目前世界大部分国家都面临能源短缺，各国对能源尤其新能源发展给予很大重视，我国对新能源的研究与开发已取得了一定进展，但未达到预期的作用，其中最薄弱、最关键的问题是对农村新能源推广应用。基于案例推理(Case-based Reasoning)理论属于人工智能范畴，它是基于知识的问题求解和学习方法，通过重用或修改以前解决相似问题的方案来解决新的问题。本文利用典型农村地区用能知识经验，通过CBR为决策者提供农村新能源利用的决策支持，帮助各级政府制定科学的、符合农民利益的政策、措施，避免因缺乏新能源利用知识和经验而产生的新能源应用的盲目性。　　本文对新能源利用特点、评价方法、新能源推广应用需求分析进行研究，及全国543个典型农村用能实地调查数据分析基础上，确定本课题的技术方案，并明确了整个项目的研究思路。　　在对CBR研究中发现案例检索是CBR的重点和难点，在案例检索中关键是计算案例之间的相似度和特征属性权重，因此，本文对案例检索算法与权重设置算法进行深入研究。首先本文通过对海明距离、改进欧式距离及基于偏好信息的检索算法等多种相似度算法进行实验比较分析，结果表明基于偏好信息的案例检索算法有较高的准确性。在对案例检索算法充分理解的基础上，根据项目实际需求，改进基于偏好信息检索算法，实验表明改进后的算法在本课题中获得了更优的性能。然后对客观权重设置算法研究，选择目前最有效的两种客观权重算法粗糙集理论计算权重算法和基于信息粒度权重计算算法实验比较，实验结果表明基于粗糙集理论权重计算算法求得客观权重更合理。　　此外，本文根据知识描述理论提出农村新能源应用的面向对象的案例描述方法、同时根据农村新能源调查数据分析，从基础数据库中抽取数据建立案例库;通过粗糙集理论计算权重算法设置客观权重与主观权重相结合，对课题中特征属性权重设置，进而通过基于最近邻策略的案例匹配算法对案例进行检索，实现农村新能源利用辅助决策系统。