به طور خلاصه، شهرهای هوشمند و تولیدات پراکنده در حال تغییر چشم‌انداز شبکه‌های قدرت هستند. با استفاده از منابع انرژی تجدیدپذیر و به‌کارگیری ذخیره‌سازهای ساکن و متحرک مانند خودروهای برقی، می‌توان پایداری شبکه را بهبود بخشید. هدف این تحقیق، کاهش هزینه‌ها و افزایش بهره‌وری در شهرهای هوشمند است. در ایران، به‌کارگیری رویکردهای نوین برای بهینه‌سازی برنامه‌ریزی شهری، همچون استفاده از الگوریتم‌های فراابتکاری و هوش مصنوعی، ضروری است. یکی از این الگوریتم‌ها، الگوریتم بهینه‌سازی مبتنی بر جغرافیای زیستی است که ریشه در طبیعت دارد. این پژوهش، که از نوع تحقیقات توصیفی و تحلیلی است، به‌کارگیری الگوریتم جغرافیای زیستی برای تحلیل کمبود سوخت‌های فسیلی و افزایش گازهای گلخانه‌ای را مورد بررسی قرار داده است. در این الگوریتم، هر منطقه شهری به‌عنوان یک عضو منفرد با شاخص مطلوبیت مخصوص به خود شناخته می‌شود. تجزیه و تحلیل داده‌ها با استفاده از این الگوریتم در نرم‌افزار متلب انجام شده است. بهینه‌سازی توسط الگوریتم بهینه‌سازی مبتنی بر جغرافیای زیستی، که یک الگوریتم تکاملی است، صورت پذیرفته است. سه اصلاحیه بر این الگوریتم اعمال شده که منجر به بهبود نتایج بهینه‌سازی شده است. در این تحقیق، بار تولیدی توسط نیروگاه‌های خورشیدی و بادی محاسبه و از بار کل مورد تقاضا در شبکه کم می‌شود. مقدار باری که باید توسط میکروتوربین، پیل سوختی و باتری‌ها تأمین شود، با استفاده از تابع هدف کاهش هزینه‌ها بهینه‌سازی شده است. بهینه‌سازی برای ۲۴ ساعت و در قالب سه سناریو انجام شده است. نتایج تحقیق نشان می‌دهد که حضور خودروهای الکتریکی و قابلیت خاموش و روشن شدن منابع تولید پراکنده، به‌طور قابل توجهی هزینه‌های سیستم را کاهش می‌دهد. در سناریوی کامل، بهره‌برداری از شارژ و دشارژ خودروهای الکتریکی هزینه‌های کلی شبکه را به حداقل می‌رساند. این تحقیق نشان می‌دهد که ترکیب این فناوری‌ها می‌تواند به بهینه‌سازی هزینه‌ها و افزایش بهره‌وری انرژی در شبکه‌های هوشمند کمک کند.