En este documento se presenta un método de monitoreo para convertidores CC-CC en aplicaciones fotovoltaicas. El objetivo principal es prevenir fallas catastróficas detectando condiciones de mal funcionamiento durante la operación del sistema eléctrico. El procedimiento de pronóstico propuesto se basa en técnicas de aprendizaje automático y se centra en las variaciones de los componentes pasivos con respecto a su rango nominal. Se propone un estudio teórico para elegir las mejores medidas para el análisis de pronóstico y adaptar el método de monitoreo a un sistema fotovoltaico. Con el fin de facilitar este estudio, se presenta una evaluación gráfica de la testabilidad, y también se consideran los efectos de la irradiación solar variable en las medidas seleccionadas desde un punto de vista gráfico. La principal técnica presentada en este documento para identificar las condiciones de mal funcionamiento se basa en una red neuronal multicapa con neuronas multivaluadas. Las actuaciones de este clasificador aplicado en un convertidor Zeta se comparan con las de un algoritmo de Máquina de Vectores de Soporte. Las simulaciones realizadas en el entorno de Simulink muestran una tasa de clasificación superior al 90%, lo que significa que el método de monitoreo permite la identificación de problemas en las fases iniciales, garantizando así la posibilidad de cambiar la configuración de trabajo y organizar operaciones de mantenimiento para convertidores CC-CC.