Este artículo presenta un novedoso método híbrido de IA que combina un filtro H y una red neuronal lineal adaptativa para la estimación del componente de parpadeo en sistemas de distribución de energía. Este método aprovecha la robustez del filtro H para extraer la envolvente de voltaje en condiciones de incertidumbre y ruido, seguido de ADALINE para identificar con precisión la frecuencia de parpadeo contenida en la envolvente. Esta sinergia permite una estimación eficiente en el dominio del tiempo con rápida convergencia y resiliencia al ruido, abordando las limitaciones clave de los métodos existentes en el dominio de la frecuencia. A diferencia de las técnicas existentes, este modelo híbrido de IA maneja perturbaciones de energía complejas sin conocimiento previo de las características del ruido ni un entrenamiento extenso. El rendimiento del método se valida mediante estudios de simulación basados en la norma IEC 61000-4-15, análisis estadístico, simulaciones de Monte Carlo y datos del mundo real. Los resultados demuestran una precisión y robustez superiores, y una menor sobrecarga computacional en comparación con los estimadores basados en la Transformada Rápida de Fourier y la Transformada Wavelet Discreta.
