در روش توسط جی تانگ و همکارانش در سال ۲۰۱۱ ارائه شده است. در این طرح مکانیسمی برای مصرف خانه و بارهای محیط پیرامون به منظور مدیریت تقاضا در شبکه های هوشمند با بهره گرفتن از برنامه نویسی خطی (ILP) و تئوری بازی ارائه شده است . مکانیسم پیشنهاد شده قادر است هردو برنامه قدرت بهینه و عملکرد زمان بهینه برای توانهای متغبر و زمان های متغیر ( وسایلی با قدرت و زمان متغیر ) را در بر را در بر بگیرد که نیازمند الگوی مصرف منحصر به فردی برای تمام لوازم می باشد ]۳۷[ .

نتایج شبیه سازی برای هر دو بحث مدیریت متمرکز و توزیع شده ارائه شده است .
۱- Integer Linear Programming ( ILP )
تشریح سیستم :
شکل زیر مدیریت بار را به تصویر می کشد .
شکل ۲-۱۲- نمایش مدیریت بار ]۳۷[
همانطور که در شکل معلوم است smart meter جزئی از شبکه می باشد و هم فراهم کننده برق لازم کلیه لوازم برقی خانگی و هم میزان برق مورد نیاز هر خانه را اندازه میگیرد . که بر اساس این اندازه گیری این میزان انرژی برنامه ای خاص برای استفاده لوازم خانگی در ساعات خاص مشخص می شود.
که توابع هدف و قیود به شرح زیر می باشد :

که ماتریس P پاسخ های ممکن برای X باشند .
نتیجه :
در حال حاضر یکی از الگو های مدیریت سمت تقاضا ، مدیریت خانگی می باشد. مجموعه ای از شبیه سازی سیستم انجام شده است با بهره گرفتن از MATLAB انجام شده است .در شبیه سازی، برای اولین بار مجموعه ای از لوازم خانگی طبق تعریف نیازهای فردی را همانطور که در جدول ذکر شده است مطابق الگوی مصرف جهت کاهش هزینه و پیک بار ارائه شده است .
جدول ۲-۳- الگوی مصرف انرژی لوازم خانگی ]۳۷[
شکل ۲-۱۳– نتیجه بدست آمده در طرح قیمت گذاری پویا در بار های مختلف]۳۷[
۲ – ۱ – ۸ – بررسی زمان واقعی مصرف با بهره گرفتن از تجهیزات AMI و SCADA
این روش در سال ۲۰۱۱ توسط میشل سویرنگن مطرح شده است به بررسی زمان واقعی استفاده از تجهیزات به منظور کاهش پیک بار در شبکه های هوشمند با بهره گرفتن از تئوری بازی ها پرداخته است که با تحلیل بدست آمده از تجهیزات و فناوری های مدن سیستم قدرت از قبیل : تجهیزات اندازه گیر خودکار ( AMI ) ، کنترل نظارتی و اکتساب داده (SCADA) ، مهندسی و تجزیه و تحلیل نرم افزار ( EA ) ، اندازه گیر های کیفیت توان (PQ) و سیستم های اطلاعات جغرافیایی ( GIS ) و رله های دیجیتال و استفاده از الگوریتم معضل زندانی به انتخاب زمان صحیح مصرف رسیده است که البته بجز رسیدن به زمان صحیح با بهره گرفتن از ابزار های ذکر شده میتوان ضعف های شبکه را نیز تحت پوشش قرار داد ]۳۸[ .
شرح سیستم :
هدف از این مقاله ارائه یک روش برای ارزیابی زمان واقعی استفاده از تجهیزات در یک شبکه کاملا اتوماتیک برقی و پیدا کردن حوزه های مشکل بالقوه یا نقاط ضعف در شبکه برق با بهره گرفتن از تئوری بازی اصول درخت های تصمیم گیری و ” معضل زندانی “]۱[ . درخت های تصمیم گیری و معمای زندانی برای بدست آوردن راه حل برای مشکلات بالقوه در شبکه هوشمند که شامل عدم قطعیت و اطلاعات حساس سیستم است کاربرد دارد . این اطلاعات در درخت های تصمیم گیری بر اساس ( موقعیت تجهیزات از قبیل ظرفیت، اتصال، روابط احتمالی، فید بک و … ) شکسته می شود ، هنگامی که درختان به بهترین راه حل ممکن تصفیه شده انداطلاعات درختان به عنوان ورودی به EA برای ارزیابی داده می شود .
