Las turbinas eólicas son máquinas rotativas que están sujetas a condiciones no estacionarias y su potencia depende de manera no trivial de las condiciones ambientales y de los parámetros de trabajo. Por lo tanto, monitorear el rendimiento de las turbinas eólicas es una tarea complicada porque es crítico construir modelos de comportamiento normal para la potencia teórica que debería ser extraída. La curva de potencia es la relación entre la velocidad del viento y la potencia, y se utiliza ampliamente para monitorear el rendimiento de las turbinas eólicas. Hoy en día, se acepta comúnmente que un modelo confiable para la curva de potencia debe ser personalizado para la turbina eólica y el sitio de interés: esto ha impulsado el uso de SCADA para enfoques basados en datos sobre la curva de potencia de las turbinas eólicas y, por lo tanto, ha estimulado el uso de inteligencia artificial y métodos de estadísticas aplicadas. En este sentido, una línea de investigación prometedora se refiere a enfoques multivariantes para la curva de potencia de las turbinas eólicas: estos se basan en incorporar información ambiental adicional o parámetros de trabajo como variables de entrada para el modelo basado en datos, cuyo resultado es la potencia producida. La lógica detrás de un enfoque multivariante para la curva de potencia de las turbinas eólicas es la posible disminución de las métricas de error de la regresión: esto permite monitorear el rendimiento de la turbina eólica objetivo con mayor precisión. Con base en esto, en este manuscrito se discute el estado del arte en cuanto a métodos de análisis de datos SCADA multivariantes para el modelado de la curva de potencia de las turbinas eólicas y se indican algunas perspectivas de investigación prometedoras.