La utilización de la energía solar en la industria ha crecido sustancialmente, lo que ha resultado en un mayor reconocimiento de las fuentes de energía renovable provenientes de plantas de energía y sistemas de red inteligentes. Uno de los desafíos más importantes en el campo de la energía solar es la detección de anomalías en los sistemas fotovoltaicos. Este documento tiene como objetivo abordar esto utilizando varios algoritmos de aprendizaje automático y modelos de regresión para identificar anomalías internas y externas en los componentes fotovoltaicos. El objetivo es determinar qué modelos pueden distinguir con mayor precisión entre el comportamiento normal y anormal de los sistemas fotovoltaicos. Se han investigado tres enfoques diferentes para detectar anomalías en plantas de energía solar en India. El primer modelo se basa en un modelo físico, el segundo en un modelo de regresión de máquina de soporte vectorial (SVM), y el tercero en un modelo de clasificación SVM. Se utilizó un optimizador de lobo gris para ajustar el modelo hiper para todos los modelos. Nuestros hallazgos aclararán que el modelo de clasificación SVM es el mejor modelo para la identificación de anomalías en plantas de energía solar al clasificar los estados del inversor en dos categorías (normal y falla).