La integración de sistemas fotovoltaicos solares (PV) en la red de corriente alterna (AC) plantea desafíos de estabilidad, especialmente con el aumento de recursos basados en inversores. Para una operación eficiente del sistema, los inversores inteligentes que forman la red necesitan comunicarse con el sistema de Supervisión, Control y Adquisición de Datos (SCADA). Sin embargo, los dispositivos de Internet de las Cosas que se comunican con SCADA hacen que estos sistemas sean vulnerables. Aunque muchos investigadores han propuesto estrategias de detección basadas en Inteligencia Artificial, la identificación de la ubicación del ataque no es considerada por estas estrategias. Para superar esta limitación, este documento propone un nuevo método de aumento de gradiente extrema de convolución (ConvXGBoost) para no solo detectar los ataques de Denegación de Servicio (DoS) y de Inyección de Datos Falsos (FDI), sino también identificar la ubicación y el componente del sistema que fue comprometido. El modelo propuesto se compara con las estrategias existentes de Redes Neuronales Convolucionales (CNN) y árbol de decisiones (DT). Los resultados de la simulación demuestran la efectividad del método propuesto tanto para los sistemas fotovoltaicos inteligentes como para los sistemas de celdas de combustible fotovoltaicas (PV-FC). Por ejemplo, el modelo propuesto es eficiente con una precisión del 99.25% en comparación con el 97.76% de CNN y el 99.12% de DT durante un ataque DoS en un sistema fotovoltaico inteligente. Además, el método propuesto puede detectar e identificar la ubicación del ataque más rápido que otros modelos.