En tiempos recientes, las Microredes (MG) han surgido como un enfoque de solución para establecer sistemas de energía resilientes. Sin embargo, la integración de Recursos de Energía Renovable (RERs) conlleva un alto grado de incertidumbres debido a la fuerte dependencia de las condiciones climáticas. Por lo tanto, una modelización inadecuada de estas incertidumbres puede tener efectos adversos en el rendimiento de las operaciones de la microred. Debido a este efecto, se necesitan explorar algoritmos más avanzados para crear estabilidad en las MGs. La técnica de Control Predictivo de Modelo (MPC) ha ganado un reconocimiento sólido debido a su flexibilidad en la ejecución de controles y la velocidad de los procesadores. Por lo tanto, en este artículo de revisión, se presenta la superioridad del MPC sobre varias técnicas utilizadas para modelar incertidumbres tanto en sistemas conectados a la red como en sistemas aislados. Se resaltan las características, fortalezas e incompetencias de varios métodos de modelización para MPCs y algunas de sus variantes con respecto al manejo de incertidumbres en las MGs. Este artículo de investigación ayudará a los investigadores y desarrolladores de modelos a crear algoritmos de control predictivo de modelos más robustos y técnicas para hacer frente a la naturaleza cambiante de los sistemas de energía modernos, especialmente con el aumento del nivel de penetración de RERs.