La optimización bayesiana (BO) con regresión de proceso gaussiano es un marco popular para la optimización de funciones de costo que requieren mucho tiempo. Sin embargo, la explotación conjunta de BO y las capacidades de procesamiento paralelo sigue siendo un desafío, a pesar de los intensos esfuerzos de investigación de la última década. En particular, la elección de un proceso de adquisición por lotes adecuado, responsable de seleccionar soluciones candidatas prometedoras para la evaluación en paralelo por lotes, es crucial. Aunque se pueden encontrar algunas recomendaciones generales en la literatura, muchos de sus hiperparámetros siguen siendo específicos del problema. Además, las limitaciones de los enfoques existentes en términos de escalabilidad, especialmente para funciones objetivo moderadamente costosas, apenas se discuten. Este trabajo investiga cinco algoritmos de BO paralelos basados en diferentes procesos de adquisición por lotes, aplicados a la programación óptima de estaciones de almacenamiento de energía hidroeléctrica bombeada subterránea y funciones de referencia clásicas. La gestión eficiente de estas unidades de almacenamiento de energía requiere algoritmos de BO paralelos capaces de encontrar soluciones en un tiempo muy restringido para cumplir con los mercados de energía receptivos. Nuestros resultados experimentales muestran que, para los métodos considerados, un lote de cuatro candidatos es un buen equilibrio entre la velocidad de ejecución y la relevancia de los candidatos. El análisis de las fortalezas y debilidades de cada método indica posibles direcciones para futuras investigaciones.