La generación de electricidad a través de fuentes de energía renovable aumenta cada día, siendo la energía solar una de las que más crece rápidamente. La aparición de tecnologías de la información como los Gemelos Digitales (DT) en el campo de Internet de las Cosas e Industria 4.0 permite un desarrollo sustancial en sistemas de diagnóstico automático. El objetivo de este trabajo es obtener el DT de una Granja Solar Fotovoltaica (PVSF) con un enfoque de aprendizaje profundo (DL). Para construir dicho DT, las series temporales basadas en sensores son analizadas y procesadas adecuadamente. Los datos resultantes se utilizan para entrenar un modelo DL (por ejemplo, autoencoders) con el fin de detectar anomalías del sistema físico en su DT. Los resultados muestran un error de reconstrucción alrededor de 0.1, un puntaje de recall de 0.92 y un Área Bajo la Curva (AUC) de 0.97. Por lo tanto, este artículo demuestra que el DT puede reproducir el comportamiento y detectar eficientemente las anomalías del sistema físico.