Los sistemas de desalinización de agua integrados con fuentes de energía híbridas autónomas ofrecen una solución notable al desafío agua-energía. Dada la complejidad de estos sistemas, la selección de un sistema de gestión energética adecuado es crucial. En este sentido, el empleo de técnicas de inteligencia artificial para desarrollar y validar un sistema de gestión energética puede ser un enfoque efectivo para manejar sistemas tan intrincados. Por lo tanto, este documento presenta un sistema de gestión energética basado en ANN (ANNEMS) para un sistema de bombeo y desalinización conectado a una fuente de energía renovable híbrida aislada. Así, se desarrolló un algoritmo de sensibilidad paramétrica para identificar la arquitectura óptima de la red neuronal. El sistema de gestión de agua-energía basado en redes neuronales de perceptrón multicapa supervisado demostró un reparto de potencia efectivo en un corto período de tiempo, alcanzando criterios de precisión de RMSE, R y R^2 entre la potencia eléctrica real y estimada de las tres bombas de motor. El ANNEMS está definido para facilitar la distribución de reparto de potencia en tiempo real entre las diversas bombas de motor del sistema en el banco de pruebas, considerando el perfil de potencia generada y los niveles del tanque de agua. La estrategia propuesta emplea un control orientado al campo de potencia para mantener la estabilidad del voltaje del bus DC. Se proporcionan resultados experimentales de la implementación del ANNEMS propuesto. En ellos, los niveles de potencia de las tres bombas de motor demostraron una adherencia consistente a sus valores de referencia. En resumen, este estudio destaca la importancia de seleccionar una gestión energética adecuada para la validación experimental en tiempo real.