ماتریس ها و درخت ها به صورت زیر تعریف شده اند :
نتیجه :
با در اختیار داشتن تمام اطلاعات خدمات عمومی از قبیل تجهیزات هوشمند بر روی شبکه برق، آب و … میتوان ، تجزیه و تحلیل شبکه هوشمند را به طور کاملا خودکار توسط الگوریتم ارائه شده در این مقاله اداره نمود . که این امر منجر به افزایش قابلیت اطمینان در شبکه و کاهش پیک بار خواهد شد در ضمن نقاط ضعف و قوت سیستم نیز مشخص میگردد .
۳ – ۲ – ۹ – تولید پراکنده در مدیریت سمت تقاضا
این روش که در سال ۲۰۱۱ توسط کارلو سکاتی و همکارانش مطرح شده است. کارلو سکاتی و همکارانش استفاده از تولیدات پراکنده و استفاده از انرژی های تجدید پذیر مثل انرژی بادی به منظور کمک به تولیدات انرژی از طریق سوخت فسیلی را پیشنهاد میکند که برق حاصله از این منابع تجدید پذیر همزمان با برق تولید از منابع فسلی وارد شبکه شده و این امر به کاهش پیک بار کمک می کند بدون نیاز به افزایش قیمت . یعنی افزایش تولیدات انرژی منجر به کاهش پیک بار می شود]۳۹[.
شرح سیستم :
سیستم مورد بررسی به صورت زیر می باشد :
شکل۲-۱۴- شبکه تولید پراکنده در مدیریت سمت تقاضا ]۳۹[
نتیجه :
نتایج بدست آمده در شبیه سازی نشان دهنده کاهش پیک بار با اضافه کردن برق کمکی حاصل از توزیع پراکنده شده است . که نتایج شبیه سازی بصورت زیر است :
جدول ۲-۴- میزان مقادیر حداقل تا حداکثر بار شبکه در توان های اکتیو و راکتیو]۳۹[
جدول ۲-۵- میزان تولید توان اکتیو و راکتیو در وزش باد با سرعت های مختلف]۳۹[
جدول ۲-۶- مقادیر المان های تولیدی]۳۹[
جدول ۲-۷- میزان کاراکتر های مصرف کننده ]۳۹[
شکل ۲-۱۵- کاهش پیک بار در سرعت های مختلف وزش باد ]۳۹[
۳ – ۲ – ۱۰ – رسیدن به تعادل نش در یک تعامل دوطرفه در مدیریت سمت تقاضا
این روش در سال ۲۰۱۰ توسط حامد محسنیان راد و همکارانش مطرح شده است . با بهره گرفتن از یک تعامل دوطرفه بین تولید کنندگان و مشتریکن توانسته اند به تعادل نش برسد و میزان پیک بار را کاهش دهد]۱۱[.
شرح سیستم :
شبکه قدرت مورد ارزیابی به صورت زیر می باشد :
شکل ۲-۱۶- شبکه دو طرفه جهت بررسی مدیریت سمت تقاضا ]۱۱[
که استراتژی میدیریتی آن به صورت زیر می باشد :
شکل ۲-۱۷- استراتژی مدیریتی در یک شبکه دو طرفه ]۱۱[
و روابط به کار برده به صورت زیر می باشد :
که با بهره گرفتن از این روابط میزان پیک بار سیستم محاسبه میشود . با بهره گرفتن از روابط زیر تابع هزینه محاسبه شده است :
که در این روابط هستند . و با قیمت گذاری بیشتر برای مصرف در ساعت اوج ، مشترکین به دنبال استفاده از برق در زمان های کم هزینه می باشند که منجر به کاهش پیک بار خواهد شد . نتایج شبیه سازی به صورت زیر می باشد :
شکل ۲-۱۸ – نتایج بدست آمده از مدل سازی شبکه دو طرفه ]۱۱[
در شکل a نقطه ستاره دار تعادل نش می باشد که میزان بار در زمان اوج مصرف حداقل شده است . و در شکل زیر دیده میشود که چگونه دو بازیکن ( مصرف کننده و تولید کننده ) در جهت بهبود وضعیت خود تلاش می کنید ( کاهش هزینه خود )
شکل ۲-۱۹- نحوه بهبود وضعیت توسط مشترکین در شبکه دو طرفه ]۱۱[
نتیجه :
نویسنده در این مقاله به دنبال الگوریتمی برای بار های مسکونی بوده تا میزان اوج مصرف را در بارهای مسکونی کاهش دهد و نتایج شبیه سازی صحت این امر را تصدیق می کنند.
۳ – ۲ – ۱۱- ارائه قیمت های پویا در زمان های متفاوت مصرف