O cálculo do fluxo de potência em uma rede elétrica consiste em determinar o estado da rede, os fluxos e perdas elétricas nas linhas e as perdas internas totais no sistema. Nesse tipo de problema, a modelagem do sistema é estática e a rede é representada por um conjunto de equações e inequações algébricas. Diferentes métodos de solução foram propostos na literatura para realizar cálculos de fluxo de potência. No entanto, para redes de distribuição, esses métodos devem ser capazes de modelar, com detalhes suficientes, algumas características únicas desses sistemas, como sua estrutura quase radial, a natureza desequilibrada das cargas e a inserção de geradores distribuídos. Além disso, a modelagem do padrão de consumo nos sistemas de distribuição é mais complexa e os parâmetros das linhas são mais difíceis de serem obtidos, quando comparados com o sistema de transmissão. Portanto, a aplicação de métodos tradicionais para cálculos de fluxo de potência em redes de distribuição pode levar a soluções divergentes. Nesse contexto, o presente trabalho propõe uma nova abordagem para cálculos de fluxo de potência em sistemas de distribuição, baseada em Machine Learning. Os modelos propostos utilizam Redes Neurais Artificiais (RNAs) para prever as perdas ativas internas de uma rede de distribuição e os fluxos de potência nas fronteiras com o sistema de transmissão. Simulações numéricas demonstram o desempenho eficiente da abordagem proposta, além de suas vantagens computacionais em relação aos softwares normalmente utilizados nesse tipo de estudo pois, uma vez treinadas, as RNAs podem aproximar, de modo extremamente rápido, cálculos de fluxo de potência, já que apenas operações matriciais são realizadas. Além disso, o trabalho apresenta uma aplicação da metodologia proposta: as previsões, obtidas pela RNA, para os fluxos nas fronteiras com a rede de transmissão foram utilizadas para gerar contratos ótimos de demanda para um sistema de distribuição real no Brasil.