En este documento, se propone un método de detección de anomalías en aerogeneradores basado en una extracción de características generalizada. Primero, los atributos del aerogenerador (WT) recopilados del sistema de Adquisición de Datos y Control Supervisorio (SCADA) se agrupan con k-medias, y se adopta el Coeficiente de Silueta (SC) para juzgar la efectividad del agrupamiento. La correlación entre atributos dentro de una clase se vuelve mayor, y la correlación entre clases se vuelve menor mediante el agrupamiento. Luego, las dimensiones de los atributos dentro de las clases se reducen en función de la incrustación de vecinos estocásticos t-distribuida (t-SNE) para que los atributos de baja dimensión puedan ser más completos y más concisos al reflejar los atributos del WT. Finalmente, se entrena el modelo de detección y se detecta el estado normal o anormal según el resultado de clasificación 0 o 1 respectivamente. Los experimentos, que consisten en tres casos con datos de SCADA, demuestran la efectividad del método propuesto.