With the increasing demand for renewable energy sources, new systems are being developed to sustain future infrastructure, accommodating these new energy sources. One of the proposed solutions is to incorporate distributed energy resources to different households in order to provide local energy demands effectively. To enable large-scale integration of flexible energy resources, it is crucial to reduce end-user energy and power costs, which can be done by designing an optimization model objected to minimize the total electricity bill. In the scope of this Master thesis, the interest lies in investigating a control strategy to operate batteries, heat pumps, and other assets by producing the optimal setpoints using the designed optimization algorithm that takes, amongst others, market and weather data as well as customer behavior into account. The applied method for producing these setpoints is sensitivity analysis in linear programming, and heat pump scheduling has been investigated for performance evaluation of this technique. The results show that applying this method produces the optimal setpoints over the non-controllable electricity load range by utilizing a low number of optimizations, i.e. high computation-efficiency, and high accuracy. Consequently, the controller by having the given setpoints as the input can easily adjust the heat pump output power based on the real-time non-controllable electricity load without creating any peaks and extra costs for the customers. / Med en ökad efterfrågan på förnybara energikällor utvecklas nya system för att upprätthålla framtida infrastruktur vilket kommer säkra dessa nya energikällor. En av de föreslagna lösningarna är att integrera distribuerade energiresurser till olika hushåll för att effektivt kunna tillgodose lokala energikrav. För att möjliggöra en storskalig integrering av flexibla energiresurser det avgörande är att man kan minska slutkundens energi och effektkostnader. Detta kan nås genom att utforma en optimeringsmodell av problemet som tar hänsyn till olika resourses begränsningar osv. för att minska elkosnaden hos slutkunden. Syftet med detta examensarbete är att undersöka en kontrollstrategi för att använda batterier, värmepumpar och andra tillgångar på ett optimalt sätt, genom att producera de optimala börvärdena med hjälp av den utformade optimeringsalgoritmen som tar hänsyn till bland annat marknads och väderdata samt kund beteende. För att producera dessa börvärden användes methoden känslighetsanalys som är en del inom linjär programmering och fokus har varit styrningen av värmepumpar. Resultaten visar att tillämpningen av denna metod leder till att de optimala börvärdena över det icke-kontrollerbara elektriska lasten erhålles, med ett lågt antal optimeringar, dvs att metoden har hög beräknings-effektivitet samt noggrannhet. Följaktligen kan regulatorn med de givna börvärdena som ingång enkelt justera värmepumpens utgångseffekt baserat på realtids icke-kontrollerbar elektriska lasten, utan att skapa några toppar och extra kostnader för kunderna.