With arrival of advanced technologies, automated appliances in residential sector are still in unlimited growth. Therefore, the design of new management schemes becomes necessary to be achieved for the electricity demand in an effort to ensure safety of domestic installations. To this end, the Demand Side Management (DSM) is one of suggested solution which played a significant role in micro-grid and Smart Grid systems. DSM program allows end-users to communicate with the grid operator so they can contribute in making decisions and assist the utilities to reduce the peak power demand through peak periods. This can be done by managing loads in a smart way, while keeping up customer loyalty. Nowadays, several DSM programs are proposed in the literature, almost all of them are focused on the domestic sector energy management system. In this original work, four heuristics optimization algorithms are proposed for energy scheduling in smart home, which are: bat algorithm, grey wolf optimizer, moth flam optimization, algorithm, and Harris hawks optimization (HHO) algorithm. The proposed model used in this experiment is based on two different electricity pricing schemes: Critical-Peak-Price and Real-Time-Price. In addition, two operational time intervals (60 min and 12 min) were considered to evaluate the consumer’s demand and behavior of the suggested scheme. Simulation results show that the suggested model schedules the appliances in an optimal way, resulting in electricity-cost and peaks reductions without compromising users’ comfort. Hence, results confirm the superiority of HHO algorithm in comparison with other optimization techniques.

随着先进技术的出现，住宅领域的自动化设备仍在无限增长。因此，有必要针对电力需求来设计新的管理方案，以确保家庭设施的安全。为此，需求侧管理（DSM）是建议的解决方案之一，它在微电网和智能电网系统中发挥了重要作用。DSM计划允许最终用户与电网运营商进行交流，以便他们可以做出决策并协助公用事业部门在高峰时段降低峰值电力需求。这可以通过以明智的方式管理负载，同时保持客户忠诚度来完成。如今，文献中提出了一些DSM程序，几乎所有程序都集中在国内部门的能源管理系统上。在这项原始工作中，提出了四种启发式优化算法，用于智能家居中的能源调度：蝙蝠算法，灰狼优化器，飞蛾火焰优化算法和哈里斯霍克斯优化（HHO）算法。本实验中使用的建议模型基于两种不同的电价方案：临界峰价和实时价。此外，考虑了两个操作时间间隔（60分钟和12分钟）来评估消费者的需求和建议方案的行为。仿真结果表明，建议的模型以最佳方式调度设备，从而在不损害用户舒适度的情况下降低了电费并降低了峰值。因此，结果证实了HHO算法与其他优化技术相比的优越性。提出了四种启发式优化算法，用于智能家居中的能源调度：蝙蝠算法，灰狼优化器，飞蛾火焰优化算法，哈里斯霍克斯优化（HHO）算法。本实验中使用的建议模型基于两种不同的电价方案：临界峰价和实时价。此外，考虑了两个操作时间间隔（60分钟和12分钟）来评估消费者的需求和建议方案的行为。仿真结果表明，建议的模型以最佳方式调度设备，从而在不损害用户舒适度的情况下降低了电费并降低了峰值。因此，结果证实了HHO算法与其他优化技术相比的优越性。提出了四种启发式优化算法，用于智能家居中的能源调度：蝙蝠算法，灰狼优化器，飞蛾火焰优化算法，哈里斯霍克斯优化（HHO）算法。本实验中使用的建议模型基于两种不同的电价方案：临界峰价和实时价。此外，考虑了两个操作时间间隔（60分钟和12分钟）来评估消费者的需求和建议方案的行为。仿真结果表明，建议的模型以最佳方式调度设备，从而在不损害用户舒适度的情况下降低了电费并降低了峰值。因此，结果证实了HHO算法与其他优化技术相比的优越性。分别是：蝙蝠算法，灰太狼优化器，飞蛾火焰优化，算法和哈里斯·霍克斯优化（HHO）算法。本实验中使用的建议模型基于两种不同的电价方案：临界峰价和实时价。此外，考虑了两个操作时间间隔（60分钟和12分钟）来评估消费者的需求和建议方案的行为。仿真结果表明，建议的模型以最佳方式调度设备，从而在不损害用户舒适度的情况下降低了电费并降低了峰值。因此，结果证实了HHO算法与其他优化技术相比的优越性。分别是：蝙蝠算法，灰太狼优化器，飞蛾火焰优化，算法和哈里斯·霍克斯优化（HHO）算法。本实验中使用的建议模型基于两种不同的电价方案：临界峰价和实时价。此外，考虑了两个操作时间间隔（60分钟和12分钟）来评估消费者的需求和建议方案的行为。仿真结果表明，建议的模型以最佳方式调度设备，从而在不损害用户舒适度的情况下降低了电费并降低了峰值。因此，结果证实了HHO算法与其他优化技术相比的优越性。本实验中使用的建议模型基于两种不同的电价方案：临界峰价和实时价。此外，考虑了两个操作时间间隔（60分钟和12分钟）来评估消费者的需求和建议方案的行为。仿真结果表明，建议的模型以最佳方式调度设备，从而在不损害用户舒适度的情况下降低了电费并降低了峰值。因此，结果证实了HHO算法与其他优化技术相比的优越性。本实验中使用的建议模型基于两种不同的电价方案：临界峰价和实时价。此外，考虑了两个操作时间间隔（60分钟和12分钟）来评估消费者的需求和建议方案的行为。仿真结果表明，建议的模型以最佳方式调度设备，从而在不损害用户舒适度的情况下降低了电费并降低了峰值。因此，结果证实了HHO算法与其他优化技术相比的优越性。仿真结果表明，建议的模型以最佳方式调度设备，从而在不损害用户舒适度的情况下降低了电费并降低了峰值。因此，结果证实了HHO算法与其他优化技术相比的优越性。仿真结果表明，建议的模型以最佳方式调度设备，从而在不损害用户舒适度的情况下降低了电费并降低了峰值。因此，结果证实了HHO算法与其他优化技术相比的优越性。