Цель исследования – представление метода определения гибкости электроэнергетической системы в режиме онлайн с помощью искусственных нейронных сетей разных структур. Для быстрого вычисления показателя гибкости электроэнергетической системы используется разработанный алгоритм, в который встроена искусственная нейронная сеть с разными парадигмами обучения. Приемлемое время получения результатов обеспечивается разделением процесса вычисления гибкости на процессы, выполняемые офлайн и онлайн. Для обучения нейронных сетей были использованы методы обучения искусственных нейронных сетей. Многослойный персептрон обучается методом обратного распространения ошибки. Обучение нейронной сети Кохонена выполняется по правилу «победитель забирает все». В качестве меры близости между исследуемыми векторами используется Евклидово расстояние. Разработан алгоритм анализа результатов двух типов искусственных нейронных сетей с разными структурами на предмет выбора оптимальной структуры каждого типа нейронной сети, с точки зрения рекомендации к их применению в режиме реального времени, при определении гибкости электроэнергетической системы. Апробация предложенного алгоритма была выполнена на 6-узловой схеме по сценарию: вычислить гибкость данной системы, функционирующей в разных режимах. Анализ критерия показал, что структура многослойного персептрона с 16 нейронами в скрытом слое и структура нейронной сети Кохонена с девятью выходными нейронами являются оптимальными для определения установившегося режима с минимальной гибкостью в режиме реального времени. Анализ результатов показал, что величина гибкости системы не остается постоянной в разное время суток. Искусственные нейронные сети могут быть применены при определении гибкости электроэнергетической системы в режиме реального времени.