La transición a sistemas de energía renovable descentralizados ha puesto de manifiesto el papel de las microredes de CA y los sistemas de almacenamiento de energía en baterías para lograr eficiencia operativa y sostenibilidad. Este estudio propone un sistema de gestión de energía mejorado para las microredes de CA basado en un Algoritmo Genético de Población Paralela afinado para la operación óptima de baterías bajo generación y demanda variables. El marco de optimización minimiza las pérdidas de energía, las emisiones y los costos económicos a través de una estrategia maestro-esclavo, empleando flujo de energía horario mediante aproximaciones sucesivas para la evaluación técnica. Se lleva a cabo una evaluación integral bajo modos de operación conectados a la red e isleños utilizando una plataforma de prueba común, centrada en un bus flexible capaz de adaptarse a cualquiera de los modos. Los análisis comparativos contra la Optimización por Enjambre de Partículas y el Algoritmo de Búsqueda Vortex demuestran la superior precisión, estabilidad y eficiencia computacional de la metodología propuesta. En modo conectado a la red, el Algoritmo Genético de Población Paralela logra reducciones promedio del 1.421% en costos operativos, 4.383% en pérdidas de energía y 0.183% en emisiones de CO, manteniendo desviaciones estándar por debajo del 0.02%. En modo isleño, alcanza reducciones del 0.131%, 4.469% y 0.184%, respectivamente. La mejora en costos en relación con los métodos exactos de referencia es del 0.00158%. Las simulaciones en una microred de CA simplificada de 33 nodos con perfiles de demanda y generación reales confirman mejoras significativas en todos los métricas de rendimiento en comparación con trabajos de investigación anteriores.