Este estudio presenta un nuevo algoritmo de optimización híbrido de dos etapas para programar el consumo de energía de hogares que tienen generación y almacenamiento de energía distribuida. En la primera etapa, se modelan sistemas de gestión de energía doméstica no idénticos (HEMS). HEMS puede contener sistemas de generación distribuida (DGS) como paneles solares y turbinas eólicas, sistemas de almacenamiento distribuido (DSS) como vehículos eléctricos (EV) y baterías. HEMS organiza los electrodomésticos controlables considerando las preferencias del usuario, la cantidad de energía generada/almacenada y el precio de la electricidad. Un grupo de horarios de consumo óptimos para cada HEMS se calcula mediante un Algoritmo Genético (GA). En la segunda etapa, se establece un sistema de gestión de energía de vecindario (NEMS) basado en el Juego Bayesiano (BG). En este juego, los HEMS son los jugadores y sus horarios óptimos predefinidos son sus acciones. NEMS regula las fluctuaciones totales de energía permitiendo la transferencia de energía entre hogares. En el algoritmo propuesto, HEMS disminuye el costo de electricidad de los usuarios, mientras que NEMS aplana la curva de carga del vecindario para prevenir la sobrecarga del transformador de distribución. Los modelos de HEMS y NEMS propuestos se implementan desde cero. Se realizó una encuesta a 250 participantes para determinar los hábitos de los usuarios. Se compararon los resultados de la encuesta y el sistema propuesto. En conclusión, el sistema de gestión de energía híbrido propuesto ahorra energía hasta un 25% y disminuye el costo en un 8.7% en promedio.