Este estudio presenta un algoritmo novedoso diseñado para la detección precisa de valores atípicos inferiores (es decir, puntos de datos en la cola inferior) en conjuntos de datos univariados, que es particularmente adecuado para escenarios con un único grupo y una distribución de datos similar. El enfoque aprovecha una combinación de técnicas transformadoras y métodos avanzados de filtración para segregar eficientemente anomalías de valores normales. Es importante destacar que el algoritmo enfatiza la detección de valores atípicos de alta precisión, garantizando un mínimo de falsos positivos y requiere solo unos pocos parámetros para su configuración. Su naturaleza no supervisada permite un filtrado robusto de valores atípicos sin necesidad de una extensa intervención manual. Para validar su eficacia, el algoritmo se prueba rigurosamente utilizando datos del mundo real obtenidos de cadenas de módulos fotovoltaicos (PV) con capacidades de CC similares, que contienen varios valores atípicos. Los resultados demuestran la capacidad del algoritmo para identificar con precisión los valores atípicos inferiores manteniendo la eficiencia computacional y la confiabilidad en aplicaciones prácticas.