对经济、绿色和最重要的可持续电力供应的追求推动了可再生能源（RES）在世界现有电力系统中的使用。进入新时代,为了实现可再生能源的最大效益,研究人员对电力系统中可再生能源的优化利用进行了大量研究。当前的知识体系记录了大量关于需求响应（DR）优化技术的研究成果。到目前为止,近期研究工作的主要焦点是在不同的优化算法中使用传统的定价方案。但这项拟议的研究工作将旨在代表基于实时定价（RTP）的需求响应。该方案的实施将考虑现代地区配备最先进负载的国内电力系统。在MATLAB中开发了一个纳米网格（NG）来测试计划的优化方案。仿真模型包括一个为智能直流家庭供电的并网太阳能光伏系统。房屋荷载按其用途分为柔性荷载和非柔性荷载。人工神经网络（ANN）用于规划灵活负载并增加利润。仿真结果验证了所提出的动态定价方案的有效性,该方案比传统的静态定价方案具有更多的利润。纳米电网技术的迅速崛起为电力客户和电力供应商提供了更好的信息流、控制和灵活性。在这些优势中,纳米电网中消费者和发电者之间的相互信息流开辟了新的应用前景。智能家电与人工神经网络ANN连接,以协调受控家庭的电力需求。因此,从优化能源管理、可再生清洁能源和现代家电的角度来看,我们看到人们对智能家居越来越感兴趣。因此,本文研究了具有不同能源（如国家电网和光伏发电、纳米电网）的智能家电程序在时间序列中的优化调度。本文使用的可再生能源是作为发电设备的光伏板。根据负荷需求曲线中给出的不间断顺序阶段对设备运行进行建模。目标是最小化电力成本,同时满足持续时间、用户偏好和能源需求的限制。提出了一种优化算法,可以使家电使用的调度计划可用,例如神经网络技术。在家庭中增加光伏系统的效果是减少电费和家庭高峰需求。该条件通过使用MATLAB开发的最先进的建模方法进行了演示,旨在与需求侧管理的实时方法等效地获得DC家庭中家电的调度时间。