In the recent years, the Smart Grid (SG) system faces various challenges like the ever-increasing energy demand, the enormous growth of renewable energy sources (RES) with distributed energy generation (EG), the extensive Internet of Things (IoT) devices adaptation, the emerging security threats, and the foremost goal of sustaining the SG stability, efficiency and reliability. To cope up these issues there exists, the energy cloud management (ECM) system, which combines the infrastructure for energy, with intelligent energy usage and value-added services as per consumers demand. To achieve these, efficient demand-side forecasting and secure data transmission are the key factors. The energy management issues pose extreme gravity in finding sustainable solutions by using the blockchain (BC) and Artificial Intelligence (AI). AI-based techniques support various services such as energy load prediction, classification of the consumer, load management, and analysis where the BC provides data immutability and trust mechanism for secure energy management. Therefore, this paper reviews several existing AI-based approaches along with the advantages and challenges of integrating the BC technology and AI in the ECM system. We presented a decentralized AI-based ECM framework for energy management using BC and validate it using a case study. It is shown that how BC and AI can be used to mitigate ECM with security and privacy issues. Finally, we highlighted the open research issues and challenges of the BC-AI-based ECM system.

近年来，智能电网（SG）系统面临各种挑战，例如不断增长的能源需求，具有分布式能源发电（EG）的可再生能源（RES）的巨大增长，广泛的物联网（IoT）设备适应，新出现的安全威胁以及维持SG稳定性，效率和可靠性的首要目标。为了解决这些问题，存在一种能源云管理（ECM）系统，该系统结合了能源基础设施，根据用户需求的智能能源使用和增值服务。为了实现这些目标，有效的需求侧预测和安全的数据传输是关键因素。能源管理问题在通过使用区块链（BC）和人工智能（AI）寻找可持续解决方案方面极为重要。基于AI的技术支持各种服务，例如能源负荷预测，用户分类，负荷管理和分析，其中BC提供数据不变性和信任机制以进行安全的能源管理。因此，本文回顾了几种现有的基于AI的方法，以及将BC技术和AI集成到ECM系统中的优点和挑战。我们提出了一种使用BC的分散式基于AI的ECM能源管理框架，并通过案例研究对其进行了验证。结果表明，如何使用BC和AI缓解具有安全和隐私问题的ECM。最后，我们重点介绍了基于BC-AI的ECM系统的开放研究问题和挑战。和分析，其中BC为安全的能源管理提供了数据不变性和信任机制。因此，本文回顾了几种现有的基于AI的方法，以及将BC技术和AI集成到ECM系统中的优点和挑战。我们提出了一种使用BC的基于分散式AI的ECM能源管理框架，并通过案例研究对其进行了验证。结果表明，如何使用BC和AI缓解具有安全和隐私问题的ECM。最后，我们重点介绍了基于BC-AI的ECM系统的开放研究问题和挑战。和分析，其中BC为安全的能源管理提供了数据不变性和信任机制。因此，本文回顾了几种基于AI的现有方法，以及将BC技术和AI集成到ECM系统中的优点和挑战。我们提出了一种使用BC的基于分散式AI的ECM能源管理框架，并通过案例研究对其进行了验证。结果表明，如何使用BC和AI缓解具有安全和隐私问题的ECM。最后，我们重点介绍了基于BC-AI的ECM系统的开放研究问题和挑战。我们提出了一种使用BC的基于分散式AI的ECM能源管理框架，并通过案例研究对其进行了验证。结果表明，如何使用BC和AI缓解具有安全和隐私问题的ECM。最后，我们重点介绍了基于BC-AI的ECM系统的开放研究问题和挑战。我们提出了一种使用BC的基于分散式AI的ECM能源管理框架，并通过案例研究对其进行了验证。结果表明，如何使用BC和AI缓解具有安全和隐私问题的ECM。最后，我们重点介绍了基于BC-AI的ECM系统的开放研究问题和挑战。