Η εξισορρόπηση της ζήτησης και της παραγωγής ενέργειας στα σύγχρονα έξυπνα δίκτυα με αυξημένη διείσδυση των ανανεώσιμων πηγών ενέργειας είναι ένα μεγάλο πρόβλημα, για τη λύση του οποίου απαιτούνται περίπλοκοι μηχανισμοί για την αποτελεσματική διαχείριση της ζήτησης ενέργειας (Demand-Side Management - DSM). Σε αυτή τη διατριβή, προτείνουμε μηχανισμούς για το σχηματισμό συνεταιρισμών ευφυών πρακτόρων που προσφέρουν υπηρεσίες DSM μεγάλης κλίμακας, και παρουσιάζουμε ένα ολοκληρωμένο πλαίσιο για τη λειτουργία τους. Για συνεταιρισμούς καταναλωτών, σχεδιάσαμε ένα κατανεμημένο σχήμα μετατόπισης της κατανάλωσης, το οποίο προσφέρει συγκεκριμένες εγγυήσεις, όπως ορθολογισμό κατ' ανεξαρτησία (individually rational), ειλικρίνεια (truthfulness) και ασθενή ισολογισμό του κεφαλαίου (weak budget balancedness). Το σχήμα λαμβάνει υπόψη τα ατομικά κόστη μετατόπισης κατανάλωσης και ανταμείβει τους συνεισφέροντες πράκτορες ανάλογα με την αποδοτικότητα τους. Επιπροσθέτως, για να επιτρέψουμε επίσης τον αποκεντρωμένο συντονισμό των συνεταιρισμών καταναλωτών-παραγωγών ενέργειας, συνδυάζουμε για πρώτη φορά έναν αυστηρά αρμόζοντα κανόνα βαθμολόγησης με ένα εξειδικευμένο κρυπτονόμισμα (cryptocurrency). Χρησιμοποιώντας την προσέγγισή μας, οι καταναλωτές-παραγωγοί συντονίζονται με τη χρήση ενός πλαισίου βασισμένου σε "αλυσίδα από μπλοκ" (blockchain), για να διαχειριστούν τη ζήτησή τους προκειμένου να κερδίσουν περισσότερα από την πώληση της παραγωγής τους. Επιπλέον, προτείνουμε έναν αλγόριθμο για την φόρτιση και αποφόρτιση ηλεκτρικών οχημάτων (υπηρεσία V2G / G2V) που έχει επίσης ως στόχο την εξισορρόπηση της ζήτησης και της τοπικής ανανεώσιμης προσφοράς, αλλά προωθεί επίσης και νέα επιχειρηματικά μοντέλα που κάνουν αποτελεσματική χρήση της δυνατότητας των ηλεκτρικών οχημάτων να αποθηκεύουν ενέργεια στη μπαταρία τους. Συμπληρωματικά, για να αξιολογήσουμε την αβεβαιότητα των συμμετεχόντων, και να προβλέψουμε σωστά τη μελλοντική τους συμπεριφορά όσον αφορά τη διαχείριση ενεργειακής κατανάλωσης, προωθώντας έτσι την ακρίβεια και την αποτελεσματικότητα, υιοθετούμε διάφορες τεχνικές μηχανικής μάθησης, τις προσαρμόζουμε στα συγκεκριμένα προβλήματα, και τις χρησιμοποιούμε για την αποτελεσματική παρακολούθηση της αξιοπιστίας των δηλώσεων του κάθε πράκτορα σχετικά με τις πραγματικές του ενέργειες. Τέλος, παρέχουμε τη μεθοδολογία για την παροχή υπηρεσιών διαχείρισης ζήτησης (DSM) μεγάλης κλίμακας στον πραγματικό κόσμο. Παρουσιάζουμε μια αρχιτεκτονική διαδικτύου των πραγμάτων (IoT) για εφαρμογές DSM, μέσω της οποίας δοκιμάσαμε διαφορετικές γραφικές διεπαφές (GUI) και τύπους κινήτρων για τη διαχείριση της κατανάλωσης ενέργειας. Οι λύσεις αυτές οργανώθηκαν στην μορφή ενός "σοβαρού παιγνίου (serious game)'', το οποίο παρουσιάστηκε σε, και χρησιμοποιήθηκε από πραγματικούς ανθρώπους. Η προσέγγιση μας σε αυτή τη διατριβή συνοδεύεται από μια μεθοδολογία στατιστικής ανάλυσης για την επικύρωση των μεγεθών μείωσης της κατανάλωσης και της προώθησης της χρήσης ανανεώσιμης ενέργειας σε πραγματικές συνθήκες. Τα αποτελέσματα από τις προσομοιώσεις μας που χρησιμοποιούν δεδομένα από τον πραγματικό κόσμο, δείχνουν ότι η χρήση των προτεινόμενων μεθόδων σε συνθήκες μεγάλης κλίμακας πραγματικού κόσμου μπορεί να ωφελήσει σημαντικά τους τελικούς χρήστες, το δίκτυο, και το περιβάλλον.