La adopción global de sistemas híbridos de energía renovable (HRESs) se está acelerando como respuesta estratégica a la creciente demanda de energía y la necesidad de mitigar las emisiones de gases de efecto invernadero. A pesar del desarrollo de diversas herramientas tecnológicas, como análisis de pre-factibilidad, dimensionamiento y herramientas de simulación, persisten desafíos debido a su limitada flexibilidad para modificar arquitecturas de sistemas y sus tiempos de cálculo típicamente largos, lo que obstaculiza su eficiencia práctica. Este estudio introduce un novedoso método híbrido que integra el algoritmo de búsqueda heurística Branch and Bound (BB) con el algoritmo de los k-Vecinos Más Cercanos (kNN) para reducir drásticamente el tiempo de simulación de modelos de microrredes en Simulink. La validación considerando cuatro estudios de caso distintos revela que nuestro método puede disminuir el tiempo de simulación hasta un 94.68% manteniendo una precisión aceptable. Específicamente, los tiempos de simulación en ciertos casos se redujeron de aproximadamente 21,780 y 118,580 s a 1442.7969 y 6306.0625 s, respectivamente. Esta reducción significativa facilita la evaluación y selección rápida de configuraciones HRES óptimas, mejorando la eficiencia de sistemas editables y no editables. Al agilizar el proceso de simulación, este enfoque no solo acelera las fases de diseño y análisis, sino que también apoya la adopción y despliegue más amplio de HRESs, lo cual es crucial para lograr un futuro sostenible. Este avance ofrece una metodología robusta y eficiente para optimizar los tiempos de simulación, abordando así un cuello de botella clave en el desarrollo e implementación de soluciones de energía renovable híbridas.