La predicción precisa de la generación de energía eólica, así como el desarrollo de un gemelo digital de un aerogenerador, requieren la estimación de la curva de potencia. Las mediciones reales de la potencia generada, especialmente en intervalos a corto plazo, muestran que en muchos casos la potencia generada difiere de la potencia calculada, que considera solo la velocidad del viento y los parámetros técnicos del aerogenerador. Algunas de estas mediciones son erróneas, mientras que otras están influenciadas por factores adicionales que afectan a la generación más allá de la velocidad del viento solamente. Este estudio presenta una investigación de las características que influyen en la precisión de los cálculos de la potencia del aerogenerador en intervalos a corto plazo. Se utiliza el conjunto de datos abierto de las mediciones del sistema SCADA de un aerogenerador real. Se descubre que el uso de modelos de aprendizaje automático de conjunto y características adicionales, incluida la potencia real del paso de tiempo anterior, mejora la precisión del cálculo de la energía eólica. El error cuadrático medio logrado es de 113 kW, con la capacidad nominal del aerogenerador bajo consideración siendo de 3,6 MW. En consecuencia, la proporción del error cuadrático medio a la capacidad nominal es del 3%.