El desarrollo de ciudades inteligentes requerirá la construcción de edificios inteligentes. Los edificios inteligentes exigirán la incorporación de elementos para el monitoreo y control eficiente del consumo eléctrico. El desarrollo de algoritmos de IA eficientes es necesario para generar predicciones más precisas del consumo de electricidad; por lo tanto, la detección de anomalías en las predicciones de consumo eléctrico se ha convertido en un tema de investigación importante. Este trabajo se enfoca en el estudio de la detección de anomalías en el consumo eléctrico doméstico en México. Se generó un modelo predictivo de aprendizaje automático del consumo eléctrico futuro para evaluar diversas técnicas de detección de anomalías. Se determinó su efectividad en la identificación de valores atípicos y se documentó su rendimiento. Se desarrolló un pronóstico de 30 días del consumo eléctrico y un modelo de detección de anomalías utilizando el bosque de aislamiento. El bosque de aislamiento capturó con éxito hasta el 75% de las anomalías. Finalmente, se utilizaron los valores de Shapley para generar una explicación de los resultados de un modelo capaz de detectar datos anómalos para el contexto mexicano.