En el presente trabajo se exponen los resultados de una investigación relacionada con la clasificación y localización de fallas en redes eléctricas, mediante el uso de Redes Neuronales Artificiales (RNA). Para ello, se conforman diferentes modelos basados en RNA capaces de clasificar y localizar las fallas que ocurren en una línea de subtransmisión de 34.5 kV. Los tipos de RNA escogidos para la implementación de los modelos son las Redes Neuronales en Cascada, LSTM y MLP. Mediante herramientas de computación adecuadas se conforman varios modelos, diferenciándose entre sí por cambios en su arquitectura y parámetros internos, con el objetivo de identificar la mejor topología para este tipo de aplicaciones. Como resultado del proceso investigativo se obtienen dos modelos con resultados muy eficaces, uno basado en redes LSTM para la clasificación de las fallas con una precisión de 99.4%, y otro basado en Redes Neuronales en Cascada para la localización de las fallas con un Error Medio Absoluto (MAE) de 0.09 km. Los resultados del trabajo pueden ser empleados en el pregrado o el posgrado, así como, por especialistas de la producción y los servicios en el análisis de casos prácticos donde no sea posible la experimentación real. Además, también pueden ser replicados en cualquier industria o servicio que requiera clasificar y localizar fallas en redes eléctricas.