La integración de tecnología avanzada de información y comunicación en redes inteligentes las ha expuesto a un aumento de ciberataques. Los sistemas tradicionales de detección de fallos basados en modelos matemáticos dependen de identificar actividades maliciosas pero luchan con la complejidad de los sistemas modernos. Este documento explora la aplicación de inteligencia artificial, específicamente aprendizaje automático, para desarrollar mecanismos de detección de fallos que no dependan de estos modelos. Nos enfocamos en la tecnología operativa para detección, aislamiento e identificación de fallos (FDII) dentro de redes inteligentes, examinando específicamente un sistema de control de frecuencia de carga (LFC). Nuestro enfoque propuesto utiliza datos de sensores para identificar amenazas de manera precisa, demostrando resultados prometedores en entornos simulados.