
• 대안-기준 행렬의 이상치에 대한 SOMIT의 강건성을 입증한다.
• 에너지 대안을 순위화하기 위해 TOPSIS 방법과 SOMIT를 결합한다.
• SOMIT 구현을 위한 파이썬 라이브러리 pysomit를 개발한다.

실험 결과

연구 질문

• RQ1 재생에너지의 MCDM에서 기준 가중치를 인지 부담을 줄이고 주관적 입력과 객관적 입력을 모두 반영하여 어떻게 결정할 수 있는가?
• RQ2 SOMIT가 전통적 가중화 방법에 비해 이상치에 대한 강건성을 향상시키는가?
• RQ3 SOMIT를 일반적인 MCDM 방법(TOPSIS 등)과 통합하여 에너지 기술에 대한 실행 가능한 순위를 산출할 수 있는가?
• RQ4 SOMIT가 에너지 정책 분석에서 다양한 알고리즘 및 데이터 소스와 결합될 만큼 모듈식인가?

주요 결과

• SOMIT는 필요한 주관적 비교의 수를 제곱 차수에서 선형 차수로 축소한다.
• SOMIT는 대안-기준 행렬의 이상치에 더 강건하다.
• SOMIT는 주관적 전문가 지식과 객관적 데이터 기반 통찰을 균형 있게 하여 편향을 줄인다.
• SOMIT는 모듈식이며 광범위한 MCDM 방법과 결합될 수 있다.
• 전용 파이썬 라이브러리인 pysomit가 SOMIT 구현을 지원한다.