Este trabajo abordó el problema de la integración óptima de sistemas de baterías (BS) en redes conectadas a la red (GCNs) con el propósito de reducir las pérdidas de energía y las emisiones de CO, para lo cual formula un modelo matemático que considera las restricciones asociadas con la operación de GCNs en un entorno de generación distribuida que incluye BS y generación de energía variable relacionada con la generación distribuida fotovoltaica (DG) y la demanda. Como estrategias de solución, se emplean tres metodologías maestro-esclavo diferentes que se basan en métodos de programación secuencial, con el objetivo de evitar la implementación de software comercial. En la etapa maestra, para resolver el problema relacionado con la ubicación y el tipo de baterías a utilizar, se emplean versiones paralelas-discretas del método de Montecarlo (PMC), un algoritmo genético (PDGA) y el algoritmo de búsqueda de multitudes (PDSCA). En la etapa esclava, se emplea el algoritmo de optimización por enjambre de partículas (PSO) para resolver el problema relacionado con la operación de las baterías, utilizando un flujo de potencia horario en forma de matriz para evaluar el impacto de cada posible solución propuesta por las metodologías maestro-esclavo en las funciones objetivo y restricciones. Como escenario de prueba, se utiliza una GCN basada en los sistemas de prueba de 33 buses, que considera el comportamiento de la generación, la demanda de energía y las emisiones de CO de la ciudad de Medellín (Colombia). Cada algoritmo se ejecuta 1000 veces, con el objetivo de evaluar la efectividad de cada solución en términos de su calidad, desviación estándar y tiempos de procesamiento. Los resultados de la simulación obtenidos en este trabajo demuestran que PMC/PSO es la metodología maestro-esclavo con el mejor rendimiento en términos de calidad de solución, repetibilidad y tiempo de procesamiento.