La energía eólica se ha convertido en una parte indispensable del desarrollo de energías renovables en varios países. Debido al alto costo y la estructura compleja de los aerogeneradores, es importante diseñar un método que pueda determinar de manera rápida y efectiva la salud estructural del conjunto generador. Esta investigación propone un método que podría determinar daños estructurales o debilidades en las palas en una etapa temprana a través de un modelo para monitorear el sonido de las palas del aerogenerador, con el fin de reducir la cantidad de mano de obra requerida y la frecuencia de mantenimiento regular, y reparar los daños rápidamente en el futuro. Este estudio utilizó los sonidos de funcionamiento de palas normales y anormales como conjunto de datos. El modelo utilizó la transformada wavelet discreta (DWT) para descomponer el sonido en diferentes componentes de frecuencia, realizó extracción de características en una medida estadística, y combinó con una técnica de exposición de valores atípicos para entrenar un modelo de red neuronal profunda que pudiera capturar valores anormales que se desvían de las muestras normales. Además, este artículo observó que el rendimiento del modelo de monitoreo en el conjunto de datos MIMII también fue mejor que los modelos de detección de anomalías propuestos por otros artículos.