Los principales desafíos en el diseño de un Sistema Híbrido de Energía Renovable (HRES) incluyen seleccionar fuentes de energía renovable y sistemas de almacenamiento apropiados, dimensionar con precisión cada componente y definir criterios de optimización adecuados. Este estudio aborda estos desafíos empleando la Optimización por Enjambre de Partículas (PSO) dentro de un marco de optimización multicriterio para diseñar un HRES en el Condado de Kern, EE. UU. El sistema propuesto integra turbinas eólicas (WTS), paneles fotovoltaicos (PV), gasificadores de biomasa (BMG), baterías, electrolizadores (EL) y pilas de combustible (FC), con el objetivo de minimizar el Costo Anual del Sistema (ASC), minimizar la Probabilidad de Pérdida de Suministro de Energía (LPSP) y maximizar la fracción de energía renovable (REF). Los resultados demuestran que el sistema optimizado por PSO logra un ASC de 6,336,303 USD, un LPSP de 0.01% y un REF de 90.01%, todos alcanzados después de 25 iteraciones. En comparación con el Algoritmo Genético (GA) y el GA-PSO híbrido, PSO mejoró la rentabilidad en un 3.4% sobre GA y redujo el ASC en un 1.09% en comparación con GAPSO. En términos de REF, PSO superó a GA en un 1.22% y a GAPSO en un 0.99%. La configuración optimizada por PSO incluye WT (4669 kW), solar PV (10,623 kW), BMG (2174 kW), batería (8000 kWh), FC (2305 kW) y EL (6806 kW). El análisis de sensibilidad destaca la flexibilidad del marco de optimización bajo diferentes distribuciones de peso. Estos resultados destacan la confiabilidad, rentabilidad y sostenibilidad del sistema propuesto, ofreciendo valiosas ideas para los responsables de políticas y profesionales que transitan hacia sistemas de energía renovable.