En las últimas décadas, con la expansión de las tecnologías de generación de energía distribuida y la creciente necesidad de más flexibilidad y eficiencia en los sistemas de distribución de energía, las microrredes se han considerado una solución innovadora prometedora para el suministro local de energía y para mejorar la resiliencia frente a las fluctuaciones de la red. Uno de los desafíos básicos en la operación de las microrredes es la gestión óptima de la tensión y la frecuencia en la red, que ha sido objeto de una extensa investigación en el campo de la optimización operativa de microrredes. La demanda de energía se considera un elemento crucial para la gestión energética debido a su naturaleza fluctuante a lo largo del día. El uso de estrategias de respuesta a la demanda para la gestión energética es uno de los factores más importantes para lidiar con las energías renovables. Estas estrategias permiten una mejor gestión de la energía en las microrredes, mejorando así la eficiencia y estabilidad del sistema. Dada la complejidad de los problemas de optimización relacionados con la gestión de microrredes, los algoritmos de optimización evolutiva como el Algoritmo Competitivo Imperialista (ICA) y el Algoritmo Genético (GA) han ganado gran atención. Estos algoritmos permiten resolver problemas de optimización de alta complejidad considerando diversas restricciones y múltiples objetivos. En este artículo, se utilizan tanto el ICA como el GA, así como su aplicación híbrida, para mejorar significativamente la regulación de la tensión en las microrredes. La integración de técnicas de optimización con estrategias de respuesta a la demanda mejora la eficiencia y estabilidad general del sistema. Los resultados demostraron que el método híbrido proporciona información valiosa para optimizar los sistemas de gestión energética.