El método de detección de fallas (FDM) juega un papel crucial en el control y operación de microredes (MGs), ya que permite aislar y restaurar rápidamente las fallas en los sistemas. Debido a que las MGs utilizan producción distribuida con interfaz de inversor, los FDM convencionales ya no son apropiados porque dependen de corrientes de falla sustanciales. Este estudio presenta un FDM inteligente para MGs basado en la transformada de Hilbert-Huang (HHT) y redes neuronales profundas (DNNs). El diseño propuesto tiene como objetivo preparar la detección rápida del tipo, fase y lugar de la falla para proteger las MGs y restaurar los servicios. La HHT preprocesa las mediciones de corriente de rama obtenidas de los relés protectores para extraer las características, y la descomposición de valores singulares (SVD) se utiliza para extraer algunas características de las funciones de modo intrínseco (IMFs) obtenidas de la HHT para usarlas como entrada de las DNNs. Como parte del desarrollo de datos de falla, toda la información finalmente ingresa a las DNNs. En comparación con estudios previos, este método sugerido proporciona una precisión de identificación de tipo de falla considerablemente superior. También es posible determinar nuevas ubicaciones de falla. Se realizó un análisis detallado de evaluación de este FDM sugerido en sistemas de 34 buses de IEEE y MG para demostrar su efectividad. Las simulaciones indicaron que el método propuesto es efectivo para detectar precisión, tiempo de computación y robustez ante incertidumbres de medición.