Los aerogeneradores son máquinas que operan en condiciones no estacionarias y la potencia de un aerogenerador depende de manera no trivial de las condiciones ambientales y de los parámetros de trabajo. Por estas razones, el monitoreo de la potencia de los aerogeneradores es una tarea compleja que típicamente se aborda a través de métodos basados en datos para construir un modelo de comportamiento normal. En este estudio, se analizan curvas de operación significativas, que son la velocidad del rotor-potencia, la velocidad del generador-potencia y la inclinación de las palas-potencia. Un punto clave es que estas curvas se analizan en la región de operación apropiada de los aerogeneradores: las curvas del rotor y del generador se consideran para una velocidad del viento moderada, cuando la inclinación de las palas está fija y la velocidad de rotación varía (Región 2); la curva de inclinación de las palas se considera para una velocidad del viento más alta, cuando la velocidad de rotación es nominal (Región 2). Las curvas seleccionadas se estudian a través de una Regresión de Vectores de Soporte multivariante con Núcleo Gaussiano en los datos de Adquisición de Datos y Control Supervisorio (SCADA) de dos parques eólicos situados en Italia, que cuentan en total con 15 aerogeneradores de 2 MW. Un aspecto innovador de los modelos seleccionados es que el mínimo, el máximo y la desviación estándar de las variables independientes de interés se introducen como entrada a los modelos, además de los valores promedio típicamente empleados: utilizando los covariables adicionales propuestos en este trabajo, las métricas de error disminuyen en un tercio, en comparación con lo que se obtendría empleando solo los valores promedio de las variables independientes como regresores. En general, se observa que, para todas las curvas consideradas, la predicción de la potencia se caracteriza por métricas de error que son competitivas con el estado del arte en la literatura para el análisis de curvas de potencia de aerogeneradores multivariados: en particular, para un caso de prueba, se logra un error porcentual medio absoluto del orden del 2.5%. Además, el enfoque presentado en este estudio proporciona una capacidad superior para interpretar el rendimiento del aerogenerador en términos del comportamiento de los principales subcomponentes y elimina en la medida de lo posible la dependencia de los datos del anemómetro de la góndola, cuyo uso es crítico debido a problemas relacionados con la complejidad de los sitios.