El control de potencia directa (DPC) es uno de los esquemas de control más populares utilizados en energías renovables debido a sus numerosas ventajas como la simplicidad, facilidad de ejecución y velocidad de respuesta en comparación con otros controles. Sin embargo, este método se caracteriza por defectos y problemas que limitan su uso, como un gran número de ondulaciones en los niveles de par y potencia activa, y una disminución en la calidad de la potencia como resultado del uso del controlador de histéresis para regular las capacidades. En este documento, se propone una nueva idea de DPC utilizando redes neuronales artificiales (ANNs) para superar estos problemas y defectos, en la que se verifica experimentalmente el DPC propuesto de los generadores de inducción de doble alimentación (DFIGs). Se utilizaron algoritmos de ANN para compensar el controlador de histéresis y la tabla de conmutación, donde los resultados obtenidos de la técnica de DPC inteligente propuesta se comparan tanto con la estrategia de DPC clásica como con el control de backstepping. Se realiza una comparación entre los tres controles propuestos en términos de relación de ondulación, durabilidad, tiempo de respuesta, calidad de la corriente y seguimiento de referencia, utilizando varias pruebas diferentes. Los resultados experimentales y de simulación extraídos de la tarjeta Controlador dSPACE DS1104 Interfaz en Tiempo Real (RTI) y el entorno Matlab/Simulink, respectivamente, han demostrado la robustez y la efectividad del DPC de inteligencia diseñado del DFIG en comparación con los controles tradicionales y de backstepping en términos de la distorsión armónica de la corriente del estator, respuesta dinámica, precisión, capacidad de seguimiento de referencia, ondulaciones de potencia, robustez, sobrepaso y estabilidad.