Las micro-redes son empleadas en lugares donde el suministro de energía no está disponible desde la red comercial por alguna razón, por ejemplo, en sitios aislados o alejados en donde no es factible técnica o económicamente extender el sistema de potencia. En estos sitios, la generación de energía a través de recursos renovables es una alternativa atractiva para satisfacer la demanda. La programación óptima de los recursos de generación en una micro-red es una tarea difícil debido a la variabilidad de la energía producida a través de recursos renovables. El uso de sistemas de almacenamiento de energía puede ayudar a mitigar esta variabilidad. Sin embargo, su costo es elevado y por esta razón debe procurarse maximizar su tiempo de vida útil. Lograr estos objetivos simultáneamente supone un reto si además se considera que la micro-red debe operarse de forma económica satisfaciendo las restricciones operativas y la demanda de los usuarios incluyendo la demanda de vehículos eléctricos (PEV). Surge entonces un problema donde los objetivos de optimización son conflictivos entre sí. Los métodos convencionales a menudo no pueden aplicarse a la solución de problemas multi-objetivo debido a que, generalmente, no existe una única solución del problema, sino que, lo que se busca es el balance óptimo entre los diferentes objetivos en conflicto. Por otra parte, los métodos analíticos tienen problemas para resolver este tipo de problemas. Por esta razón el uso de algoritmos de optimización heurística es inevitable. En este trabajo se presenta un caso de estudio de una micro-red aislada en la que existen generadores basados en energías renovables, almacenamiento basado en baterías y generadores convencionales, además de una pequeña población de vehículos eléctricos. El objetivo es encontrar una estrategia de operación de la micro-red que permita minimizar el costo de la energía y extender el tiempo de vida útil de las baterías. El algoritmo genético NSGA-II fue aplicado al problema de optimización, demostrando buenos resultados.Abstract: Micro-grids are employed in places where the power supply is not available from the commercial network for some reason, for example, in isolated or remote places where it is not technically or economically feasible to extend the power system. In these places, the generation of energy through renewable resources is an attractive alternative to meet the energy demand. The optimal programming of resources in a micro-grid is a challenging tasks given the variability of the energy generetad through renewables. The use of energy storage systems helps mitigate this variability, however given its high cost, one must strive to maximize its lifecycle. Achieving this objectives simultaneously is challenging if one considers that the micro-grid must be operated economically, while meeting the operational constraints and the energy demand, including that of the electric vehicles (PEV) An optimization problem arises where several of the optimization objectives are conflicting with each other. Analytic optimization often cannot be applied to the solution of multi-objective problems because, generally, there is no single solution to the problem, instead, what is sought is the optimal balance between the different optimization objectives in conflict. On the other hand, conventional methods of optimization have convergence problems or premature convergence to local minima. For this reasons the use of heuristic algorithms is inevitable. This work presents a case-study of an isolated micro-grid with conventional generators, renewables, energy storage and a small population of electric vehicles. The aim is to devise an operation strategy that allows to minimize the energy costs while extending the battery lifetime. The genetic algorithm NSGA-II was applied to the optimization problem, showing good results.