En este artículo, se utiliza un método basado en memoria a largo y corto plazo (LSTM) con un enfoque de tensor de múltiples entradas para la clasificación de eventos que afectan la calidad de la energía (PQ) en sistemas eléctricos con fuentes de generación distribuida. Los eventos considerados son fallos en las líneas (un fallo en una línea, dos líneas y tres líneas falladas), eventos de aislamiento, variaciones repentinas de carga y desconexión de generación. El método propuesto basado en LSTM fue entrenado y probado utilizando las señales producidas por los eventos simulados en un sistema de estudio con fuentes de generación distribuida a través de PSCAD. Luego, se añadió ruido con diferentes niveles al conjunto de pruebas para una evaluación exhaustiva, y los resultados se compararon con otros métodos bien conocidos, como redes neuronales convolucionales y simples recurrentes. El método basado en LSTM con múltiples entradas demostró ser efectivo para la clasificación de eventos, logrando un rendimiento de clasificación notable incluso en condiciones ruidosas.