Las plantas fotovoltaicas de elevada potencia están formadas por una repetición de agrupaciones de módulos fotovoltaicos de características similares conectados entre sí en constante monitorización. Esto permite deducir que cuando una de estas agrupaciones de módulos tiene un fallo, es probable que se comporte de forma distinta a las otras resultando en unas variables eléctricas atípicas. Aprovechando esta redundancia y la capacidad de los inversores de monitorizar las variables de tensión y corriente de cada agrupación de módulos, se ha desarrollado un algoritmo de detección de fallos por comparación basado en métodos de detección de anomalías. Con este método, se agrupan las variables de tensión y corriente con valores similares en unos clúster permitiendo establecer unos valores de referencia y aislar los puntos anómalos detectando un fallo cuando la frecuencia de anomalías supera cierto límite. A partir de los residuales generados por el algoritmo de detección, un algoritmo de identificación basado en la red de Bayes proporciona una serie de diagnósticos ordenados por probabilidades. Los resultados indican que el algoritmo desarrollado es capaz de detectar y diagnosticar fallos con significativa eficacia y precisión y que, de forma contraria a la mayoría de algoritmos encontrados en la literatura que se basan en modelos, depende en menor medida de las variables de irradiancia y temperatura medidas por sensores externos.