Microgrids are considered as a cornerstone in the evolution to a smarter grid. However, this evolution brings some critical challenges for the control in a real-time implementation. We present two control algorithms to operate a power system with microgrids and other two to operate microgrids in order to reach the optimal social welfare. We consider three types of agents: photovoltaic generators, conventional generators and smart loads. These agents can be aggregated into a microgrid or interact directly in the power system depending on their power. To optimize the microgrids, we use two strategies. First one is based on projected consensus algorithm, where each agent iteratively optimizes its local utility function based on local information obtained from its neighbors and global information obtained through a distributed finite-time average algorithm. The second one is based on populations game theory; specifically we use a centralized replicator dynamics where a central agent iteratively optimizes the system status. To optimize the whole power system we use two strategies, first an asynchronous algorithm based on primal-dual optimization is proposed, where we consider that agents update the primal variables and a "virtual agent" updates the dual variables. Our last algorithm is a distributed transactive control algorithm based on populations games to dynamically manage the distributed generators and smart loads in the system to reach the optimum social welfare. Agents are considered non-cooperative, and they are individually incentive-driven. The proposed algorithm preserve stability while guarantee optimality conditions considering several constraints in the system on the real-time operation. We show numerical results of the proposed control strategies.Resumen: Las microrredes están consideradas como la piedra angular de la evolución hacia una red más inteligente. Sin embargo, esta evolución trae consigo algunos retos importantes para el control en la implementación en tiempo real. Presentamos dos algoritmos de control para operar un sistema de energía con microrredes y otros dos para operar microrredes con el fin de alcanzar el bienestar social óptimo. Consideramos dos tipos de agentes: generadores convencionales y cargas inteligentes. Estos agentes pueden ser agregados en una microred o interactuar directamente en el sistema de energía dependiendo de su potencia. Para optimizar las microrredes utilizamos dos estrategias, la primera se basa en un algoritmo de consenso proyectado, donde cada una de ellas optimiza iterativamente su función de utilidad local a partir de la información local obtenida de sus vecinos y la información global obtenida a través de un algoritmo distribuido de tiempo finito promedio. El segundo se basa en la teoría de juegos de poblaciones, específicamente usamos una dinámica de replicador centralizada donde un agente central optimiza iterativamente el estado del sistema. Para optimizar todo el sistema de potencia utilizamos dos estrategias, la primera es proponer un algoritmo asíncrono basado en la optimización prima-dual, donde consideramos que los agentes actualizan las variables primarias y un ”agente virtual” actualiza las variables duales. Nuestro último algoritmo es un algoritmo de control transaccional distribuido basado en juegos de poblaciones para gestionar dinámicamente los generadores distribuidos y las cargas inteligentes en el sistema para alcanzar el bienestar social óptimo. Se considera que los agentes no cooperan y se basan en incentivos individuales. El algoritmo propuesto preserva la estabilidad a la vez que garantiza condiciones óptimas considerando varias restricciones en el sistema sobre la operación en tiempo real. Se muestran los resultados numéricos de las estrategias de control propuestas.