La penetración masiva de generadores eólicos en las redes eléctricas existentes está causando varios problemas críticos, lo que está llevando a los operadores del sistema a mejorar sus funciones de operación para mitigar los efectos producidos por los perfiles de generación intermitente y no programable. En este contexto, la integración de modelos de pronóstico eólico y de fiabilidad basados en datos experimentales representa una herramienta estratégica para evaluar el impacto de los generadores y el estado de operación de la red en los perfiles de potencia disponibles. Desafortunadamente, los datos de campo adquiridos por los sistemas de adquisición de datos y control supervisorio pueden estar caracterizados por valores atípicos y datos incoherentes, que deben ser detectados y filtrados adecuadamente para evitar grandes errores de modelado. Para hacer frente a este desafiante problema, en este documento se propone una novedosa metodología que fusiona técnicas de agrupamiento difuso y algoritmos de detección de anomalías basados en probabilidades para el filtrado de datos eólicos y la modelización de generadores basada en datos.