Аномалии в электрических сигналах энергосистем играют критическую роль в выявлении потенциальных киберугроз, что подчеркивает необходимость интеграции методов обнаружения аномалий с теорией риска в контексте кибербезопасности. В настоящем исследовании представлен подход к выявлению аномалий в напряжении электрической сети с использованием модели IsolationForest. Для моделирования были сгенерированы синтетические данные, имитирующие реальные условия эксплуатации сети с номинальным напряжением 10 кВ и средней нагрузкой 500 кВА. Аномальные данные включали искусственно созданные резкие изменения напряжения в определенные временные интервалы, что могло быть связано с кибератаками или другими внешними вмешательствами. Модель Isolation Forest была обучена на нормальных данных и успешно применилась для классификации аномалий, что позволило эффективно выделить критические моменты, связанные с потенциальными угрозами. Результаты исследования демонстрируют высокую эффективность предложенного подхода, что позволяет использовать его для повышения устойчивости и безопасности энергосистем в условиях растущих киберугроз.